GPT-4 32K to profil tekstowy GPT-4 firmy OpenAI z rozszerzonym kontekstem do zadań wymagających większej ilości powiązanego materiału w jednym żądaniu. Producent dokumentuje kontekst liczący 32 768 tokenów, w porównaniu z 8 192 tokenami pierwotnego profilu GPT-4. Przyjmuje on tekst i zwraca tekst, w tym wyjaśnienia w języku naturalnym, szkice i kod. Wyróżnia go większy kontekst, a nie okno 128K lub możliwości multimodalne późniejszych profili GPT-4 Turbo.
Przekaż dokumenty lub kod istotne dla jasno określonego zadania. Porównanie wymagań może zestawić kilka specyfikacji i zapytać, które warunki są zgodne, które sprzeczne oraz które źródło rozstrzyga daną decyzję. Nadaj każdemu źródłu identyfikator i poproś o fragment wspierający ważne ustalenie. Wspólne przechowywanie powiązanych dowodów może ułatwić modelowi ich porównanie, a wynik nadal musi zachować połączenie między wnioskiem a jego źródłem.
W pytaniu dotyczącym bazy kodu uwzględnij istotne funkcje, kod, który je wywołuje, i badane zachowanie. Poproś o wyjaśnienie zależności lub ukierunkowaną zmianę powiązaną z tym zachowaniem. Większy kontekst może pomieścić przydatny kod otaczający dany fragment, ale nie usuwa potrzeby określenia pytania ani kryterium ukończenia. Propozycja kodu powinna wskazać przypadek wejściowy, który ją uzasadnia, oraz oczekiwany wynik możliwy do sprawdzenia.
Opis wydania GPT-4 przedstawia kierowanie modelem za pomocą wiadomości systemowej: programista może określić zadanie, ton i styl modelu. Użyj tej instrukcji, by ustalić, czy odpowiedź ma być krótkim wyjaśnieniem, porównaniem, szkicem czy rekordem z nazwanymi polami. Określ sposób przedstawienia brakujących informacji i oddziel przekazane fakty od założeń. Zadanie przetwarzania dokumentów może prosić o listę warunków z identyfikatorem źródła i istotnym fragmentem przy każdym z nich.
Utrzymuj te instrukcje w miarę rozwoju rozmowy. Gdy kolejne żądanie poprawia poprzedni wynik, dołącz rzeczywisty wcześniejszy rezultat i wskaż, co powinno się zmienić. Przydatna kolejna wiadomość zawęża rozbieżność w porównaniu lub prosi o poprawienie jednej części szkicu, zamiast zakładać, że nowe, odizolowane polecenie zachowuje całe wcześniejsze zadanie.
Aktualizacja producenta 0613 dodaje do edycji z rozszerzonym kontekstem ulepszenia wywoływania funkcji z GPT-4. Programista opisuje funkcję i jej parametry, a model może zwrócić obiekt JSON zawierający argumenty dla tej funkcji. Aplikacja wykonuje operację i dostarcza zwrócony wynik. Przydatną możliwością jest ustrukturyzowane żądanie połączone z zachowaniem aplikacji, a nie bezpośrednie wykonanie zewnętrznego działania przez model.
W przypadku asystenta informacyjnego funkcja może pobrać rzeczywisty rekord potrzebny do odpowiedzi na pytanie. Zachowaj powiązanie między żądanym identyfikatorem a zwróconym rekordem, a następnie poproś o odpowiedź opartą na tym wyniku. Sprawdź, czy proponowane działanie ma oparcie w żądaniu użytkownika i czy funkcja faktycznie je wykonała. Zaktualizowany interfejs funkcji jest odrębny od późniejszych dodatków GPT-4 Turbo: trybu JSON i równoległego wywoływania.
Pierwotny opis wydania GPT-4 wskazuje halucynacje faktograficzne, błędy rozumowania i ograniczoną wiedzę o nowszych wydarzeniach jako istotne ograniczenia. Ten opis podaje, że większość danych treningowych GPT-4 ma datę graniczną we wrześniu 2021 roku. Przekaż aktualne dowody w przypadku pytania, na które odpowiedź się zmieniła, i sprawdź ważne liczby, nazwy oraz zachowanie kodu na podstawie źródła. Pewne siebie wyjaśnienie nadal może błędnie zinterpretować warunek lub wprowadzić błąd.
Dostosuj żądany rezultat do zadania i dostępnego kontekstu. Wartość 32K oznacza pojemność kontekstu, a nie obietnicę równie długiej gotowej odpowiedzi czy doskonałego zrozumienia każdego dołączonego fragmentu. Zachowaj razem wybrany profil modelu, instrukcje, materiał źródłowy i wynik. Dzięki temu porównanie długich dokumentów, wyjaśnienie kodu lub poprawiony szkic stają się na tyle konkretne, by je zbadać i kontynuować.
", "aboutText": "GPT-4 32K to profil tekstowy GPT-4 firmy OpenAI z rozszerzonym kontekstem do zadań wymagających większej ilości powiązanego materiału w jednym żądaniu. Producent dokumentuje kontekst liczący 32 768 tokenów, w porównaniu z 8 192 tokenami pierwotnego profilu GPT-4. Przyjmuje on tekst i zwraca tekst, w tym wyjaśnienia w języku naturalnym, szkice i kod. Wyróżnia go większy kontekst, a nie okno 128K lub możliwości multimodalne późniejszych profili GPT-4 Turbo.\n\n### Wykorzystaj kontekst do powiązanych dowodów\n\nPrzekaż dokumenty lub kod istotne dla jasno określonego zadania. Porównanie wymagań może zestawić kilka specyfikacji i zapytać, które warunki są zgodne, które sprzeczne oraz które źródło rozstrzyga daną decyzję. Nadaj każdemu źródłu identyfikator i poproś o fragment wspierający ważne ustalenie. Wspólne przechowywanie powiązanych dowodów może ułatwić modelowi ich porównanie, a wynik nadal musi zachować połączenie między wnioskiem a jego źródłem.\n\nW pytaniu dotyczącym bazy kodu uwzględnij istotne funkcje, kod, który je wywołuje, i badane zachowanie. Poproś o wyjaśnienie zależności lub ukierunkowaną zmianę powiązaną z tym zachowaniem. Większy kontekst może pomieścić przydatny kod otaczający dany fragment, ale nie usuwa potrzeby określenia pytania ani kryterium ukończenia. Propozycja kodu powinna wskazać przypadek wejściowy, który ją uzasadnia, oraz oczekiwany wynik możliwy do sprawdzenia.\n\n### Określ zadanie i styl odpowiedzi\n\nOpis wydania GPT-4 przedstawia kierowanie modelem za pomocą wiadomości systemowej: programista może określić zadanie, ton i styl modelu. Użyj tej instrukcji, by ustalić, czy odpowiedź ma być krótkim wyjaśnieniem, porównaniem, szkicem czy rekordem z nazwanymi polami. Określ sposób przedstawienia brakujących informacji i oddziel przekazane fakty od założeń. Zadanie przetwarzania dokumentów może prosić o listę warunków z identyfikatorem źródła i istotnym fragmentem przy każdym z nich.\n\nUtrzymuj te instrukcje w miarę rozwoju rozmowy. Gdy kolejne żądanie poprawia poprzedni wynik, dołącz rzeczywisty wcześniejszy rezultat i wskaż, co powinno się zmienić. Przydatna kolejna wiadomość zawęża rozbieżność w porównaniu lub prosi o poprawienie jednej części szkicu, zamiast zakładać, że nowe, odizolowane polecenie zachowuje całe wcześniejsze zadanie.\n\n### Wywoływanie funkcji w zaktualizowanej linii 32K\n\nAktualizacja producenta 0613 dodaje do edycji z rozszerzonym kontekstem ulepszenia wywoływania funkcji z GPT-4. Programista opisuje funkcję i jej parametry, a model może zwrócić obiekt JSON zawierający argumenty dla tej funkcji. Aplikacja wykonuje operację i dostarcza zwrócony wynik. Przydatną możliwością jest ustrukturyzowane żądanie połączone z zachowaniem aplikacji, a nie bezpośrednie wykonanie zewnętrznego działania przez model.\n\nW przypadku asystenta informacyjnego funkcja może pobrać rzeczywisty rekord potrzebny do odpowiedzi na pytanie. Zachowaj powiązanie między żądanym identyfikatorem a zwróconym rekordem, a następnie poproś o odpowiedź opartą na tym wyniku. Sprawdź, czy proponowane działanie ma oparcie w żądaniu użytkownika i czy funkcja faktycznie je wykonała. Zaktualizowany interfejs funkcji jest odrębny od późniejszych dodatków GPT-4 Turbo: trybu JSON i równoległego wywoływania.\n\n### Sprawdź odpowiedź na podstawie materiału\n\nPierwotny opis wydania GPT-4 wskazuje halucynacje faktograficzne, błędy rozumowania i ograniczoną wiedzę o nowszych wydarzeniach jako istotne ograniczenia. Ten opis podaje, że większość danych treningowych GPT-4 ma datę graniczną we wrześniu 2021 roku. Przekaż aktualne dowody w przypadku pytania, na które odpowiedź się zmieniła, i sprawdź ważne liczby, nazwy oraz zachowanie kodu na podstawie źródła. Pewne siebie wyjaśnienie nadal może błędnie zinterpretować warunek lub wprowadzić błąd.\n\nDostosuj żądany rezultat do zadania i dostępnego kontekstu. Wartość 32K oznacza pojemność kontekstu, a nie obietnicę równie długiej gotowej odpowiedzi czy doskonałego zrozumienia każdego dołączonego fragmentu. Zachowaj razem wybrany profil modelu, instrukcje, materiał źródłowy i wynik. Dzięki temu porównanie długich dokumentów, wyjaśnienie kodu lub poprawiony szkic stają się na tyle konkretne, by je zbadać i kontynuować.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
Compare a specification and addendum\n\nCompare these labelled terms for a project manager. Specification S: deliver 40 desks by 1 June; acceptance requires assembly. Addendum A: delivery moves to 8 June; all other terms remain unchanged. Addendum A has priority. Write the current obligations in three bullets and show which source establishes each. Do not treat the original deadline as still active.Three source-linked obligations for quantity, revised delivery date and assembly at acceptance.Only the deadline changes; the answer retains 40 desks and the assembly requirement.gpt-4-32kGPT-4 32K to profil tekstowy GPT-4 z rozszerzonym kontekstem do pracy z większymi zbiorami dokumentów lub kodu. Udokumentowany kontekst liczący 32 768 tokenów pozwala uwzględnić powiązane materiały w jednym zadaniu, z instrukcjami systemowymi kierującymi odpowiedzią oraz wywoływaniem funkcji udokumentowanym w zaktualizowanej edycji 0613.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
GPT-4 32K to profil tekstowy GPT-4 firmy OpenAI z rozszerzonym kontekstem do zadań wymagających większej ilości powiązanego materiału w jednym żądaniu. Producent dokumentuje kontekst liczący 32 768 tokenów, w porównaniu z 8 192 tokenami pierwotnego profilu GPT-4. Przyjmuje on tekst i zwraca tekst, w tym wyjaśnienia w języku naturalnym, szkice i kod. Wyróżnia go większy kontekst, a nie okno 128K lub możliwości multimodalne późniejszych profili GPT-4 Turbo.
Przekaż dokumenty lub kod istotne dla jasno określonego zadania. Porównanie wymagań może zestawić kilka specyfikacji i zapytać, które warunki są zgodne, które sprzeczne oraz które źródło rozstrzyga daną decyzję. Nadaj każdemu źródłu identyfikator i poproś o fragment wspierający ważne ustalenie. Wspólne przechowywanie powiązanych dowodów może ułatwić modelowi ich porównanie, a wynik nadal musi zachować połączenie między wnioskiem a jego źródłem.
W pytaniu dotyczącym bazy kodu uwzględnij istotne funkcje, kod, który je wywołuje, i badane zachowanie. Poproś o wyjaśnienie zależności lub ukierunkowaną zmianę powiązaną z tym zachowaniem. Większy kontekst może pomieścić przydatny kod otaczający dany fragment, ale nie usuwa potrzeby określenia pytania ani kryterium ukończenia. Propozycja kodu powinna wskazać przypadek wejściowy, który ją uzasadnia, oraz oczekiwany wynik możliwy do sprawdzenia.
Opis wydania GPT-4 przedstawia kierowanie modelem za pomocą wiadomości systemowej: programista może określić zadanie, ton i styl modelu. Użyj tej instrukcji, by ustalić, czy odpowiedź ma być krótkim wyjaśnieniem, porównaniem, szkicem czy rekordem z nazwanymi polami. Określ sposób przedstawienia brakujących informacji i oddziel przekazane fakty od założeń. Zadanie przetwarzania dokumentów może prosić o listę warunków z identyfikatorem źródła i istotnym fragmentem przy każdym z nich.
Utrzymuj te instrukcje w miarę rozwoju rozmowy. Gdy kolejne żądanie poprawia poprzedni wynik, dołącz rzeczywisty wcześniejszy rezultat i wskaż, co powinno się zmienić. Przydatna kolejna wiadomość zawęża rozbieżność w porównaniu lub prosi o poprawienie jednej części szkicu, zamiast zakładać, że nowe, odizolowane polecenie zachowuje całe wcześniejsze zadanie.
Aktualizacja producenta 0613 dodaje do edycji z rozszerzonym kontekstem ulepszenia wywoływania funkcji z GPT-4. Programista opisuje funkcję i jej parametry, a model może zwrócić obiekt JSON zawierający argumenty dla tej funkcji. Aplikacja wykonuje operację i dostarcza zwrócony wynik. Przydatną możliwością jest ustrukturyzowane żądanie połączone z zachowaniem aplikacji, a nie bezpośrednie wykonanie zewnętrznego działania przez model.
W przypadku asystenta informacyjnego funkcja może pobrać rzeczywisty rekord potrzebny do odpowiedzi na pytanie. Zachowaj powiązanie między żądanym identyfikatorem a zwróconym rekordem, a następnie poproś o odpowiedź opartą na tym wyniku. Sprawdź, czy proponowane działanie ma oparcie w żądaniu użytkownika i czy funkcja faktycznie je wykonała. Zaktualizowany interfejs funkcji jest odrębny od późniejszych dodatków GPT-4 Turbo: trybu JSON i równoległego wywoływania.
Pierwotny opis wydania GPT-4 wskazuje halucynacje faktograficzne, błędy rozumowania i ograniczoną wiedzę o nowszych wydarzeniach jako istotne ograniczenia. Ten opis podaje, że większość danych treningowych GPT-4 ma datę graniczną we wrześniu 2021 roku. Przekaż aktualne dowody w przypadku pytania, na które odpowiedź się zmieniła, i sprawdź ważne liczby, nazwy oraz zachowanie kodu na podstawie źródła. Pewne siebie wyjaśnienie nadal może błędnie zinterpretować warunek lub wprowadzić błąd.
Dostosuj żądany rezultat do zadania i dostępnego kontekstu. Wartość 32K oznacza pojemność kontekstu, a nie obietnicę równie długiej gotowej odpowiedzi czy doskonałego zrozumienia każdego dołączonego fragmentu. Zachowaj razem wybrany profil modelu, instrukcje, materiał źródłowy i wynik. Dzięki temu porównanie długich dokumentów, wyjaśnienie kodu lub poprawiony szkic stają się na tyle konkretne, by je zbadać i kontynuować.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity gpt-4-32k | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity Przykłady: system, user, assistant, tool, function Warunki: Te role są jawnie reprezentowane przez typy zgodności w kodzie źródłowym; dokładny zestaw ról pozostaje właściwy dla danego modelu. Zależy od modelu | Domyślnie— |
Polemessages[].content | Typstring|content_part[]|null | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_calls | Typtool_call[] | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_call_id | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: role=tool; użyj rzeczywiście zwróconego ID | Domyślnie— |
Polemessages[].name | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].reasoning_content | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Przekazuj z powrotem rzeczywiście zwróconą treść rozumowania, gdy ten model jej używa | Domyślnie— |
Polemessages[].reasoning_details | Typobject|array | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polemax_completion_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Polestream_options.include_usage | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletemperature | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletop_p | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polestop | Typstring|string[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools | Typfunction_tool[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools[].type | Typstring | WymaganieOpcjonalne | Wartości i limity function Zależy od modelu | Domyślnie— |
Poletools[].function.name | Typstring | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: udostępnione narzędzie funkcji | Domyślnie— |
Poletools[].function.description | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletools[].function.parameters | TypJSON_schema | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletool_choice | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleparallel_tool_calls | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleresponse_format | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning_effort | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleservice_tier | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleinstructions | Typstring | WymaganieOpcjonalne | Wartości i limity Pole zgodności | Domyślnie— |
Polefunctions | Typfunction[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polefunction_call | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleprompt_cache_options | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemodalities | Typstring[] | WymaganieOpcjonalne | Wartości i limity text | Domyślnie— |
Poleprovider | Typobject | WymaganieOpcjonalne | Wartości i limity Warunki: provider.options jest odrzucane na tej tekstowej trasie Ultra | Domyślnie— |
Polecache_control.ttl | Typstring | WymaganieOpcjonalne | Wartości i limity Warunki: 1h jest odrzucane w rzeczywistych miejscach pamięci podręcznej promptów | Domyślnie— |
Tekst · tekst UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontrakttablica wiadomości o strukturze role/content |
Parametrfile_material | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktwłaściwe dla modelu; narzędzia funkcji użytkownika różnią się od narzędzi hostowanych |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Cykl życia: synchronous_or_streamed
Wyślij dokładne ID modelu wraz z messages.
Długość kontekstu nie jest limitem wyjścia.
Plik tekstowy może dostarczyć dosłowny tekst; wejścia obrazowe/dźwiękowe/obiekty plików wymagają dokładnego powiązania.
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
| Konfiguracja | Tabela stawek | Opłata |
|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe $0.12 / 1K tokenów Wyjście · Tokeny wyjściowe $0.24 / 1K tokenów Wejście · Odczyt cache $0 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-4-32k", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='gpt-4-32k',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gpt-4-32k',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj każdy wariant i jego treść/wywołania narzędzi/rozumowanie. W SSE składaj przyrosty według indeksu wariantu/narzędzia, zachowując końcowy powód zakończenia i dane użycia.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra gpt-4-32k
Użyj ścieżek metod podanych powyżej.
gpt-4-32kGPT-4 32K to profil tekstowy GPT-4 z rozszerzonym kontekstem do pracy z większymi zbiorami dokumentów lub kodu. Udokumentowany kontekst liczący 32 768 tokenów pozwala uwzględnić powiązane materiały w jednym zadaniu, z instrukcjami systemowymi kierującymi odpowiedzią oraz wywoływaniem funkcji udokumentowanym w zaktualizowanej edycji 0613.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
GPT-4 32K to profil tekstowy GPT-4 firmy OpenAI z rozszerzonym kontekstem do zadań wymagających większej ilości powiązanego materiału w jednym żądaniu. Producent dokumentuje kontekst liczący 32 768 tokenów, w porównaniu z 8 192 tokenami pierwotnego profilu GPT-4. Przyjmuje on tekst i zwraca tekst, w tym wyjaśnienia w języku naturalnym, szkice i kod. Wyróżnia go większy kontekst, a nie okno 128K lub możliwości multimodalne późniejszych profili GPT-4 Turbo.
Przekaż dokumenty lub kod istotne dla jasno określonego zadania. Porównanie wymagań może zestawić kilka specyfikacji i zapytać, które warunki są zgodne, które sprzeczne oraz które źródło rozstrzyga daną decyzję. Nadaj każdemu źródłu identyfikator i poproś o fragment wspierający ważne ustalenie. Wspólne przechowywanie powiązanych dowodów może ułatwić modelowi ich porównanie, a wynik nadal musi zachować połączenie między wnioskiem a jego źródłem.
W pytaniu dotyczącym bazy kodu uwzględnij istotne funkcje, kod, który je wywołuje, i badane zachowanie. Poproś o wyjaśnienie zależności lub ukierunkowaną zmianę powiązaną z tym zachowaniem. Większy kontekst może pomieścić przydatny kod otaczający dany fragment, ale nie usuwa potrzeby określenia pytania ani kryterium ukończenia. Propozycja kodu powinna wskazać przypadek wejściowy, który ją uzasadnia, oraz oczekiwany wynik możliwy do sprawdzenia.
Opis wydania GPT-4 przedstawia kierowanie modelem za pomocą wiadomości systemowej: programista może określić zadanie, ton i styl modelu. Użyj tej instrukcji, by ustalić, czy odpowiedź ma być krótkim wyjaśnieniem, porównaniem, szkicem czy rekordem z nazwanymi polami. Określ sposób przedstawienia brakujących informacji i oddziel przekazane fakty od założeń. Zadanie przetwarzania dokumentów może prosić o listę warunków z identyfikatorem źródła i istotnym fragmentem przy każdym z nich.
Utrzymuj te instrukcje w miarę rozwoju rozmowy. Gdy kolejne żądanie poprawia poprzedni wynik, dołącz rzeczywisty wcześniejszy rezultat i wskaż, co powinno się zmienić. Przydatna kolejna wiadomość zawęża rozbieżność w porównaniu lub prosi o poprawienie jednej części szkicu, zamiast zakładać, że nowe, odizolowane polecenie zachowuje całe wcześniejsze zadanie.
Aktualizacja producenta 0613 dodaje do edycji z rozszerzonym kontekstem ulepszenia wywoływania funkcji z GPT-4. Programista opisuje funkcję i jej parametry, a model może zwrócić obiekt JSON zawierający argumenty dla tej funkcji. Aplikacja wykonuje operację i dostarcza zwrócony wynik. Przydatną możliwością jest ustrukturyzowane żądanie połączone z zachowaniem aplikacji, a nie bezpośrednie wykonanie zewnętrznego działania przez model.
W przypadku asystenta informacyjnego funkcja może pobrać rzeczywisty rekord potrzebny do odpowiedzi na pytanie. Zachowaj powiązanie między żądanym identyfikatorem a zwróconym rekordem, a następnie poproś o odpowiedź opartą na tym wyniku. Sprawdź, czy proponowane działanie ma oparcie w żądaniu użytkownika i czy funkcja faktycznie je wykonała. Zaktualizowany interfejs funkcji jest odrębny od późniejszych dodatków GPT-4 Turbo: trybu JSON i równoległego wywoływania.
Pierwotny opis wydania GPT-4 wskazuje halucynacje faktograficzne, błędy rozumowania i ograniczoną wiedzę o nowszych wydarzeniach jako istotne ograniczenia. Ten opis podaje, że większość danych treningowych GPT-4 ma datę graniczną we wrześniu 2021 roku. Przekaż aktualne dowody w przypadku pytania, na które odpowiedź się zmieniła, i sprawdź ważne liczby, nazwy oraz zachowanie kodu na podstawie źródła. Pewne siebie wyjaśnienie nadal może błędnie zinterpretować warunek lub wprowadzić błąd.
Dostosuj żądany rezultat do zadania i dostępnego kontekstu. Wartość 32K oznacza pojemność kontekstu, a nie obietnicę równie długiej gotowej odpowiedzi czy doskonałego zrozumienia każdego dołączonego fragmentu. Zachowaj razem wybrany profil modelu, instrukcje, materiał źródłowy i wynik. Dzięki temu porównanie długich dokumentów, wyjaśnienie kodu lub poprawiony szkic stają się na tyle konkretne, by je zbadać i kontynuować.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity gpt-4-32k | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— |
Polemessages[].content | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Tekst · tekst UTF-8
ciąg messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości. |
Cykl życia: synchronous_or_streamed
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
| Konfiguracja | Tabela stawek | Opłata |
|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe $0.12 / 1K tokenów Wyjście · Tokeny wyjściowe $0.24 / 1K tokenów Wejście · Odczyt cache $0 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "gpt-4-32k",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-4-32k', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-4-32k', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra gpt-4-32k
Użyj ścieżek metod podanych powyżej.
Przykład techniczny po angielsku
Compare a specification and addendum\n\nCompare these labelled terms for a project manager. Specification S: deliver 40 desks by 1 June; acceptance requires assembly. Addendum A: delivery moves to 8 June; all other terms remain unchanged. Addendum A has priority. Write the current obligations in three bullets and show which source establishes each. Do not treat the original deadline as still active.Three source-linked obligations for quantity, revised delivery date and assembly at acceptance.Only the deadline changes; the answer retains 40 desks and the assembly requirement.