GPT-4 Turbo Preview 1106 é a primeira edição textual nomeada GPT-4 Turbo Preview da OpenAI. Introduz uma janela de contexto de 128K, melhor cumprimento das instruções, modo JSON e atualizações das chamadas de funções, incluindo pedidos de várias funções numa mesma mensagem. A sua saída útil é uma resposta textual, uma proposta de código ou um registo estruturado para a aplicação baseado no conteúdo fornecido. Este perfil 1106 é distinto do Vision Preview e da atualização 0125 posterior.
A publicação de lançamento especifica uma janela de contexto de 128K e conhecimentos dos acontecimentos mundiais até abril de 2023. Forneça materiais de origem mais recentes quando a tarefa depende de informação atual. Um contexto maior pode conter documentos de origem ou código relacionados, mas o prompt deve continuar a estabelecer o que o modelo deve fazer com eles. Especifique a pergunta, o conteúdo de referência autorizado e a forma esperada da resposta.
Para comparar documentos, identifique as versões e peça as condições alteradas com as passagens que as sustentam. Para uma tarefa de programação, inclua o comportamento existente, a alteração pretendida e as restrições de interface relevantes. Um resultado útil pode ser uma correção focada ou a explicação de um defeito com o caso concreto que o revela. Deixe o conteúdo não relacionado fora da tarefa, para dirigir a atenção do modelo para os materiais de origem que alteram o resultado.
O fornecedor destaca um melhor cumprimento de instruções que exigem um formato de resposta específico. Um pedido pode definir uma explicação ordenada, uma tabela ou um registo legível por máquina. Nomeie os campos e explique o que devolver quando a fonte não permite estabelecer um valor. Um exemplo de instrução de processamento de registos pode pedir um identificador da fonte, uma condição extraída e a passagem de onde provém.
O modo JSON restringe a resposta a um objeto JSON sintaticamente válido no processo Chat Completions do fornecedor. JSON válido não estabelece que o registo contenha os campos certos ou valores corretos. Mantenha a validação pela aplicação e a verificação da fonte distintas da definição de formato, sobretudo quando o passo seguinte depende de um identificador ou estado específico. Ao utilizar o modo JSON do fabricante, peça explicitamente ao modelo que produza JSON e inclua a palavra «JSON» na conversa. Sem esta instrução, pode emitir caracteres de espaço em branco até ao limite de tokens; verifique se foi devolvido um objeto completo. As funcionalidades posteriores de saída restringida por esquema de outros modelos constituem um mecanismo diferente.
O modelo pode produzir argumentos para funções definidas pela aplicação. A publicação acrescenta a possibilidade de pedir várias funções numa única mensagem, o que pode servir uma tarefa que exija mais de uma consulta de informação. Descreva o objetivo e as entradas exigidas de cada função e ligue a informação efetivamente devolvida à resposta seguinte. O modelo seleciona e descreve o pedido; a aplicação executa-o.
Para comparar dois registos, uma função pode obter os detalhes reais de cada um antes de o assistente preparar a comparação. Preserve a associação entre o elemento pedido e o resultado devolvido. Quando falta uma fonte ou uma operação falha, conserve essa condição na resposta em vez de anunciar sucesso a partir apenas dos argumentos propostos.
A definição beta seed apresentada no lançamento visa produzir respostas reprodutíveis na maioria das vezes. Utilize-a com os mesmos materiais de origem e as mesmas outras definições ao comparar uma pequena alteração do prompt. Não garante determinismo: examine, por isso, ambas as respostas e conserve as condições de produção de cada uma.
A publicação original distingue este modelo Preview textual do GPT-4 Turbo with Vision, da geração de imagens e dos modelos de geração de voz. Forneça por escrito a informação relevante de um diagrama para este perfil, em vez de lhe atribuir a capacidade de entrada do modelo Vision. A atualização Preview 0125 posterior visa uma execução mais completa das tarefas e corrige um erro de codificação; a edição 1106 antecede essas alterações. Conserve juntos o modelo nomeado, os materiais de origem, o formato pedido e o resultado devolvido ao avaliá-lo.
", "aboutText": "GPT-4 Turbo Preview 1106 é a primeira edição textual nomeada GPT-4 Turbo Preview da OpenAI. Introduz uma janela de contexto de 128K, melhor cumprimento das instruções, modo JSON e atualizações das chamadas de funções, incluindo pedidos de várias funções numa mesma mensagem. A sua saída útil é uma resposta textual, uma proposta de código ou um registo estruturado para a aplicação baseado no conteúdo fornecido. Este perfil 1106 é distinto do Vision Preview e da atualização 0125 posterior.\n\n### Reunir textos relacionados numa tarefa delimitada\n\nA publicação de lançamento especifica uma janela de contexto de 128K e conhecimentos dos acontecimentos mundiais até abril de 2023. Forneça materiais de origem mais recentes quando a tarefa depende de informação atual. Um contexto maior pode conter documentos de origem ou código relacionados, mas o prompt deve continuar a estabelecer o que o modelo deve fazer com eles. Especifique a pergunta, o conteúdo de referência autorizado e a forma esperada da resposta.\n\nPara comparar documentos, identifique as versões e peça as condições alteradas com as passagens que as sustentam. Para uma tarefa de programação, inclua o comportamento existente, a alteração pretendida e as restrições de interface relevantes. Um resultado útil pode ser uma correção focada ou a explicação de um defeito com o caso concreto que o revela. Deixe o conteúdo não relacionado fora da tarefa, para dirigir a atenção do modelo para os materiais de origem que alteram o resultado.\n\n### Respeitar um formato pedido\n\nO fornecedor destaca um melhor cumprimento de instruções que exigem um formato de resposta específico. Um pedido pode definir uma explicação ordenada, uma tabela ou um registo legível por máquina. Nomeie os campos e explique o que devolver quando a fonte não permite estabelecer um valor. Um exemplo de instrução de processamento de registos pode pedir um identificador da fonte, uma condição extraída e a passagem de onde provém.\n\nO modo JSON restringe a resposta a um objeto JSON sintaticamente válido no processo Chat Completions do fornecedor. JSON válido não estabelece que o registo contenha os campos certos ou valores corretos. Mantenha a validação pela aplicação e a verificação da fonte distintas da definição de formato, sobretudo quando o passo seguinte depende de um identificador ou estado específico. Ao utilizar o modo JSON do fabricante, peça explicitamente ao modelo que produza JSON e inclua a palavra «JSON» na conversa. Sem esta instrução, pode emitir caracteres de espaço em branco até ao limite de tokens; verifique se foi devolvido um objeto completo. As funcionalidades posteriores de saída restringida por esquema de outros modelos constituem um mecanismo diferente.\n\n### Pedir funções com argumentos úteis\n\nO modelo pode produzir argumentos para funções definidas pela aplicação. A publicação acrescenta a possibilidade de pedir várias funções numa única mensagem, o que pode servir uma tarefa que exija mais de uma consulta de informação. Descreva o objetivo e as entradas exigidas de cada função e ligue a informação efetivamente devolvida à resposta seguinte. O modelo seleciona e descreve o pedido; a aplicação executa-o.\n\nPara comparar dois registos, uma função pode obter os detalhes reais de cada um antes de o assistente preparar a comparação. Preserve a associação entre o elemento pedido e o resultado devolvido. Quando falta uma fonte ou uma operação falha, conserve essa condição na resposta em vez de anunciar sucesso a partir apenas dos argumentos propostos.\n\n### Experiências reprodutíveis e edição selecionada\n\nA definição beta seed apresentada no lançamento visa produzir respostas reprodutíveis na maioria das vezes. Utilize-a com os mesmos materiais de origem e as mesmas outras definições ao comparar uma pequena alteração do prompt. Não garante determinismo: examine, por isso, ambas as respostas e conserve as condições de produção de cada uma.\n\nA publicação original distingue este modelo Preview textual do GPT-4 Turbo with Vision, da geração de imagens e dos modelos de geração de voz. Forneça por escrito a informação relevante de um diagrama para este perfil, em vez de lhe atribuir a capacidade de entrada do modelo Vision. A atualização Preview 0125 posterior visa uma execução mais completa das tarefas e corrige um erro de codificação; a edição 1106 antecede essas alterações. Conserve juntos o modelo nomeado, os materiais de origem, o formato pedido e o resultado devolvido ao avaliá-lo.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
Extract a source-linked renewal record\n\nFrom this note, draft a JSON object with fields account, renewal_date, owner and evidence: “Account Northbridge renews on 30 June. The commercial owner has not yet been assigned.” Use null for an unstated owner, retain the date wording and include the source sentence supporting the renewal date. Return no extra prose.A requested JSON record with the four named fields, an unknown owner and source evidence.Parse the returned record and check its values against the note; requested JSON formatting does not replace field validation.gpt-4-1106-previewGPT-4 Turbo Preview 1106 trata tarefas textuais e de programação com contexto longo através de uma janela de contexto documentada de 128K. O modo JSON e as chamadas de funções ajudam a transformar o conteúdo fornecido em respostas textuais ou registos para a aplicação, mantendo a edição Preview exata distinta dos modelos de visão e dos modelos posteriores.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
GPT-4 Turbo Preview 1106 é a primeira edição textual nomeada GPT-4 Turbo Preview da OpenAI. Introduz uma janela de contexto de 128K, melhor cumprimento das instruções, modo JSON e atualizações das chamadas de funções, incluindo pedidos de várias funções numa mesma mensagem. A sua saída útil é uma resposta textual, uma proposta de código ou um registo estruturado para a aplicação baseado no conteúdo fornecido. Este perfil 1106 é distinto do Vision Preview e da atualização 0125 posterior.
A publicação de lançamento especifica uma janela de contexto de 128K e conhecimentos dos acontecimentos mundiais até abril de 2023. Forneça materiais de origem mais recentes quando a tarefa depende de informação atual. Um contexto maior pode conter documentos de origem ou código relacionados, mas o prompt deve continuar a estabelecer o que o modelo deve fazer com eles. Especifique a pergunta, o conteúdo de referência autorizado e a forma esperada da resposta.
Para comparar documentos, identifique as versões e peça as condições alteradas com as passagens que as sustentam. Para uma tarefa de programação, inclua o comportamento existente, a alteração pretendida e as restrições de interface relevantes. Um resultado útil pode ser uma correção focada ou a explicação de um defeito com o caso concreto que o revela. Deixe o conteúdo não relacionado fora da tarefa, para dirigir a atenção do modelo para os materiais de origem que alteram o resultado.
O fornecedor destaca um melhor cumprimento de instruções que exigem um formato de resposta específico. Um pedido pode definir uma explicação ordenada, uma tabela ou um registo legível por máquina. Nomeie os campos e explique o que devolver quando a fonte não permite estabelecer um valor. Um exemplo de instrução de processamento de registos pode pedir um identificador da fonte, uma condição extraída e a passagem de onde provém.
O modo JSON restringe a resposta a um objeto JSON sintaticamente válido no processo Chat Completions do fornecedor. JSON válido não estabelece que o registo contenha os campos certos ou valores corretos. Mantenha a validação pela aplicação e a verificação da fonte distintas da definição de formato, sobretudo quando o passo seguinte depende de um identificador ou estado específico. Ao utilizar o modo JSON do fabricante, peça explicitamente ao modelo que produza JSON e inclua a palavra «JSON» na conversa. Sem esta instrução, pode emitir caracteres de espaço em branco até ao limite de tokens; verifique se foi devolvido um objeto completo. As funcionalidades posteriores de saída restringida por esquema de outros modelos constituem um mecanismo diferente.
O modelo pode produzir argumentos para funções definidas pela aplicação. A publicação acrescenta a possibilidade de pedir várias funções numa única mensagem, o que pode servir uma tarefa que exija mais de uma consulta de informação. Descreva o objetivo e as entradas exigidas de cada função e ligue a informação efetivamente devolvida à resposta seguinte. O modelo seleciona e descreve o pedido; a aplicação executa-o.
Para comparar dois registos, uma função pode obter os detalhes reais de cada um antes de o assistente preparar a comparação. Preserve a associação entre o elemento pedido e o resultado devolvido. Quando falta uma fonte ou uma operação falha, conserve essa condição na resposta em vez de anunciar sucesso a partir apenas dos argumentos propostos.
A definição beta seed apresentada no lançamento visa produzir respostas reprodutíveis na maioria das vezes. Utilize-a com os mesmos materiais de origem e as mesmas outras definições ao comparar uma pequena alteração do prompt. Não garante determinismo: examine, por isso, ambas as respostas e conserve as condições de produção de cada uma.
A publicação original distingue este modelo Preview textual do GPT-4 Turbo with Vision, da geração de imagens e dos modelos de geração de voz. Forneça por escrito a informação relevante de um diagrama para este perfil, em vez de lhe atribuir a capacidade de entrada do modelo Vision. A atualização Preview 0125 posterior visa uma execução mais completa das tarefas e corrige um erro de codificação; a edição 1106 antecede essas alterações. Conserve juntos o modelo nomeado, os materiais de origem, o formato pedido e o resultado devolvido ao avaliá-lo.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites gpt-4-1106-preview | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Exemplos: system, user, assistant, tool, function Condições: Estes papéis são representados explicitamente pelos tipos de compatibilidade do código-fonte; o conjunto exato de papéis continua específico do modelo. Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: role=tool; use o ID realmente devolvido | Predefinição— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Reintroduza o raciocínio realmente devolvido quando este modelo o utiliza | Predefinição— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores e limites function Depende do modelo | Predefinição— |
Campotools[].function.name | Tipostring | RequisitoObrigatório | Valores e limites Aplica-se quando: Função fornecida como ferramenta | Predefinição— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores e limites | Predefinição— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores e limites Campo de compatibilidade | Predefinição— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores e limites text | Predefinição— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores e limites Condições: provider.options é rejeitado nesta rota textual Ultra | Predefinição— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores e limites Condições: 1h é rejeitado nos locais efetivos da cache de prompts | Predefinição— |
Texto · Texto UTF8
messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages |
Parâmetromaterial_types | Contratotext |
Parâmetromessages | ContratoLista de mensagens com estrutura role/content |
Parâmetrofile_material | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido |
Parâmetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parâmetrocontrol_scope | ContratoEspecífico do modelo; as ferramentas de funções do utilizador diferem das ferramentas alojadas |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envie o ID exato do modelo com messages.
O comprimento do contexto não é um limite de saída.
Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
| Configuração | Tabela de tarifas | Custo |
|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada $0.02 / 1K tokens Saída · Tokens de saída $0.06 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-4-1106-preview", "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-4-1106-preview',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-4-1106-preview',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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra gpt-4-1106-preview
Use os caminhos dos métodos indicados acima.
gpt-4-1106-previewGPT-4 Turbo Preview 1106 trata tarefas textuais e de programação com contexto longo através de uma janela de contexto documentada de 128K. O modo JSON e as chamadas de funções ajudam a transformar o conteúdo fornecido em respostas textuais ou registos para a aplicação, mantendo a edição Preview exata distinta dos modelos de visão e dos modelos posteriores.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
GPT-4 Turbo Preview 1106 é a primeira edição textual nomeada GPT-4 Turbo Preview da OpenAI. Introduz uma janela de contexto de 128K, melhor cumprimento das instruções, modo JSON e atualizações das chamadas de funções, incluindo pedidos de várias funções numa mesma mensagem. A sua saída útil é uma resposta textual, uma proposta de código ou um registo estruturado para a aplicação baseado no conteúdo fornecido. Este perfil 1106 é distinto do Vision Preview e da atualização 0125 posterior.
A publicação de lançamento especifica uma janela de contexto de 128K e conhecimentos dos acontecimentos mundiais até abril de 2023. Forneça materiais de origem mais recentes quando a tarefa depende de informação atual. Um contexto maior pode conter documentos de origem ou código relacionados, mas o prompt deve continuar a estabelecer o que o modelo deve fazer com eles. Especifique a pergunta, o conteúdo de referência autorizado e a forma esperada da resposta.
Para comparar documentos, identifique as versões e peça as condições alteradas com as passagens que as sustentam. Para uma tarefa de programação, inclua o comportamento existente, a alteração pretendida e as restrições de interface relevantes. Um resultado útil pode ser uma correção focada ou a explicação de um defeito com o caso concreto que o revela. Deixe o conteúdo não relacionado fora da tarefa, para dirigir a atenção do modelo para os materiais de origem que alteram o resultado.
O fornecedor destaca um melhor cumprimento de instruções que exigem um formato de resposta específico. Um pedido pode definir uma explicação ordenada, uma tabela ou um registo legível por máquina. Nomeie os campos e explique o que devolver quando a fonte não permite estabelecer um valor. Um exemplo de instrução de processamento de registos pode pedir um identificador da fonte, uma condição extraída e a passagem de onde provém.
O modo JSON restringe a resposta a um objeto JSON sintaticamente válido no processo Chat Completions do fornecedor. JSON válido não estabelece que o registo contenha os campos certos ou valores corretos. Mantenha a validação pela aplicação e a verificação da fonte distintas da definição de formato, sobretudo quando o passo seguinte depende de um identificador ou estado específico. Ao utilizar o modo JSON do fabricante, peça explicitamente ao modelo que produza JSON e inclua a palavra «JSON» na conversa. Sem esta instrução, pode emitir caracteres de espaço em branco até ao limite de tokens; verifique se foi devolvido um objeto completo. As funcionalidades posteriores de saída restringida por esquema de outros modelos constituem um mecanismo diferente.
O modelo pode produzir argumentos para funções definidas pela aplicação. A publicação acrescenta a possibilidade de pedir várias funções numa única mensagem, o que pode servir uma tarefa que exija mais de uma consulta de informação. Descreva o objetivo e as entradas exigidas de cada função e ligue a informação efetivamente devolvida à resposta seguinte. O modelo seleciona e descreve o pedido; a aplicação executa-o.
Para comparar dois registos, uma função pode obter os detalhes reais de cada um antes de o assistente preparar a comparação. Preserve a associação entre o elemento pedido e o resultado devolvido. Quando falta uma fonte ou uma operação falha, conserve essa condição na resposta em vez de anunciar sucesso a partir apenas dos argumentos propostos.
A definição beta seed apresentada no lançamento visa produzir respostas reprodutíveis na maioria das vezes. Utilize-a com os mesmos materiais de origem e as mesmas outras definições ao comparar uma pequena alteração do prompt. Não garante determinismo: examine, por isso, ambas as respostas e conserve as condições de produção de cada uma.
A publicação original distingue este modelo Preview textual do GPT-4 Turbo with Vision, da geração de imagens e dos modelos de geração de voz. Forneça por escrito a informação relevante de um diagrama para este perfil, em vez de lhe atribuir a capacidade de entrada do modelo Vision. A atualização Preview 0125 posterior visa uma execução mais completa das tarefas e corrige um erro de codificação; a edição 1106 antecede essas alterações. Conserve juntos o modelo nomeado, os materiais de origem, o formato pedido e o resultado devolvido ao avaliá-lo.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites gpt-4-1106-preview | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF-8
Cadeia de caracteres messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratostream |
Parâmetromaterial_types | Contratotext |
Parâmetrotext_file_material | ContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem. |
Ciclo de vida: synchronous_or_streamed
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
| Configuração | Tabela de tarifas | Custo |
|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada $0.02 / 1K tokens Saída · Tokens de saída $0.06 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "gpt-4-1106-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4-1106-preview', '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-4-1106-preview', '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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra gpt-4-1106-preview
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
Extract a source-linked renewal record\n\nFrom this note, draft a JSON object with fields account, renewal_date, owner and evidence: “Account Northbridge renews on 30 June. The commercial owner has not yet been assigned.” Use null for an unstated owner, retain the date wording and include the source sentence supporting the renewal date. Return no extra prose.A requested JSON record with the four named fields, an unknown owner and source evidence.Parse the returned record and check its values against the note; requested JSON formatting does not replace field validation.