GPT-4 32K é o perfil textual de contexto alargado do GPT-4 da OpenAI para tarefas que exigem mais conteúdo relacionado num mesmo pedido. O fabricante documenta um contexto de 32 768 tokens, em comparação com 8 192 tokens no perfil GPT-4 original. Recebe texto e devolve texto, incluindo explicações em linguagem natural, rascunhos e código. A sua principal distinção é o contexto maior, e não a janela de 128K ou as capacidades multimodais dos perfis GPT-4 Turbo posteriores.
Forneça os documentos ou o código relevantes para uma tarefa claramente formulada. Uma comparação de requisitos pode reunir várias especificações e perguntar que condições concordam, quais se contradizem e que fonte rege uma decisão. Atribua um identificador a cada fonte e peça a passagem que sustenta uma observação importante. Reunir materiais de origem relacionados pode ajudar o modelo a compará-los, continuando a exigir que o resultado preserve a ligação entre uma conclusão e a sua fonte.
Para uma pergunta sobre uma base de código, inclua as funções relevantes, as funções que as chamam e o comportamento em análise. Peça uma explicação da dependência ou uma alteração focada ligada a esse comportamento. O contexto maior pode conter código envolvente útil, mas não elimina a necessidade de definir a pergunta ou o critério de conclusão. Uma proposta de código deve identificar o caso de entrada que a motiva e o resultado esperado que pode ser verificado.
A apresentação do GPT-4 descreve a orientação através da mensagem de sistema: o programador pode especificar a tarefa, o tom e o estilo do modelo. Utilize essa instrução para estabelecer se a resposta deve ser uma explicação curta, uma comparação, um rascunho ou uma ficha com campos nomeados. Defina como deve ser apresentada a informação em falta e distinga os factos fornecidos das hipóteses. Uma tarefa de processamento de documentos pode pedir uma lista de condições, cada uma acompanhada do identificador da fonte e da passagem relevante.
Mantenha estas instruções à medida que a conversa evolui. Inclua o resultado anterior real quando o pedido seguinte o revê e especifique o que deve mudar. Um seguimento útil delimita uma discordância numa comparação ou pede a correção de parte de um rascunho, em vez de presumir que um novo prompt isolado preserva toda a tarefa anterior.
A atualização 0613 do fornecedor traz as melhorias das chamadas de funções do GPT-4 para a edição de contexto alargado. O programador descreve uma função e os seus parâmetros e o modelo pode devolver um objeto JSON com os argumentos dessa função. A aplicação executa a operação e fornece o resultado devolvido. A capacidade útil é um pedido estruturado ligado ao comportamento da aplicação, e não a execução direta de uma ação externa pelo modelo.
Para um assistente de informação, uma função pode obter o registo real necessário para responder a uma pergunta. Mantenha associados o identificador pedido e o registo devolvido e peça uma resposta baseada nesse resultado. Verifique se a ação proposta é justificada pelo pedido do utilizador e se a função a executou realmente. A interface de funções atualizada é distinta das adições posteriores do modo JSON e das chamadas paralelas do GPT-4 Turbo.
A apresentação original do GPT-4 identifica as alucinações factuais, os erros de raciocínio e os conhecimentos limitados sobre acontecimentos mais recentes como limitações importantes. Forneça materiais de origem atuais para uma pergunta cuja resposta tenha mudado e verifique os números, os nomes e o comportamento do código importantes em relação à fonte. Uma explicação confiante pode, ainda assim, interpretar mal uma condição ou introduzir um defeito.
Mantenha o resultado pedido proporcional à tarefa e ao contexto disponível. O valor 32K indica uma capacidade de contexto, e não uma promessa de uma resposta terminada igualmente longa ou de uma compreensão perfeita de cada passagem incluída. Conserve juntos o perfil de modelo selecionado, as instruções, os materiais de origem e o resultado. Isto torna uma comparação de documentos longos, uma explicação de código ou um rascunho revisto suficientemente concretos para serem examinados e continuados.
", "aboutText": "GPT-4 32K é o perfil textual de contexto alargado do GPT-4 da OpenAI para tarefas que exigem mais conteúdo relacionado num mesmo pedido. O fabricante documenta um contexto de 32 768 tokens, em comparação com 8 192 tokens no perfil GPT-4 original. Recebe texto e devolve texto, incluindo explicações em linguagem natural, rascunhos e código. A sua principal distinção é o contexto maior, e não a janela de 128K ou as capacidades multimodais dos perfis GPT-4 Turbo posteriores.\n\n### Utilizar o contexto para materiais de origem relacionados\n\nForneça os documentos ou o código relevantes para uma tarefa claramente formulada. Uma comparação de requisitos pode reunir várias especificações e perguntar que condições concordam, quais se contradizem e que fonte rege uma decisão. Atribua um identificador a cada fonte e peça a passagem que sustenta uma observação importante. Reunir materiais de origem relacionados pode ajudar o modelo a compará-los, continuando a exigir que o resultado preserve a ligação entre uma conclusão e a sua fonte.\n\nPara uma pergunta sobre uma base de código, inclua as funções relevantes, as funções que as chamam e o comportamento em análise. Peça uma explicação da dependência ou uma alteração focada ligada a esse comportamento. O contexto maior pode conter código envolvente útil, mas não elimina a necessidade de definir a pergunta ou o critério de conclusão. Uma proposta de código deve identificar o caso de entrada que a motiva e o resultado esperado que pode ser verificado.\n\n### Especificar a tarefa e o estilo da resposta\n\nA apresentação do GPT-4 descreve a orientação através da mensagem de sistema: o programador pode especificar a tarefa, o tom e o estilo do modelo. Utilize essa instrução para estabelecer se a resposta deve ser uma explicação curta, uma comparação, um rascunho ou uma ficha com campos nomeados. Defina como deve ser apresentada a informação em falta e distinga os factos fornecidos das hipóteses. Uma tarefa de processamento de documentos pode pedir uma lista de condições, cada uma acompanhada do identificador da fonte e da passagem relevante.\n\nMantenha estas instruções à medida que a conversa evolui. Inclua o resultado anterior real quando o pedido seguinte o revê e especifique o que deve mudar. Um seguimento útil delimita uma discordância numa comparação ou pede a correção de parte de um rascunho, em vez de presumir que um novo prompt isolado preserva toda a tarefa anterior.\n\n### Chamadas de funções na gama 32K atualizada\n\nA atualização 0613 do fornecedor traz as melhorias das chamadas de funções do GPT-4 para a edição de contexto alargado. O programador descreve uma função e os seus parâmetros e o modelo pode devolver um objeto JSON com os argumentos dessa função. A aplicação executa a operação e fornece o resultado devolvido. A capacidade útil é um pedido estruturado ligado ao comportamento da aplicação, e não a execução direta de uma ação externa pelo modelo.\n\nPara um assistente de informação, uma função pode obter o registo real necessário para responder a uma pergunta. Mantenha associados o identificador pedido e o registo devolvido e peça uma resposta baseada nesse resultado. Verifique se a ação proposta é justificada pelo pedido do utilizador e se a função a executou realmente. A interface de funções atualizada é distinta das adições posteriores do modo JSON e das chamadas paralelas do GPT-4 Turbo.\n\n### Examinar a resposta em relação aos materiais\n\nA apresentação original do GPT-4 identifica as alucinações factuais, os erros de raciocínio e os conhecimentos limitados sobre acontecimentos mais recentes como limitações importantes. Forneça materiais de origem atuais para uma pergunta cuja resposta tenha mudado e verifique os números, os nomes e o comportamento do código importantes em relação à fonte. Uma explicação confiante pode, ainda assim, interpretar mal uma condição ou introduzir um defeito.\n\nMantenha o resultado pedido proporcional à tarefa e ao contexto disponível. O valor 32K indica uma capacidade de contexto, e não uma promessa de uma resposta terminada igualmente longa ou de uma compreensão perfeita de cada passagem incluída. Conserve juntos o perfil de modelo selecionado, as instruções, os materiais de origem e o resultado. Isto torna uma comparação de documentos longos, uma explicação de código ou um rascunho revisto suficientemente concretos para serem examinados e continuados.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
Compare requirements using a precedence rule\n\nCompare three labelled specifications. BASE: exports include all orders and run nightly. ADDENDUM: exports include paid orders only; cadence is unchanged. OPERATIONS: exports run hourly. The signed ADDENDUM overrides BASE, while OPERATIONS is an unsigned proposal. Produce the effective requirements and unresolved proposal, citing the governing source for each.An effective-requirements table plus a separate unresolved-proposal entry with source references.Paid orders and nightly cadence are retained as effective; hourly cadence remains an unsigned proposal.gpt-4-32k-0613GPT-4 32K é o perfil textual de contexto alargado do GPT-4 para trabalhar com conjuntos maiores de documentos ou código. O seu contexto documentado de 32 768 tokens permite reunir conteúdos relacionados numa mesma tarefa, com instruções de sistema a orientar a resposta e chamadas de funções documentadas na edição atualizada 0613.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
GPT-4 32K é o perfil textual de contexto alargado do GPT-4 da OpenAI para tarefas que exigem mais conteúdo relacionado num mesmo pedido. O fabricante documenta um contexto de 32 768 tokens, em comparação com 8 192 tokens no perfil GPT-4 original. Recebe texto e devolve texto, incluindo explicações em linguagem natural, rascunhos e código. A sua principal distinção é o contexto maior, e não a janela de 128K ou as capacidades multimodais dos perfis GPT-4 Turbo posteriores.
Forneça os documentos ou o código relevantes para uma tarefa claramente formulada. Uma comparação de requisitos pode reunir várias especificações e perguntar que condições concordam, quais se contradizem e que fonte rege uma decisão. Atribua um identificador a cada fonte e peça a passagem que sustenta uma observação importante. Reunir materiais de origem relacionados pode ajudar o modelo a compará-los, continuando a exigir que o resultado preserve a ligação entre uma conclusão e a sua fonte.
Para uma pergunta sobre uma base de código, inclua as funções relevantes, as funções que as chamam e o comportamento em análise. Peça uma explicação da dependência ou uma alteração focada ligada a esse comportamento. O contexto maior pode conter código envolvente útil, mas não elimina a necessidade de definir a pergunta ou o critério de conclusão. Uma proposta de código deve identificar o caso de entrada que a motiva e o resultado esperado que pode ser verificado.
A apresentação do GPT-4 descreve a orientação através da mensagem de sistema: o programador pode especificar a tarefa, o tom e o estilo do modelo. Utilize essa instrução para estabelecer se a resposta deve ser uma explicação curta, uma comparação, um rascunho ou uma ficha com campos nomeados. Defina como deve ser apresentada a informação em falta e distinga os factos fornecidos das hipóteses. Uma tarefa de processamento de documentos pode pedir uma lista de condições, cada uma acompanhada do identificador da fonte e da passagem relevante.
Mantenha estas instruções à medida que a conversa evolui. Inclua o resultado anterior real quando o pedido seguinte o revê e especifique o que deve mudar. Um seguimento útil delimita uma discordância numa comparação ou pede a correção de parte de um rascunho, em vez de presumir que um novo prompt isolado preserva toda a tarefa anterior.
A atualização 0613 do fornecedor traz as melhorias das chamadas de funções do GPT-4 para a edição de contexto alargado. O programador descreve uma função e os seus parâmetros e o modelo pode devolver um objeto JSON com os argumentos dessa função. A aplicação executa a operação e fornece o resultado devolvido. A capacidade útil é um pedido estruturado ligado ao comportamento da aplicação, e não a execução direta de uma ação externa pelo modelo.
Para um assistente de informação, uma função pode obter o registo real necessário para responder a uma pergunta. Mantenha associados o identificador pedido e o registo devolvido e peça uma resposta baseada nesse resultado. Verifique se a ação proposta é justificada pelo pedido do utilizador e se a função a executou realmente. A interface de funções atualizada é distinta das adições posteriores do modo JSON e das chamadas paralelas do GPT-4 Turbo.
A apresentação original do GPT-4 identifica as alucinações factuais, os erros de raciocínio e os conhecimentos limitados sobre acontecimentos mais recentes como limitações importantes. Forneça materiais de origem atuais para uma pergunta cuja resposta tenha mudado e verifique os números, os nomes e o comportamento do código importantes em relação à fonte. Uma explicação confiante pode, ainda assim, interpretar mal uma condição ou introduzir um defeito.
Mantenha o resultado pedido proporcional à tarefa e ao contexto disponível. O valor 32K indica uma capacidade de contexto, e não uma promessa de uma resposta terminada igualmente longa ou de uma compreensão perfeita de cada passagem incluída. Conserve juntos o perfil de modelo selecionado, as instruções, os materiais de origem e o resultado. Isto torna uma comparação de documentos longos, uma explicação de código ou um rascunho revisto suficientemente concretos para serem examinados e continuados.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites gpt-4-32k-0613 | 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 $0.12 / 1K tokens Saída · Tokens de saída $0.24 / 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-4-32k-0613", "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-0613',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-0613',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-4-32k-0613
Use os caminhos dos métodos indicados acima.
gpt-4-32k-0613GPT-4 32K é o perfil textual de contexto alargado do GPT-4 para trabalhar com conjuntos maiores de documentos ou código. O seu contexto documentado de 32 768 tokens permite reunir conteúdos relacionados numa mesma tarefa, com instruções de sistema a orientar a resposta e chamadas de funções documentadas na edição atualizada 0613.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
GPT-4 32K é o perfil textual de contexto alargado do GPT-4 da OpenAI para tarefas que exigem mais conteúdo relacionado num mesmo pedido. O fabricante documenta um contexto de 32 768 tokens, em comparação com 8 192 tokens no perfil GPT-4 original. Recebe texto e devolve texto, incluindo explicações em linguagem natural, rascunhos e código. A sua principal distinção é o contexto maior, e não a janela de 128K ou as capacidades multimodais dos perfis GPT-4 Turbo posteriores.
Forneça os documentos ou o código relevantes para uma tarefa claramente formulada. Uma comparação de requisitos pode reunir várias especificações e perguntar que condições concordam, quais se contradizem e que fonte rege uma decisão. Atribua um identificador a cada fonte e peça a passagem que sustenta uma observação importante. Reunir materiais de origem relacionados pode ajudar o modelo a compará-los, continuando a exigir que o resultado preserve a ligação entre uma conclusão e a sua fonte.
Para uma pergunta sobre uma base de código, inclua as funções relevantes, as funções que as chamam e o comportamento em análise. Peça uma explicação da dependência ou uma alteração focada ligada a esse comportamento. O contexto maior pode conter código envolvente útil, mas não elimina a necessidade de definir a pergunta ou o critério de conclusão. Uma proposta de código deve identificar o caso de entrada que a motiva e o resultado esperado que pode ser verificado.
A apresentação do GPT-4 descreve a orientação através da mensagem de sistema: o programador pode especificar a tarefa, o tom e o estilo do modelo. Utilize essa instrução para estabelecer se a resposta deve ser uma explicação curta, uma comparação, um rascunho ou uma ficha com campos nomeados. Defina como deve ser apresentada a informação em falta e distinga os factos fornecidos das hipóteses. Uma tarefa de processamento de documentos pode pedir uma lista de condições, cada uma acompanhada do identificador da fonte e da passagem relevante.
Mantenha estas instruções à medida que a conversa evolui. Inclua o resultado anterior real quando o pedido seguinte o revê e especifique o que deve mudar. Um seguimento útil delimita uma discordância numa comparação ou pede a correção de parte de um rascunho, em vez de presumir que um novo prompt isolado preserva toda a tarefa anterior.
A atualização 0613 do fornecedor traz as melhorias das chamadas de funções do GPT-4 para a edição de contexto alargado. O programador descreve uma função e os seus parâmetros e o modelo pode devolver um objeto JSON com os argumentos dessa função. A aplicação executa a operação e fornece o resultado devolvido. A capacidade útil é um pedido estruturado ligado ao comportamento da aplicação, e não a execução direta de uma ação externa pelo modelo.
Para um assistente de informação, uma função pode obter o registo real necessário para responder a uma pergunta. Mantenha associados o identificador pedido e o registo devolvido e peça uma resposta baseada nesse resultado. Verifique se a ação proposta é justificada pelo pedido do utilizador e se a função a executou realmente. A interface de funções atualizada é distinta das adições posteriores do modo JSON e das chamadas paralelas do GPT-4 Turbo.
A apresentação original do GPT-4 identifica as alucinações factuais, os erros de raciocínio e os conhecimentos limitados sobre acontecimentos mais recentes como limitações importantes. Forneça materiais de origem atuais para uma pergunta cuja resposta tenha mudado e verifique os números, os nomes e o comportamento do código importantes em relação à fonte. Uma explicação confiante pode, ainda assim, interpretar mal uma condição ou introduzir um defeito.
Mantenha o resultado pedido proporcional à tarefa e ao contexto disponível. O valor 32K indica uma capacidade de contexto, e não uma promessa de uma resposta terminada igualmente longa ou de uma compreensão perfeita de cada passagem incluída. Conserve juntos o perfil de modelo selecionado, as instruções, os materiais de origem e o resultado. Isto torna uma comparação de documentos longos, uma explicação de código ou um rascunho revisto suficientemente concretos para serem examinados e continuados.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites gpt-4-32k-0613 | 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 $0.12 / 1K tokens Saída · Tokens de saída $0.24 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "gpt-4-32k-0613",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-0613', '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-0613', '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-4-32k-0613
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
Compare requirements using a precedence rule\n\nCompare three labelled specifications. BASE: exports include all orders and run nightly. ADDENDUM: exports include paid orders only; cadence is unchanged. OPERATIONS: exports run hourly. The signed ADDENDUM overrides BASE, while OPERATIONS is an unsigned proposal. Produce the effective requirements and unresolved proposal, citing the governing source for each.An effective-requirements table plus a separate unresolved-proposal entry with source references.Paid orders and nightly cadence are retained as effective; hourly cadence remains an unsigned proposal.