GPT-4o Mini Search Preview é o modelo compacto especializado da OpenAI para perguntas que requerem pesquisa na Web. O fabricante treina-o para compreender um pedido de pesquisa textual, obter informação relevante na Web e criar uma resposta textual. A sua ficha destaca um pequeno modelo de pesquisa rápido. Conserva uma identidade distinta da edição Search Preview maior e de uma conversa de uso geral com GPT-4o mini.
No processo especializado de Chat Completions, a pesquisa precede a resposta. Uma utilização prática é uma pergunta de consulta focada: encontrar uma especificação pública, explicar um anúncio recente ou comparar um pequeno conjunto de descrições publicadas. Defina o que é procurado e as distinções importantes. Para pesquisas repetidas, mantenha a mesma estrutura da pergunta e as mesmas secções pedidas, de modo a poder comparar os resultados entre temas.
O resultado inclui texto com citações de fontes integradas e anotações de citação que identificam a página e a passagem relevante da resposta. O fabricante exige que as referências às fontes permaneçam visíveis e clicáveis quando informação da Web é apresentada aos utilizadores. Assim, uma síntese curta pode preservar a ligação entre as suas afirmações e o conteúdo usado para as sustentar.
A configuração publicada aceita e devolve texto. A janela de contexto é de 128 000 tokens, a saída máxima é de 16 384 tokens e a data-limite documentada dos conhecimentos é 1 de outubro de 2023. Imagens, áudio e vídeo não fazem parte das modalidades de entrada suportadas. A ficha do modelo indica suporte de streaming e Structured Outputs; não suporta chamadas de funções arbitrárias, ajuste fino nem Predicted Outputs.
A interface anterior do modelo de pesquisa tem um âmbito funcional específico. Não expõe a filtragem de domínios, as definições da lista completa de fontes, o controlo do acesso em direto nem o orçamento de tokens devolvidos da ferramenta geral de pesquisa mais recente. A pesquisa é intrínseca ao percurso de resposta, em vez de ser uma função escolhida num conjunto de ferramentas definido pela aplicação. A tarefa prevista é, portanto, um pedido textual baseado na Web com um requisito de saída claro.
Para um assistente que utilize Ailoot API, peça um resultado compacto adequado à pergunta: uma nota de consulta, uma comparação das características anunciadas ou um breve plano de pesquisa. Especifique o período, a área geográfica e os critérios quando forem relevantes e identifique os factos que precisam de apoio explícito das fontes. A designação Preview distingue esta edição compacta de pesquisa ao organizar perguntas focadas e os respetivos resultados com citações.
", "aboutText": "GPT-4o Mini Search Preview é o modelo compacto especializado da OpenAI para perguntas que requerem pesquisa na Web. O fabricante treina-o para compreender um pedido de pesquisa textual, obter informação relevante na Web e criar uma resposta textual. A sua ficha destaca um pequeno modelo de pesquisa rápido. Conserva uma identidade distinta da edição Search Preview maior e de uma conversa de uso geral com GPT-4o mini.\n\nNo processo especializado de Chat Completions, a pesquisa precede a resposta. Uma utilização prática é uma pergunta de consulta focada: encontrar uma especificação pública, explicar um anúncio recente ou comparar um pequeno conjunto de descrições publicadas. Defina o que é procurado e as distinções importantes. Para pesquisas repetidas, mantenha a mesma estrutura da pergunta e as mesmas secções pedidas, de modo a poder comparar os resultados entre temas.\n\nO resultado inclui texto com citações de fontes integradas e anotações de citação que identificam a página e a passagem relevante da resposta. O fabricante exige que as referências às fontes permaneçam visíveis e clicáveis quando informação da Web é apresentada aos utilizadores. Assim, uma síntese curta pode preservar a ligação entre as suas afirmações e o conteúdo usado para as sustentar.\n\nA configuração publicada aceita e devolve texto. A janela de contexto é de 128 000 tokens, a saída máxima é de 16 384 tokens e a data-limite documentada dos conhecimentos é 1 de outubro de 2023. Imagens, áudio e vídeo não fazem parte das modalidades de entrada suportadas. A ficha do modelo indica suporte de streaming e Structured Outputs; não suporta chamadas de funções arbitrárias, ajuste fino nem Predicted Outputs.\n\nA interface anterior do modelo de pesquisa tem um âmbito funcional específico. Não expõe a filtragem de domínios, as definições da lista completa de fontes, o controlo do acesso em direto nem o orçamento de tokens devolvidos da ferramenta geral de pesquisa mais recente. A pesquisa é intrínseca ao percurso de resposta, em vez de ser uma função escolhida num conjunto de ferramentas definido pela aplicação. A tarefa prevista é, portanto, um pedido textual baseado na Web com um requisito de saída claro.\n\nPara um assistente que utilize Ailoot API, peça um resultado compacto adequado à pergunta: uma nota de consulta, uma comparação das características anunciadas ou um breve plano de pesquisa. Especifique o período, a área geográfica e os critérios quando forem relevantes e identifique os factos que precisam de apoio explícito das fontes. A designação Preview distingue esta edição compacta de pesquisa ao organizar perguntas focadas e os respetivos resultados com citações.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
Find an authoritative format reference\n\nFind the official public specification for the PNG image format. Prepare a short reference note identifying the specification publisher, the purpose of PNG and the part explaining lossless compression. Cite the pages supporting those points with clickable references. Distinguish what the specification states from any explanatory summary you add.A concise reference note with authoritative source links attached to the supported claims.Check that references lead to the specification publisher and support the compression description.gpt-4o-mini-search-previewGPT-4o Mini Search Preview é o modelo textual compacto da OpenAI para perguntas baseadas na Web e resultados de pesquisa concisos. Efetua uma pesquisa antes de responder, devolve citações e suporta saídas estruturadas num contexto de 128 000 tokens.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
GPT-4o Mini Search Preview é o modelo compacto especializado da OpenAI para perguntas que requerem pesquisa na Web. O fabricante treina-o para compreender um pedido de pesquisa textual, obter informação relevante na Web e criar uma resposta textual. A sua ficha destaca um pequeno modelo de pesquisa rápido. Conserva uma identidade distinta da edição Search Preview maior e de uma conversa de uso geral com GPT-4o mini.
No processo especializado de Chat Completions, a pesquisa precede a resposta. Uma utilização prática é uma pergunta de consulta focada: encontrar uma especificação pública, explicar um anúncio recente ou comparar um pequeno conjunto de descrições publicadas. Defina o que é procurado e as distinções importantes. Para pesquisas repetidas, mantenha a mesma estrutura da pergunta e as mesmas secções pedidas, de modo a poder comparar os resultados entre temas.
O resultado inclui texto com citações de fontes integradas e anotações de citação que identificam a página e a passagem relevante da resposta. O fabricante exige que as referências às fontes permaneçam visíveis e clicáveis quando informação da Web é apresentada aos utilizadores. Assim, uma síntese curta pode preservar a ligação entre as suas afirmações e o conteúdo usado para as sustentar.
A configuração publicada aceita e devolve texto. A janela de contexto é de 128 000 tokens, a saída máxima é de 16 384 tokens e a data-limite documentada dos conhecimentos é 1 de outubro de 2023. Imagens, áudio e vídeo não fazem parte das modalidades de entrada suportadas. A ficha do modelo indica suporte de streaming e Structured Outputs; não suporta chamadas de funções arbitrárias, ajuste fino nem Predicted Outputs.
A interface anterior do modelo de pesquisa tem um âmbito funcional específico. Não expõe a filtragem de domínios, as definições da lista completa de fontes, o controlo do acesso em direto nem o orçamento de tokens devolvidos da ferramenta geral de pesquisa mais recente. A pesquisa é intrínseca ao percurso de resposta, em vez de ser uma função escolhida num conjunto de ferramentas definido pela aplicação. A tarefa prevista é, portanto, um pedido textual baseado na Web com um requisito de saída claro.
Para um assistente que utilize Ailoot API, peça um resultado compacto adequado à pergunta: uma nota de consulta, uma comparação das características anunciadas ou um breve plano de pesquisa. Especifique o período, a área geográfica e os critérios quando forem relevantes e identifique os factos que precisam de apoio explícito das fontes. A designação Preview distingue esta edição compacta de pesquisa ao organizar perguntas focadas e os respetivos resultados com citações.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites gpt-4o-mini-search-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 $0.0003 / 1K tokens Saída · Tokens de saída $0.0012 / 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-4o-mini-search-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-4o-mini-search-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-4o-mini-search-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-4o-mini-search-preview
Use os caminhos dos métodos indicados acima.
gpt-4o-mini-search-previewGPT-4o Mini Search Preview é o modelo textual compacto da OpenAI para perguntas baseadas na Web e resultados de pesquisa concisos. Efetua uma pesquisa antes de responder, devolve citações e suporta saídas estruturadas num contexto de 128 000 tokens.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
GPT-4o Mini Search Preview é o modelo compacto especializado da OpenAI para perguntas que requerem pesquisa na Web. O fabricante treina-o para compreender um pedido de pesquisa textual, obter informação relevante na Web e criar uma resposta textual. A sua ficha destaca um pequeno modelo de pesquisa rápido. Conserva uma identidade distinta da edição Search Preview maior e de uma conversa de uso geral com GPT-4o mini.
No processo especializado de Chat Completions, a pesquisa precede a resposta. Uma utilização prática é uma pergunta de consulta focada: encontrar uma especificação pública, explicar um anúncio recente ou comparar um pequeno conjunto de descrições publicadas. Defina o que é procurado e as distinções importantes. Para pesquisas repetidas, mantenha a mesma estrutura da pergunta e as mesmas secções pedidas, de modo a poder comparar os resultados entre temas.
O resultado inclui texto com citações de fontes integradas e anotações de citação que identificam a página e a passagem relevante da resposta. O fabricante exige que as referências às fontes permaneçam visíveis e clicáveis quando informação da Web é apresentada aos utilizadores. Assim, uma síntese curta pode preservar a ligação entre as suas afirmações e o conteúdo usado para as sustentar.
A configuração publicada aceita e devolve texto. A janela de contexto é de 128 000 tokens, a saída máxima é de 16 384 tokens e a data-limite documentada dos conhecimentos é 1 de outubro de 2023. Imagens, áudio e vídeo não fazem parte das modalidades de entrada suportadas. A ficha do modelo indica suporte de streaming e Structured Outputs; não suporta chamadas de funções arbitrárias, ajuste fino nem Predicted Outputs.
A interface anterior do modelo de pesquisa tem um âmbito funcional específico. Não expõe a filtragem de domínios, as definições da lista completa de fontes, o controlo do acesso em direto nem o orçamento de tokens devolvidos da ferramenta geral de pesquisa mais recente. A pesquisa é intrínseca ao percurso de resposta, em vez de ser uma função escolhida num conjunto de ferramentas definido pela aplicação. A tarefa prevista é, portanto, um pedido textual baseado na Web com um requisito de saída claro.
Para um assistente que utilize Ailoot API, peça um resultado compacto adequado à pergunta: uma nota de consulta, uma comparação das características anunciadas ou um breve plano de pesquisa. Especifique o período, a área geográfica e os critérios quando forem relevantes e identifique os factos que precisam de apoio explícito das fontes. A designação Preview distingue esta edição compacta de pesquisa ao organizar perguntas focadas e os respetivos resultados com citações.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites gpt-4o-mini-search-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 $0.0003 / 1K tokens Saída · Tokens de saída $0.0012 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "gpt-4o-mini-search-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4o-mini-search-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-4o-mini-search-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-4o-mini-search-preview
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
Find an authoritative format reference\n\nFind the official public specification for the PNG image format. Prepare a short reference note identifying the specification publisher, the purpose of PNG and the part explaining lossless compression. Cite the pages supporting those points with clickable references. Distinguish what the specification states from any explanatory summary you add.A concise reference note with authoritative source links attached to the supported claims.Check that references lead to the specification publisher and support the compression description.