GPT-4 32K är OpenAI:s GPT-4-textprofil med utökad kontext för uppgifter som behöver mer relaterat material i en begäran. Tillverkaren dokumenterar en kontext på 32 768 token, jämfört med den ursprungliga GPT-4-profilens 8 192 token. Den tar emot text och returnerar text, inklusive förklaringar på naturligt språk, utkast och kod. Dess avgörande skillnad är den större kontexten, snarare än 128K-fönstret eller de multimodala funktionerna i senare GPT-4 Turbo-profiler.
Ge de dokument eller den kod som är relevanta för en tydligt angiven uppgift. En kravjämförelse kan samla flera specifikationer och fråga vilka villkor som stämmer överens, vilka som strider mot varandra och vilken källa som styr ett beslut. Ge varje källa en identifierare och be om den passage som stöder ett viktigt fynd. Att samla relaterade belägg kan hjälpa modellen att jämföra dem, samtidigt som resultatet fortfarande behöver bevara kopplingen mellan en slutsats och dess källa.
För en kodbasfråga tar du med de relevanta funktionerna, koden som anropar dem och det beteende som undersöks. Be om en förklaring av beroendet eller en avgränsad ändring knuten till det beteendet. Den större kontexten kan rymma användbar omgivande kod, men den undanröjer inte behovet av att definiera frågan eller kriteriet för när uppgiften är slutförd. Ett kodförslag bör identifiera det indatafall som motiverar det och det förväntade resultat som kan kontrolleras.
GPT-4-lanseringen beskriver styrbarhet genom systemmeddelandet: utvecklaren kan ange modellens uppgift, ton och stil. Använd denna instruktion för att fastställa om svaret ska vara en kort förklaring, en jämförelse, ett utkast eller en post med namngivna fält. Definiera hur saknad information ska visas och skilj tillhandahållna fakta från antaganden. En dokumentbehandlingsuppgift kan be om en lista över villkor med källidentifieraren och den relevanta passagen intill varje villkor.
Behåll dessa instruktioner när samtalet utvecklas. Ta med det faktiska tidigare resultatet när nästa begäran reviderar det, och identifiera vad som ska ändras. En användbar uppföljning avgränsar en oenighet i en jämförelse eller ber om en korrigering av en del av ett utkast, i stället för att anta att en ny isolerad prompt bevarar hela den tidigare uppgiften.
Tillverkarens 0613-uppdatering tillför GPT-4:s förbättringar av funktionsanrop till utgåvan med utökad kontext. Utvecklaren beskriver en funktion och dess parametrar, och modellen kan returnera ett JSON-objekt med argument för den funktionen. Applikationen utför operationen och tillhandahåller det returnerade resultatet. Den användbara förmågan är en strukturerad begäran kopplad till applikationsbeteende, snarare än att modellen direkt slutför en extern åtgärd.
För en informationsassistent kan en funktion hämta den faktiska post som behövs för att besvara en fråga. Håll den begärda identifieraren och den returnerade posten sammankopplade, och be sedan om ett svar baserat på det resultatet. Kontrollera om en föreslagen åtgärd stöds av användarens begäran och om funktionen faktiskt slutförde den. Det uppdaterade funktionsgränssnittet är skilt från de senare tilläggen av JSON-läge och parallella anrop i GPT-4 Turbo.
Den ursprungliga GPT-4-lanseringen identifierar faktahallucinationer, resonemangsfel och begränsad kunskap om nyare händelser som betydande begränsningar. Den lanseringsbeskrivningen anger att merparten av GPT-4:s träningsdata sträcker sig till september 2021. Ge aktuella belägg för en fråga vars svar har förändrats, och kontrollera viktiga siffror, namn och kodbeteende mot källan. En säker förklaring kan fortfarande feltolka ett villkor eller införa ett fel.
Håll den begärda artefakten proportionerlig till uppgiften och den tillgängliga kontexten. Siffran 32K är en kontextkapacitet, inte ett löfte om ett lika långt färdigt svar eller perfekt förståelse av varje inkluderad passage. Behåll den valda modellprofilen, instruktionerna, källmaterialet och resultatet tillsammans. Detta gör en jämförelse av långa dokument, en kodförklaring eller ett reviderat utkast tillräckligt konkret för att undersöka och fortsätta.
", "aboutText": "GPT-4 32K är OpenAI:s GPT-4-textprofil med utökad kontext för uppgifter som behöver mer relaterat material i en begäran. Tillverkaren dokumenterar en kontext på 32 768 token, jämfört med den ursprungliga GPT-4-profilens 8 192 token. Den tar emot text och returnerar text, inklusive förklaringar på naturligt språk, utkast och kod. Dess avgörande skillnad är den större kontexten, snarare än 128K-fönstret eller de multimodala funktionerna i senare GPT-4 Turbo-profiler.\n\n### Använd kontexten för relaterade belägg\n\nGe de dokument eller den kod som är relevanta för en tydligt angiven uppgift. En kravjämförelse kan samla flera specifikationer och fråga vilka villkor som stämmer överens, vilka som strider mot varandra och vilken källa som styr ett beslut. Ge varje källa en identifierare och be om den passage som stöder ett viktigt fynd. Att samla relaterade belägg kan hjälpa modellen att jämföra dem, samtidigt som resultatet fortfarande behöver bevara kopplingen mellan en slutsats och dess källa.\n\nFör en kodbasfråga tar du med de relevanta funktionerna, koden som anropar dem och det beteende som undersöks. Be om en förklaring av beroendet eller en avgränsad ändring knuten till det beteendet. Den större kontexten kan rymma användbar omgivande kod, men den undanröjer inte behovet av att definiera frågan eller kriteriet för när uppgiften är slutförd. Ett kodförslag bör identifiera det indatafall som motiverar det och det förväntade resultat som kan kontrolleras.\n\n### Ange uppgiften och svarsstilen\n\nGPT-4-lanseringen beskriver styrbarhet genom systemmeddelandet: utvecklaren kan ange modellens uppgift, ton och stil. Använd denna instruktion för att fastställa om svaret ska vara en kort förklaring, en jämförelse, ett utkast eller en post med namngivna fält. Definiera hur saknad information ska visas och skilj tillhandahållna fakta från antaganden. En dokumentbehandlingsuppgift kan be om en lista över villkor med källidentifieraren och den relevanta passagen intill varje villkor.\n\nBehåll dessa instruktioner när samtalet utvecklas. Ta med det faktiska tidigare resultatet när nästa begäran reviderar det, och identifiera vad som ska ändras. En användbar uppföljning avgränsar en oenighet i en jämförelse eller ber om en korrigering av en del av ett utkast, i stället för att anta att en ny isolerad prompt bevarar hela den tidigare uppgiften.\n\n### Funktionsanrop i den uppdaterade 32K-serien\n\nTillverkarens 0613-uppdatering tillför GPT-4:s förbättringar av funktionsanrop till utgåvan med utökad kontext. Utvecklaren beskriver en funktion och dess parametrar, och modellen kan returnera ett JSON-objekt med argument för den funktionen. Applikationen utför operationen och tillhandahåller det returnerade resultatet. Den användbara förmågan är en strukturerad begäran kopplad till applikationsbeteende, snarare än att modellen direkt slutför en extern åtgärd.\n\nFör en informationsassistent kan en funktion hämta den faktiska post som behövs för att besvara en fråga. Håll den begärda identifieraren och den returnerade posten sammankopplade, och be sedan om ett svar baserat på det resultatet. Kontrollera om en föreslagen åtgärd stöds av användarens begäran och om funktionen faktiskt slutförde den. Det uppdaterade funktionsgränssnittet är skilt från de senare tilläggen av JSON-läge och parallella anrop i GPT-4 Turbo.\n\n### Granska svaret mot materialet\n\nDen ursprungliga GPT-4-lanseringen identifierar faktahallucinationer, resonemangsfel och begränsad kunskap om nyare händelser som betydande begränsningar. Den lanseringsbeskrivningen anger att merparten av GPT-4:s träningsdata sträcker sig till september 2021. Ge aktuella belägg för en fråga vars svar har förändrats, och kontrollera viktiga siffror, namn och kodbeteende mot källan. En säker förklaring kan fortfarande feltolka ett villkor eller införa ett fel.\n\nHåll den begärda artefakten proportionerlig till uppgiften och den tillgängliga kontexten. Siffran 32K är en kontextkapacitet, inte ett löfte om ett lika långt färdigt svar eller perfekt förståelse av varje inkluderad passage. Behåll den valda modellprofilen, instruktionerna, källmaterialet och resultatet tillsammans. Detta gör en jämförelse av långa dokument, en kodförklaring eller ett reviderat utkast tillräckligt konkret för att undersöka och fortsätta.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Compare a specification and addendum\n\nCompare these labelled terms for a project manager. Specification S: deliver 40 desks by 1 June; acceptance requires assembly. Addendum A: delivery moves to 8 June; all other terms remain unchanged. Addendum A has priority. Write the current obligations in three bullets and show which source establishes each. Do not treat the original deadline as still active.Three source-linked obligations for quantity, revised delivery date and assembly at acceptance.Only the deadline changes; the answer retains 40 desks and the assembly requirement.gpt-4-32kGPT-4 32K är GPT-4-textprofilen med utökad kontext för arbete med större samlingar av dokument eller kod. Dess dokumenterade kontext på 32 768 token stöder relaterat material i en uppgift, med systeminstruktioner som styr svaret och funktionsanrop som dokumenterats i den uppdaterade 0613-utgåvan.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-4 32K är OpenAI:s GPT-4-textprofil med utökad kontext för uppgifter som behöver mer relaterat material i en begäran. Tillverkaren dokumenterar en kontext på 32 768 token, jämfört med den ursprungliga GPT-4-profilens 8 192 token. Den tar emot text och returnerar text, inklusive förklaringar på naturligt språk, utkast och kod. Dess avgörande skillnad är den större kontexten, snarare än 128K-fönstret eller de multimodala funktionerna i senare GPT-4 Turbo-profiler.
Ge de dokument eller den kod som är relevanta för en tydligt angiven uppgift. En kravjämförelse kan samla flera specifikationer och fråga vilka villkor som stämmer överens, vilka som strider mot varandra och vilken källa som styr ett beslut. Ge varje källa en identifierare och be om den passage som stöder ett viktigt fynd. Att samla relaterade belägg kan hjälpa modellen att jämföra dem, samtidigt som resultatet fortfarande behöver bevara kopplingen mellan en slutsats och dess källa.
För en kodbasfråga tar du med de relevanta funktionerna, koden som anropar dem och det beteende som undersöks. Be om en förklaring av beroendet eller en avgränsad ändring knuten till det beteendet. Den större kontexten kan rymma användbar omgivande kod, men den undanröjer inte behovet av att definiera frågan eller kriteriet för när uppgiften är slutförd. Ett kodförslag bör identifiera det indatafall som motiverar det och det förväntade resultat som kan kontrolleras.
GPT-4-lanseringen beskriver styrbarhet genom systemmeddelandet: utvecklaren kan ange modellens uppgift, ton och stil. Använd denna instruktion för att fastställa om svaret ska vara en kort förklaring, en jämförelse, ett utkast eller en post med namngivna fält. Definiera hur saknad information ska visas och skilj tillhandahållna fakta från antaganden. En dokumentbehandlingsuppgift kan be om en lista över villkor med källidentifieraren och den relevanta passagen intill varje villkor.
Behåll dessa instruktioner när samtalet utvecklas. Ta med det faktiska tidigare resultatet när nästa begäran reviderar det, och identifiera vad som ska ändras. En användbar uppföljning avgränsar en oenighet i en jämförelse eller ber om en korrigering av en del av ett utkast, i stället för att anta att en ny isolerad prompt bevarar hela den tidigare uppgiften.
Tillverkarens 0613-uppdatering tillför GPT-4:s förbättringar av funktionsanrop till utgåvan med utökad kontext. Utvecklaren beskriver en funktion och dess parametrar, och modellen kan returnera ett JSON-objekt med argument för den funktionen. Applikationen utför operationen och tillhandahåller det returnerade resultatet. Den användbara förmågan är en strukturerad begäran kopplad till applikationsbeteende, snarare än att modellen direkt slutför en extern åtgärd.
För en informationsassistent kan en funktion hämta den faktiska post som behövs för att besvara en fråga. Håll den begärda identifieraren och den returnerade posten sammankopplade, och be sedan om ett svar baserat på det resultatet. Kontrollera om en föreslagen åtgärd stöds av användarens begäran och om funktionen faktiskt slutförde den. Det uppdaterade funktionsgränssnittet är skilt från de senare tilläggen av JSON-läge och parallella anrop i GPT-4 Turbo.
Den ursprungliga GPT-4-lanseringen identifierar faktahallucinationer, resonemangsfel och begränsad kunskap om nyare händelser som betydande begränsningar. Den lanseringsbeskrivningen anger att merparten av GPT-4:s träningsdata sträcker sig till september 2021. Ge aktuella belägg för en fråga vars svar har förändrats, och kontrollera viktiga siffror, namn och kodbeteende mot källan. En säker förklaring kan fortfarande feltolka ett villkor eller införa ett fel.
Håll den begärda artefakten proportionerlig till uppgiften och den tillgängliga kontexten. Siffran 32K är en kontextkapacitet, inte ett löfte om ett lika långt färdigt svar eller perfekt förståelse av varje inkluderad passage. Behåll den valda modellprofilen, instruktionerna, källmaterialet och resultatet tillsammans. Detta gör en jämförelse av långa dokument, en kodförklaring eller ett reviderat utkast tillräckligt konkret för att undersöka och fortsätta.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gpt-4-32k | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.12 / 1K token Utdata · Utdatatoken $0.24 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-4-32k", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='gpt-4-32k',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gpt-4-32k',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra gpt-4-32k
Använd metodsökvägarna som visas ovan.
gpt-4-32kGPT-4 32K är GPT-4-textprofilen med utökad kontext för arbete med större samlingar av dokument eller kod. Dess dokumenterade kontext på 32 768 token stöder relaterat material i en uppgift, med systeminstruktioner som styr svaret och funktionsanrop som dokumenterats i den uppdaterade 0613-utgåvan.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-4 32K är OpenAI:s GPT-4-textprofil med utökad kontext för uppgifter som behöver mer relaterat material i en begäran. Tillverkaren dokumenterar en kontext på 32 768 token, jämfört med den ursprungliga GPT-4-profilens 8 192 token. Den tar emot text och returnerar text, inklusive förklaringar på naturligt språk, utkast och kod. Dess avgörande skillnad är den större kontexten, snarare än 128K-fönstret eller de multimodala funktionerna i senare GPT-4 Turbo-profiler.
Ge de dokument eller den kod som är relevanta för en tydligt angiven uppgift. En kravjämförelse kan samla flera specifikationer och fråga vilka villkor som stämmer överens, vilka som strider mot varandra och vilken källa som styr ett beslut. Ge varje källa en identifierare och be om den passage som stöder ett viktigt fynd. Att samla relaterade belägg kan hjälpa modellen att jämföra dem, samtidigt som resultatet fortfarande behöver bevara kopplingen mellan en slutsats och dess källa.
För en kodbasfråga tar du med de relevanta funktionerna, koden som anropar dem och det beteende som undersöks. Be om en förklaring av beroendet eller en avgränsad ändring knuten till det beteendet. Den större kontexten kan rymma användbar omgivande kod, men den undanröjer inte behovet av att definiera frågan eller kriteriet för när uppgiften är slutförd. Ett kodförslag bör identifiera det indatafall som motiverar det och det förväntade resultat som kan kontrolleras.
GPT-4-lanseringen beskriver styrbarhet genom systemmeddelandet: utvecklaren kan ange modellens uppgift, ton och stil. Använd denna instruktion för att fastställa om svaret ska vara en kort förklaring, en jämförelse, ett utkast eller en post med namngivna fält. Definiera hur saknad information ska visas och skilj tillhandahållna fakta från antaganden. En dokumentbehandlingsuppgift kan be om en lista över villkor med källidentifieraren och den relevanta passagen intill varje villkor.
Behåll dessa instruktioner när samtalet utvecklas. Ta med det faktiska tidigare resultatet när nästa begäran reviderar det, och identifiera vad som ska ändras. En användbar uppföljning avgränsar en oenighet i en jämförelse eller ber om en korrigering av en del av ett utkast, i stället för att anta att en ny isolerad prompt bevarar hela den tidigare uppgiften.
Tillverkarens 0613-uppdatering tillför GPT-4:s förbättringar av funktionsanrop till utgåvan med utökad kontext. Utvecklaren beskriver en funktion och dess parametrar, och modellen kan returnera ett JSON-objekt med argument för den funktionen. Applikationen utför operationen och tillhandahåller det returnerade resultatet. Den användbara förmågan är en strukturerad begäran kopplad till applikationsbeteende, snarare än att modellen direkt slutför en extern åtgärd.
För en informationsassistent kan en funktion hämta den faktiska post som behövs för att besvara en fråga. Håll den begärda identifieraren och den returnerade posten sammankopplade, och be sedan om ett svar baserat på det resultatet. Kontrollera om en föreslagen åtgärd stöds av användarens begäran och om funktionen faktiskt slutförde den. Det uppdaterade funktionsgränssnittet är skilt från de senare tilläggen av JSON-läge och parallella anrop i GPT-4 Turbo.
Den ursprungliga GPT-4-lanseringen identifierar faktahallucinationer, resonemangsfel och begränsad kunskap om nyare händelser som betydande begränsningar. Den lanseringsbeskrivningen anger att merparten av GPT-4:s träningsdata sträcker sig till september 2021. Ge aktuella belägg för en fråga vars svar har förändrats, och kontrollera viktiga siffror, namn och kodbeteende mot källan. En säker förklaring kan fortfarande feltolka ett villkor eller införa ett fel.
Håll den begärda artefakten proportionerlig till uppgiften och den tillgängliga kontexten. Siffran 32K är en kontextkapacitet, inte ett löfte om ett lika långt färdigt svar eller perfekt förståelse av varje inkluderad passage. Behåll den valda modellprofilen, instruktionerna, källmaterialet och resultatet tillsammans. Detta gör en jämförelse av långa dokument, en kodförklaring eller ett reviderat utkast tillräckligt konkret för att undersöka och fortsätta.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gpt-4-32k | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.12 / 1K token Utdata · Utdatatoken $0.24 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "gpt-4-32k",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-4-32k', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-4-32k', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra gpt-4-32k
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Compare a specification and addendum\n\nCompare these labelled terms for a project manager. Specification S: deliver 40 desks by 1 June; acceptance requires assembly. Addendum A: delivery moves to 8 June; all other terms remain unchanged. Addendum A has priority. Write the current obligations in three bullets and show which source establishes each. Do not treat the original deadline as still active.Three source-linked obligations for quantity, revised delivery date and assembly at acceptance.Only the deadline changes; the answer retains 40 desks and the assembly requirement.