GPT-4 Turbo är OpenAI:s modell i GPT-4-familjen för text- och visuell indata med textutdata. Tillverkarens aktuella Turbo-kort avser modellen med bildförståelse och håller samtidigt förhandsversionsnamn separata. Den kan användas för en fråga om tillhandahållna dokument, en bild eller en kombination av skriftligt och visuellt underlag.
För en dokumentuppgift anger du de relevanta avsnitten och frågan de ska besvara. En exempelförfrågan är att jämföra en procedur med en kravuppsättning och sedan ta fram en kort förklaring av överensstämmelser, skillnader och öppna frågor. Ange vilken källa som har företräde och de fakta som måste förbli intakta när resultatet skrivs om för läsaren.
För en visuell uppgift anger du skärmbilden, fotografiet eller diagrammet och den viktiga detaljen. Ta med skriftlig kontext när bilden ensam inte fastställer användarens mål eller betydelsen av en etikett. Ett förslag till supportsvar kan kombinera den relevanta observationen med en fråga som reder ut saknad information. En kodfråga kan ta med implementationen och beteendet som ska förklaras eller ändras.
OpenAI anger ett kontextfönster på 128 000 token, högst 4 096 token i utdata och en kunskapsgräns den 1 december 2023. Den jämförelsevis korta utdatagränsen gör det begärda resultatet viktigt: be om det svar, avsnitt eller den uppsättning slutsatser som uppgiften faktiskt behöver. Källmaterialet och det genererade svaret delar den tillgängliga kontexten.
Tillverkarens eget kort stöder strömning och funktionsanrop och markerar schemabaserade Structured Outputs, finjustering och Predicted Outputs som funktioner utan stöd. Vägledningen för JSON-läge listar GPT-4-modellfamiljen för giltiga JSON-svar; det läget garanterar inte ett visst schema. En applikation kontrollerar de returnerade fälten och utför sina beskrivna operationer och returnerar sedan faktiska verktygsresultat för en uppföljning.
Definiera målgruppen, tonen och slutkriteriet. För ett analytiskt resultat skiljer du källfakta, slutsatsen och det olösta villkoret åt. För ett bearbetat dokument anger du vilken betydelse och terminologi som måste bevaras. Ett användbart slutresultat är ett avgränsat svar eller avsnitt vars viktiga påståenden kan kontrolleras mot ursprungsmaterialet och förfinas i ett senare meddelande.
", "aboutText": "GPT-4 Turbo är OpenAI:s modell i GPT-4-familjen för text- och visuell indata med textutdata. Tillverkarens aktuella Turbo-kort avser modellen med bildförståelse och håller samtidigt förhandsversionsnamn separata. Den kan användas för en fråga om tillhandahållna dokument, en bild eller en kombination av skriftligt och visuellt underlag.\n\nFör en dokumentuppgift anger du de relevanta avsnitten och frågan de ska besvara. En exempelförfrågan är att jämföra en procedur med en kravuppsättning och sedan ta fram en kort förklaring av överensstämmelser, skillnader och öppna frågor. Ange vilken källa som har företräde och de fakta som måste förbli intakta när resultatet skrivs om för läsaren.\n\nFör en visuell uppgift anger du skärmbilden, fotografiet eller diagrammet och den viktiga detaljen. Ta med skriftlig kontext när bilden ensam inte fastställer användarens mål eller betydelsen av en etikett. Ett förslag till supportsvar kan kombinera den relevanta observationen med en fråga som reder ut saknad information. En kodfråga kan ta med implementationen och beteendet som ska förklaras eller ändras.\n\nOpenAI anger ett kontextfönster på 128 000 token, högst 4 096 token i utdata och en kunskapsgräns den 1 december 2023. Den jämförelsevis korta utdatagränsen gör det begärda resultatet viktigt: be om det svar, avsnitt eller den uppsättning slutsatser som uppgiften faktiskt behöver. Källmaterialet och det genererade svaret delar den tillgängliga kontexten.\n\nTillverkarens eget kort stöder strömning och funktionsanrop och markerar schemabaserade Structured Outputs, finjustering och Predicted Outputs som funktioner utan stöd. Vägledningen för JSON-läge listar GPT-4-modellfamiljen för giltiga JSON-svar; det läget garanterar inte ett visst schema. En applikation kontrollerar de returnerade fälten och utför sina beskrivna operationer och returnerar sedan faktiska verktygsresultat för en uppföljning.\n\nDefiniera målgruppen, tonen och slutkriteriet. För ett analytiskt resultat skiljer du källfakta, slutsatsen och det olösta villkoret åt. För ett bearbetat dokument anger du vilken betydelse och terminologi som måste bevaras. Ett användbart slutresultat är ett avgränsat svar eller avsnitt vars viktiga påståenden kan kontrolleras mot ursprungsmaterialet och förfinas i ett senare meddelande.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Check a procedure against access rules\n\nCompare this procedure to the access requirements. Requirements: a manager approves access before activation; access expires after 90 days. Procedure: activate access when the form arrives, then request manager approval; no expiry step is described. Return a concise gap table and a corrected sequence, keeping unstated system behavior separate from documented steps.A two-row gap table and a revised approval-activation-expiry sequence.Check that missing expiry documentation is not claimed as proof that the system never expires access.gpt-4-turboGPT-4 Turbo tar emot text och bilder och returnerar text för dokument-, visuella och programmeringsuppgifter. Tillverkarens specifikation kombinerar ett kontextfönster på 128 000 token med en utdatagräns på 4 096 token, strömning och funktionsanrop.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-4 Turbo är OpenAI:s modell i GPT-4-familjen för text- och visuell indata med textutdata. Tillverkarens aktuella Turbo-kort avser modellen med bildförståelse och håller samtidigt förhandsversionsnamn separata. Den kan användas för en fråga om tillhandahållna dokument, en bild eller en kombination av skriftligt och visuellt underlag.
För en dokumentuppgift anger du de relevanta avsnitten och frågan de ska besvara. En exempelförfrågan är att jämföra en procedur med en kravuppsättning och sedan ta fram en kort förklaring av överensstämmelser, skillnader och öppna frågor. Ange vilken källa som har företräde och de fakta som måste förbli intakta när resultatet skrivs om för läsaren.
För en visuell uppgift anger du skärmbilden, fotografiet eller diagrammet och den viktiga detaljen. Ta med skriftlig kontext när bilden ensam inte fastställer användarens mål eller betydelsen av en etikett. Ett förslag till supportsvar kan kombinera den relevanta observationen med en fråga som reder ut saknad information. En kodfråga kan ta med implementationen och beteendet som ska förklaras eller ändras.
OpenAI anger ett kontextfönster på 128 000 token, högst 4 096 token i utdata och en kunskapsgräns den 1 december 2023. Den jämförelsevis korta utdatagränsen gör det begärda resultatet viktigt: be om det svar, avsnitt eller den uppsättning slutsatser som uppgiften faktiskt behöver. Källmaterialet och det genererade svaret delar den tillgängliga kontexten.
Tillverkarens eget kort stöder strömning och funktionsanrop och markerar schemabaserade Structured Outputs, finjustering och Predicted Outputs som funktioner utan stöd. Vägledningen för JSON-läge listar GPT-4-modellfamiljen för giltiga JSON-svar; det läget garanterar inte ett visst schema. En applikation kontrollerar de returnerade fälten och utför sina beskrivna operationer och returnerar sedan faktiska verktygsresultat för en uppföljning.
Definiera målgruppen, tonen och slutkriteriet. För ett analytiskt resultat skiljer du källfakta, slutsatsen och det olösta villkoret åt. För ett bearbetat dokument anger du vilken betydelse och terminologi som måste bevaras. Ett användbart slutresultat är ett avgränsat svar eller avsnitt vars viktiga påståenden kan kontrolleras mot ursprungsmaterialet och förfinas i ett senare meddelande.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gpt-4-turbo | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Beror på modellen | Standard— |
Fältmessages[].content | Typstring | KravValfritt | Värden & gränser Gäller när: Textsamtal | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
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 |
Parametercontrol_scope | AvtalTextsamtal; stream är ett booleskt värde och har false som standard. |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Metodalias: /chat/completions
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.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.02 / 1K token Utdata · Utdatatoken $0.06 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.02 / 1K token Utdata · Utdatatoken $0.06 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-4-turbo","messages":[{"role":"user","content":"hello"}],"stream":false}')\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-turbo", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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-turbo, openai/gpt-4-turbo
/chat/completions
gpt-4-turboGPT-4 Turbo tar emot text och bilder och returnerar text för dokument-, visuella och programmeringsuppgifter. Tillverkarens specifikation kombinerar ett kontextfönster på 128 000 token med en utdatagräns på 4 096 token, strömning och funktionsanrop.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-4 Turbo är OpenAI:s modell i GPT-4-familjen för text- och visuell indata med textutdata. Tillverkarens aktuella Turbo-kort avser modellen med bildförståelse och håller samtidigt förhandsversionsnamn separata. Den kan användas för en fråga om tillhandahållna dokument, en bild eller en kombination av skriftligt och visuellt underlag.
För en dokumentuppgift anger du de relevanta avsnitten och frågan de ska besvara. En exempelförfrågan är att jämföra en procedur med en kravuppsättning och sedan ta fram en kort förklaring av överensstämmelser, skillnader och öppna frågor. Ange vilken källa som har företräde och de fakta som måste förbli intakta när resultatet skrivs om för läsaren.
För en visuell uppgift anger du skärmbilden, fotografiet eller diagrammet och den viktiga detaljen. Ta med skriftlig kontext när bilden ensam inte fastställer användarens mål eller betydelsen av en etikett. Ett förslag till supportsvar kan kombinera den relevanta observationen med en fråga som reder ut saknad information. En kodfråga kan ta med implementationen och beteendet som ska förklaras eller ändras.
OpenAI anger ett kontextfönster på 128 000 token, högst 4 096 token i utdata och en kunskapsgräns den 1 december 2023. Den jämförelsevis korta utdatagränsen gör det begärda resultatet viktigt: be om det svar, avsnitt eller den uppsättning slutsatser som uppgiften faktiskt behöver. Källmaterialet och det genererade svaret delar den tillgängliga kontexten.
Tillverkarens eget kort stöder strömning och funktionsanrop och markerar schemabaserade Structured Outputs, finjustering och Predicted Outputs som funktioner utan stöd. Vägledningen för JSON-läge listar GPT-4-modellfamiljen för giltiga JSON-svar; det läget garanterar inte ett visst schema. En applikation kontrollerar de returnerade fälten och utför sina beskrivna operationer och returnerar sedan faktiska verktygsresultat för en uppföljning.
Definiera målgruppen, tonen och slutkriteriet. För ett analytiskt resultat skiljer du källfakta, slutsatsen och det olösta villkoret åt. För ett bearbetat dokument anger du vilken betydelse och terminologi som måste bevaras. Ett användbart slutresultat är ett avgränsat svar eller avsnitt vars viktiga påståenden kan kontrolleras mot ursprungsmaterialet och förfinas i ett senare meddelande.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gpt-4-turbo | 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.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.02 / 1K token Utdata · Utdatatoken $0.06 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.02 / 1K token Utdata · Utdatatoken $0.06 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "gpt-4-turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-turbo', '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-turbo', '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-turbo, openai/gpt-4-turbo
/chat/completions
openai/gpt-4-turboGPT-4 Turbo tar emot text och bilder och returnerar text för dokument-, visuella och programmeringsuppgifter. Tillverkarens specifikation kombinerar ett kontextfönster på 128 000 token med en utdatagräns på 4 096 token, strömning och funktionsanrop.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-4 Turbo är OpenAI:s modell i GPT-4-familjen för text- och visuell indata med textutdata. Tillverkarens aktuella Turbo-kort avser modellen med bildförståelse och håller samtidigt förhandsversionsnamn separata. Den kan användas för en fråga om tillhandahållna dokument, en bild eller en kombination av skriftligt och visuellt underlag.
För en dokumentuppgift anger du de relevanta avsnitten och frågan de ska besvara. En exempelförfrågan är att jämföra en procedur med en kravuppsättning och sedan ta fram en kort förklaring av överensstämmelser, skillnader och öppna frågor. Ange vilken källa som har företräde och de fakta som måste förbli intakta när resultatet skrivs om för läsaren.
För en visuell uppgift anger du skärmbilden, fotografiet eller diagrammet och den viktiga detaljen. Ta med skriftlig kontext när bilden ensam inte fastställer användarens mål eller betydelsen av en etikett. Ett förslag till supportsvar kan kombinera den relevanta observationen med en fråga som reder ut saknad information. En kodfråga kan ta med implementationen och beteendet som ska förklaras eller ändras.
OpenAI anger ett kontextfönster på 128 000 token, högst 4 096 token i utdata och en kunskapsgräns den 1 december 2023. Den jämförelsevis korta utdatagränsen gör det begärda resultatet viktigt: be om det svar, avsnitt eller den uppsättning slutsatser som uppgiften faktiskt behöver. Källmaterialet och det genererade svaret delar den tillgängliga kontexten.
Tillverkarens eget kort stöder strömning och funktionsanrop och markerar schemabaserade Structured Outputs, finjustering och Predicted Outputs som funktioner utan stöd. Vägledningen för JSON-läge listar GPT-4-modellfamiljen för giltiga JSON-svar; det läget garanterar inte ett visst schema. En applikation kontrollerar de returnerade fälten och utför sina beskrivna operationer och returnerar sedan faktiska verktygsresultat för en uppföljning.
Definiera målgruppen, tonen och slutkriteriet. För ett analytiskt resultat skiljer du källfakta, slutsatsen och det olösta villkoret åt. För ett bearbetat dokument anger du vilken betydelse och terminologi som måste bevaras. Ett användbart slutresultat är ett avgränsat svar eller avsnitt vars viktiga påståenden kan kontrolleras mot ursprungsmaterialet och förfinas i ett senare meddelande.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser openai/gpt-4-turbo | 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.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.02 / 1K token Utdata · Utdatatoken $0.06 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.02 / 1K token Utdata · Utdatatoken $0.06 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-4-turbo", "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='openai/gpt-4-turbo',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='openai/gpt-4-turbo',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-turbo, openai/gpt-4-turbo
/chat/completions
openai/gpt-4-turboGPT-4 Turbo tar emot text och bilder och returnerar text för dokument-, visuella och programmeringsuppgifter. Tillverkarens specifikation kombinerar ett kontextfönster på 128 000 token med en utdatagräns på 4 096 token, strömning och funktionsanrop.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-4 Turbo är OpenAI:s modell i GPT-4-familjen för text- och visuell indata med textutdata. Tillverkarens aktuella Turbo-kort avser modellen med bildförståelse och håller samtidigt förhandsversionsnamn separata. Den kan användas för en fråga om tillhandahållna dokument, en bild eller en kombination av skriftligt och visuellt underlag.
För en dokumentuppgift anger du de relevanta avsnitten och frågan de ska besvara. En exempelförfrågan är att jämföra en procedur med en kravuppsättning och sedan ta fram en kort förklaring av överensstämmelser, skillnader och öppna frågor. Ange vilken källa som har företräde och de fakta som måste förbli intakta när resultatet skrivs om för läsaren.
För en visuell uppgift anger du skärmbilden, fotografiet eller diagrammet och den viktiga detaljen. Ta med skriftlig kontext när bilden ensam inte fastställer användarens mål eller betydelsen av en etikett. Ett förslag till supportsvar kan kombinera den relevanta observationen med en fråga som reder ut saknad information. En kodfråga kan ta med implementationen och beteendet som ska förklaras eller ändras.
OpenAI anger ett kontextfönster på 128 000 token, högst 4 096 token i utdata och en kunskapsgräns den 1 december 2023. Den jämförelsevis korta utdatagränsen gör det begärda resultatet viktigt: be om det svar, avsnitt eller den uppsättning slutsatser som uppgiften faktiskt behöver. Källmaterialet och det genererade svaret delar den tillgängliga kontexten.
Tillverkarens eget kort stöder strömning och funktionsanrop och markerar schemabaserade Structured Outputs, finjustering och Predicted Outputs som funktioner utan stöd. Vägledningen för JSON-läge listar GPT-4-modellfamiljen för giltiga JSON-svar; det läget garanterar inte ett visst schema. En applikation kontrollerar de returnerade fälten och utför sina beskrivna operationer och returnerar sedan faktiska verktygsresultat för en uppföljning.
Definiera målgruppen, tonen och slutkriteriet. För ett analytiskt resultat skiljer du källfakta, slutsatsen och det olösta villkoret åt. För ett bearbetat dokument anger du vilken betydelse och terminologi som måste bevaras. Ett användbart slutresultat är ett avgränsat svar eller avsnitt vars viktiga påståenden kan kontrolleras mot ursprungsmaterialet och förfinas i ett senare meddelande.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser openai/gpt-4-turbo | 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.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.02 / 1K token Utdata · Utdatatoken $0.06 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.02 / 1K token Utdata · Utdatatoken $0.06 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "openai/gpt-4-turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'openai/gpt-4-turbo', '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': 'openai/gpt-4-turbo', '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-turbo, openai/gpt-4-turbo
/chat/completions
Tekniskt exempel på engelska
Check a procedure against access rules\n\nCompare this procedure to the access requirements. Requirements: a manager approves access before activation; access expires after 90 days. Procedure: activate access when the form arrives, then request manager approval; no expiry step is described. Return a concise gap table and a corrected sequence, keeping unstated system behavior separate from documented steps.A two-row gap table and a revised approval-activation-expiry sequence.Check that missing expiry documentation is not claimed as proof that the system never expires access.