OpenAI: GPT-4o

GPT-4o är en textgenereringsmodell från OpenAI, identifierad på api14 som openai/gpt-4o. Namnet står för "omni", vilket återspeglar att den accepterar mer än en typ av indata. Den släpptes av leverantören den 13 maj 2024 och tillhör kategorin text, med en kunskapsgräns den 31 oktober 2023. Om du har använt GPT-4 Turbo är GPT-4o positionerad för att bibehålla den intelligensnivån, så det är ett rimligt standardval när du vill ha en allmän OpenAI-modell snarare än en specialiserad.

Vid indata accepterar modellen text, bilder och filer, och den producerar endast text. Den kombinationen är viktig för uppgifter där prompten inte bara är prosa: en skärmbild, en skannad sida eller ett bifogat dokument kan skickas tillsammans med dina instruktioner, och modellen svarar i text. Kontextfönstret är 128 000 tokens, vilket räcker för långa dokument, fleromgångskonversationer eller stora kodfiler i en enda begäran. Utdata är begränsad till 16 384 tokens per svar, så mycket långa genereringar måste planeras kring det taket, till exempel genom att begära avsnitt i följd.

De praktiska användningsområdena följer av dessa förmågor. Frågor och sammanfattning av dokument fungerar bra när du bifogar en fil eller klistrar in en lång utskrift och begär specifika svar. Bildförståelse stöder uppgifter som att läsa diagram, beskriva skärmbilder, extrahera text från foton eller kontrollera en UI-mock mot en specifikation. Eftersom modellen stöder verktyg och strukturerade utdata passar den också för agentliknande arbetsflöden och dataextraktionspipelines där svaret måste följa ett schema. Allmän chatt, utkast, omskrivning och kodassistans ligger alla inom ramen, och den långa kontexten gör den användbar för frågor på repositorienivå snarare än enstaka kodsnuttar.

Du anropar den via api14:s OpenAI-kompatibla API med modell-id:t openai/gpt-4o, så befintliga OpenAI-SDK:er och klienter fungerar med endast bas-URL och nyckel ändrade. De begärandeparametrar som stöds är frequency_penalty, logit_bias, logprobs, max_completion_tokens, max_tokens, prediction, presence_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_logprobs, top_p och web_search_options. I praktiken täcker det samplingskontroller, deterministiskt beteende via seed, JSON- och schemabegränsade utdata genom response_format och structured_outputs, funktionsanrop genom tools och tool_choice, tokenbegränsningar och valfri webbsökning.

Två begränsningar är värda att ha i åtanke när du väljer. Utdata stannar vid 16 384 tokens, så om du behöver en enda mycket lång generering kan du behöva dela upp arbetet eller välja en modell med större utdatakvot. Kunskapsgränsen den 31 oktober 2023 innebär att modellen inte känner till senare händelser på egen hand, vilket är där parametern web_search_options eller din egen hämtade kontext blir användbar. Om din uppgift är helt och hållet text och inte drar nytta av bild- eller filindata, kan en mindre textmodell vara billigare och snabbare för samma jobb.