OpenAI: GPT-4o (2024-08-06)

GPT-4o (2024-08-06) är en textgenereringsmodell från OpenAI, identifierad på api14 som openai/gpt-4o-2024-08-06. Det är versionen av GPT-4o som släpptes 2024-08-06, och OpenAI positionerar den som en uppdatering som förbättrar strukturerade utdata, inklusive möjligheten att ange ett JSON-schema i fältet response_format. "o" i namnet står för "omni", vilket återspeglar en modell utformad för att hantera mer än vanlig text.

Modellen accepterar text, bilder och filer som indata, och producerar text som utdata. Den har ett kontextfönster på 128 000 tokens och kan generera upp till 16 384 utdatatokens per begäran. Dess kunskapsgräns är 2023-10-31, så allt efter det datumet ligger utanför vad den lärde sig under träningen. Eftersom indata kan innehålla bilder och filer tillsammans med text, kan den arbeta med blandade prompter snarare än enbart text.

Dessa funktioner pekar mot några praktiska användningsområden. Strukturerade utdata med ett angivet JSON-schema passar extrahering och dataformning, där du vill att modellen ska returnera fält som du kan tolka direkt. Verktygsanrop passar agentliknande arbetsflöden som behöver anropa funktioner eller externa tjänster. Indata i form av bilder och filer stödjer uppgifter som att läsa en skärmbild, ett diagram eller ett dokument och svara på frågor om det. Kontextfönstret på 128 000 tokens gör att långa indata, som omfattande dokument eller utökade konversationer, kan hanteras i en enda begäran.

Du anropar modellen via api14:s OpenAI-kompatibla API med modell-id:t openai/gpt-4o-2024-08-06. 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. Eftersom gränssnittet är OpenAI-kompatibelt fungerar befintlig OpenAI SDK-kod i allmänhet med en ändring av bas-URL och modell-id.

Några begränsningar är värda att notera när du väljer. Utdata är endast text, så om du behöver genererade bilder eller ljud är den här modellen inte rätt val. Kunskapsgränsen 2023-10-31 innebär att aktuella händelser inte täcks om du inte anger informationen i prompten eller använder web_search_options. Om din arbetsbelastning är liten och enkel kan en lättare modell vara tillräcklig, medan den här är inriktad på uppgifter som drar nytta av dess kontextfönster, multimodala indata och stöd för strukturerade utdata.