Text Models (LLM)openai

معرفی و مستندات مدل هوش مصنوعی gpt-4o

مستندات مدل gpt-4o ارائه شده توسط ای آی کار (AI-KAR)

معرفی و بررسی فنی

⚡ وضعیت پشتیبانی از زبان فارسی

این مدل از زبان فارسی به صورت عالی پشتیبانی می‌کند و قادر به درک و تولید متون فارسی با کیفیت بالا است.

مدل gpt-4o، محصولی از OpenAI، به عنوان یک مدل پیشرو در زمینه هوش مصنوعی چندوجهی (multimodal) شناخته می‌شود. این مدل با هدف یکپارچه‌سازی و ارتقاء قابلیت‌ها در حوزه‌های متن، بینایی و صدا طراحی شده است و امکان استدلال و پردازش اطلاعات را به صورت همزمان و در لحظه فراهم می‌کند. gpt-4o قادر است ورودی‌های متنی، تصویری و صوتی را دریافت کرده و پاسخ‌های متناسب و هوشمندانه‌ای تولید کند. این ویژگی، آن را به ابزاری قدرتمند برای کاربردهای متنوعی از جمله تولید محتوا، ترجمه زبان، پاسخگویی به سوالات پیچیده، تحلیل داده‌ها و تعاملات هوشمندانه با کاربران تبدیل کرده است.

یکی از ویژگی‌های برجسته gpt-4o، توانایی بالای آن در درک و تولید زبان طبیعی است. این مدل می‌تواند متون را با دقت بالا تحلیل کرده و پاسخ‌هایی تولید کند که از نظر گرامری و معنایی صحیح و روان باشند. همچنین، gpt-4o قادر است سبک و لحن نوشتار را بر اساس نیاز کاربر تنظیم کند و محتوایی تولید کند که با هدف و مخاطب مورد نظر سازگار باشد. این ویژگی، آن را به ابزاری ارزشمند برای تولید محتوای خلاقانه، نگارش مقالات و گزارش‌ها، و ایجاد تعاملات موثر با مشتریان تبدیل کرده است.

علاوه بر این، gpt-4o دارای قابلیت‌های پیشرفته‌ای در زمینه پردازش تصویر و صدا است. این مدل می‌تواند تصاویر را تحلیل کرده و اشیاء، صحنه‌ها و مفاهیم موجود در آن‌ها را شناسایی کند. همچنین، gpt-4o قادر است صداها را تشخیص داده و محتوای گفتاری را به متن تبدیل کند. این ویژگی‌ها، آن را به ابزاری قدرتمند برای کاربردهایی مانند تشخیص چهره، تحلیل تصاویر پزشکی، تولید زیرنویس برای فیلم‌ها و پادکست‌ها، و ایجاد دستیارهای صوتی هوشمند تبدیل کرده است.

با توجه به قابلیت‌های چندوجهی و توانایی بالای gpt-4o در درک و تولید زبان طبیعی، این مدل می‌تواند در طیف گسترده‌ای از صنایع و کاربردها مورد استفاده قرار گیرد. از جمله این کاربردها می‌توان به موارد زیر اشاره کرد:

خدمات مشتریان: پاسخگویی به سوالات مشتریان، ارائه راهنمایی و پشتیبانی، و حل مشکلات آن‌ها به صورت خودکار
آموزش و یادگیری: ارائه آموزش‌های شخصی‌سازی شده، پاسخگویی به سوالات دانش‌آموزان و دانشجویان، و ارائه بازخورد در مورد تکالیف و پروژه‌ها
تولید محتوا: تولید مقالات، گزارش‌ها، پست‌های شبکه‌های اجتماعی، و سایر انواع محتوا به صورت خودکار
ترجمه زبان: ترجمه متون از یک زبان به زبان دیگر به صورت دقیق و روان
تحلیل داده‌ها: تحلیل داده‌های متنی، تصویری و صوتی، و استخراج اطلاعات مفید و معنادار از آن‌ها
دستیارهای صوتی هوشمند: ایجاد دستیارهای صوتی که می‌توانند به سوالات کاربران پاسخ دهند، دستورات آن‌ها را اجرا کنند، و اطلاعات مورد نیاز آن‌ها را ارائه دهند

در مجموع، gpt-4o یک مدل هوش مصنوعی قدرتمند و چندوجهی است که می‌تواند در طیف گسترده‌ای از صنایع و کاربردها مورد استفاده قرار گیرد. این مدل با ارائه قابلیت‌های پیشرفته در زمینه درک و تولید زبان طبیعی، پردازش تصویر و صدا، و استدلال و تصمیم‌گیری، می‌تواند به سازمان‌ها و افراد کمک کند تا بهره‌وری خود را افزایش دهند، هزینه‌های خود را کاهش دهند، و نوآوری‌های جدیدی را ایجاد کنند.

مشخصات فنی (API References)

پارامتر	نوع	توضیحات و مقادیر
model	stringRequired	مدل مورد استفاده برای تولید پاسخ. مقادیر مجاز در قسمت enum مشخص شده‌اند. مقادیر مجاز (کلیک برای کپی):
messages	one of[]Required	لیستی از پیام‌ها که مکالمه را تا کنون تشکیل می‌دهند. بسته به مدلی که استفاده می‌کنید، انواع مختلف پیام (modalities) مانند متن، اسناد (txt، pdf)، تصاویر و صدا پشتیبانی می‌شوند.
max_completion_tokens	integer	حد بالایی برای تعداد توکن‌هایی که می‌توان برای یک تکمیل تولید کرد، از جمله توکن‌های خروجی قابل مشاهده و توکن‌های استدلال. حداقل مقدار: 1
max_tokens	number	حداکثر تعداد توکن‌هایی که می‌توان در تکمیل چت تولید کرد. این مقدار می‌تواند برای کنترل هزینه‌های متن تولید شده از طریق API استفاده شود. حداقل مقدار: 1
stream	boolean	اگر روی True تنظیم شود، داده‌های پاسخ مدل به صورت جریانی با استفاده از رویدادهای ارسال شده توسط سرور به کلاینت ارسال می‌شوند. مقدار پیش‌فرض: false
stream_options	object	تنظیمات مربوط به جریان داده.
tools	object[]	لیستی از ابزارهایی که مدل ممکن است فراخوانی کند. در حال حاضر، فقط توابع به عنوان ابزار پشتیبانی می‌شوند. از این برای ارائه لیستی از توابعی استفاده کنید که مدل ممکن است ورودی‌های JSON را برای آن‌ها تولید کند. حداکثر 128 تابع پشتیبانی می‌شود.
tool_choice	any of	کنترل می‌کند که کدام ابزار (در صورت وجود) توسط مدل فراخوانی شود. none به این معنی است که مدل هیچ ابزاری را فراخوانی نمی‌کند و در عوض یک پیام تولید می‌کند. auto به این معنی است که مدل می‌تواند بین تولید یک پیام یا فراخوانی یک یا چند ابزار انتخاب کند. required به این معنی است که مدل باید یک یا چند ابزار را فراخوانی کند. تعیین یک ابزار خاص از طریق {"type": "function", "function": {"name": "my_function"}} مدل را مجبور می‌کند تا آن ابزار را فراخوانی کند. none مقدار پیش‌فرض است زمانی که هیچ ابزاری وجود نداشته باشد. auto مقدار پیش‌فرض است اگر ابزارها وجود داشته باشند. مقادیر مجاز (کلیک برای کپی):
parallel_tool_calls	boolean	فعال کردن یا غیرفعال کردن فراخوانی موازی توابع در هنگام استفاده از ابزار.
n	integer	تعداد انتخاب‌های تکمیل چت که برای هر پیام ورودی تولید می‌شود. توجه داشته باشید که هزینه شما بر اساس تعداد توکن‌های تولید شده در تمام انتخاب‌ها محاسبه می‌شود. n را روی 1 نگه دارید تا هزینه‌ها را به حداقل برسانید.
stop	any of	حداکثر 4 دنباله که API تولید توکن‌های بیشتر را متوقف می‌کند. متن بازگشتی شامل دنباله توقف نخواهد بود.
logprobs	boolean	اینکه آیا احتمال ورود به سیستم توکن های خروجی را برگردانیم یا نه. اگر درست باشد، احتمال ورود به سیستم هر توکن خروجی که در محتوای پیام برگردانده شده است را برمی گرداند.
top_logprobs	number	یک عدد صحیح بین 0 و 20 که تعداد احتمالی ترین توکن ها را برای بازگشت در هر موقعیت توکن مشخص می کند، هر کدام با یک احتمال ورود به سیستم مرتبط است. اگر از این پارامتر استفاده شود، logprobs باید روی True تنظیم شود.
logit_bias	object	احتمال ظاهر شدن توکن های مشخص شده در تکمیل را تغییر دهید. یک شی JSON را می پذیرد که توکن ها (مشخص شده توسط شناسه توکن آنها در توکن ساز) را به یک مقدار بایاس مرتبط از -100 تا 100 نگاشت می کند. از نظر ریاضی، بایاس به logits تولید شده توسط مدل قبل از نمونه برداری اضافه می شود. اثر دقیق در هر مدل متفاوت خواهد بود، اما مقادیر بین -1 و 1 باید احتمال انتخاب را کاهش یا افزایش دهند. مقادیری مانند -100 یا 100 باید منجر به ممنوعیت یا انتخاب انحصاری توکن مربوطه شود.
frequency_penalty	number	عدد بین -2.0 و 2.0. مقادیر مثبت توکن های جدید را بر اساس فرکانس موجود آنها در متن تا کنون جریمه می کنند و احتمال تکرار همان خط را به صورت کلمه به کلمه کاهش می دهند.
prediction	object	پیکربندی برای یک خروجی پیش بینی شده، که می تواند زمان پاسخ را در زمانی که بخش های بزرگی از پاسخ مدل از قبل شناخته شده است، تا حد زیادی بهبود بخشد.
presence_penalty	number	مقادیر مثبت توکن های جدید را بر اساس اینکه آیا در متن تا کنون ظاهر می شوند جریمه می کنند و احتمال صحبت در مورد موضوعات جدید را افزایش می دهند.
seed	integer	این ویژگی در بتا است. اگر مشخص شود، سیستم ما تمام تلاش خود را می کند تا به طور قطعی نمونه برداری کند، به طوری که درخواست های مکرر با همان دانه و پارامترها باید همان نتیجه را برگردانند. حداقل مقدار: 1
response_format	one of	شیئی که قالبی را مشخص می کند که مدل باید خروجی دهد.
temperature	number	از چه دمای نمونه برداری استفاده شود. مقادیر بالاتر مانند 0.8 خروجی را تصادفی تر می کند، در حالی که مقادیر پایین تر مانند 0.2 آن را متمرکزتر و قطعی تر می کند. ما به طور کلی توصیه می کنیم این یا top_p را تغییر دهید اما نه هر دو.
top_p	number	جایگزینی برای نمونه برداری با دما، به نام نمونه برداری هسته ای، که در آن مدل نتایج توکن ها را با جرم احتمال top_p در نظر می گیرد. بنابراین 0.1 به این معنی است که فقط توکن هایی که 10٪ جرم احتمال برتر را تشکیل می دهند در نظر گرفته می شوند. ما به طور کلی توصیه می کنیم این یا دما را تغییر دهید اما نه هر دو.

نمونه کدهای درخواست

نکته مهم برای توسعه‌دهندگان:

برای احراز هویت، حتما کلید API خود را جایگزین YOUR_API_KEY کنید. هدر Authorization الزامی است.

import requests
import json

url = 'https://api.ai-kar.com/v1/chat/completions'
headers = {
    'Authorization': 'Bearer <YOUR_AI-KARAPI_KEY>',
    'Content-Type': 'application/json'
}
data = {
    'model': 'gpt-4o',
    'messages': [
        {
            'role': 'user',
            'content': 'Hello'
        }
    ]
}

response = requests.post(url, headers=headers, data=json.dumps(data))

if response.status_code == 200:
    print(json.dumps(response.json(), indent=2))
else:
    print(f'Error: {response.status_code}')
    print(response.text)

نمونه پاسخ موفق (JSON)

RESPONSE (200 OK)

{
  "id": "text",
  "object": "text",
  "created": 1,
  "choices": [
    {
      "index": 1,
      "message": {
        "role": "text",
        "content": "text",
        "refusal": null,
        "annotations": [
          {
            "type": "text",
            "url_citation": {
              "end_index": 1,
              "start_index": 1,
              "title": "text",
              "url": "text"
            }
          }
        ],
        "audio": {
          "id": "text",
          "data": "text",
          "transcript": "text",
          "expires_at": 1
        },
        "tool_calls": [
          {
            "id": "text",
            "type": "text",
            "function": {
              "arguments": "text",
              "name": "text"
            }
          }
        ]
      },
      "finish_reason": "stop",
      "logprobs": {
        "content": [
          {
            "bytes": [
              1
            ],
            "logprob": 1,
            "token": "text",
            "top_logprobs": [
              {
                "bytes": [
                  1
                ],
                "logprob": 1,
                "token": "text"
              }
            ]
          }
        ],
        "refusal": []
      }
    }
  ],
  "model": "text",
  "usage": {
    "prompt_tokens": 1,
    "completion_tokens": 1,
    "total_tokens": 1,
    "completion_tokens_details": {
      "accepted_prediction_tokens": 1,
      "audio_tokens": 1,
      "reasoning_tokens": 1,
      "rejected_prediction_tokens": 1
    },
    "prompt_tokens_details": {
      "audio_tokens": 1,
      "cached_tokens": 1
    }
  }
}