Text Models (LLM)openai

معرفی و مستندات مدل هوش مصنوعی gpt-5-chat

مستندات مدل gpt-5-chat ارائه شده توسط ای ای کار (AI-KAR)

معرفی و بررسی فنی

⚡ وضعیت پشتیبانی از زبان فارسی

این مدل از زبان فارسی به صورت متوسط پشتیبانی می‌کند. درک نسبتا خوبی از دستور زبان فارسی دارد اما ممکن است در تولید متون پیچیده فارسی با مشکل مواجه شود.

مدل gpt-5-chat یک مدل هوش مصنوعی پیشرفته است که توسط OpenAI توسعه یافته و توسط ای ای کار (AI-KAR) ارائه می‌شود. این مدل، نسخه غیر استدلالی GPT-5 است و برای تولید متن، پاسخ به سوالات، و انجام وظایف مختلف زبانی طراحی شده است. gpt-5-chat قادر است با دریافت ورودی‌های متنی، پاسخ‌های مرتبط و منسجمی را تولید کند. این مدل می‌تواند در زمینه‌های مختلفی از جمله تولید محتوا، پشتیبانی مشتری، آموزش، و سرگرمی مورد استفاده قرار گیرد.

یکی از ویژگی‌های برجسته gpt-5-chat، توانایی آن در درک و تولید زبان طبیعی است. این مدل می‌تواند ساختارهای پیچیده زبانی را تحلیل کرده و پاسخ‌هایی تولید کند که از نظر گرامری صحیح و از نظر معنایی مرتبط باشند. همچنین، gpt-5-chat قادر است با توجه به زمینه مکالمه، پاسخ‌های مناسبی را ارائه دهد و از تکرار و ابهام جلوگیری کند.

gpt-5-chat می‌تواند برای تولید انواع مختلف محتوا مورد استفاده قرار گیرد. به عنوان مثال، این مدل می‌تواند مقالات، داستان‌ها، شعرها، و سایر انواع متون خلاقانه را تولید کند. همچنین، gpt-5-chat می‌تواند برای تولید محتوای فنی و تخصصی نیز مورد استفاده قرار گیرد. به عنوان مثال، این مدل می‌تواند گزارش‌ها، مقالات علمی، و مستندات فنی را تولید کند.

در زمینه پشتیبانی مشتری، gpt-5-chat می‌تواند به عنوان یک دستیار مجازی عمل کند و به سوالات مشتریان پاسخ دهد. این مدل می‌تواند اطلاعات مربوط به محصولات و خدمات را ارائه دهد، مشکلات مشتریان را حل کند، و به درخواست‌های آن‌ها رسیدگی کند. استفاده از gpt-5-chat در پشتیبانی مشتری می‌تواند به کاهش هزینه‌ها و افزایش رضایت مشتریان منجر شود.

در زمینه آموزش، gpt-5-chat می‌تواند به عنوان یک معلم خصوصی عمل کند و به دانش‌آموزان و دانشجویان در یادگیری مطالب مختلف کمک کند. این مدل می‌تواند به سوالات دانش‌آموزان پاسخ دهد، تمرین‌ها و تکالیف آن‌ها را بررسی کند، و بازخورد مناسبی را ارائه دهد. استفاده از gpt-5-chat در آموزش می‌تواند به بهبود یادگیری و افزایش انگیزه دانش‌آموزان منجر شود.

در زمینه سرگرمی، gpt-5-chat می‌تواند به عنوان یک همدم مجازی عمل کند و با کاربران به گفتگو بپردازد. این مدل می‌تواند داستان‌ها و لطیفه‌ها تعریف کند، بازی کند، و به سوالات کاربران پاسخ دهد. استفاده از gpt-5-chat در سرگرمی می‌تواند به کاهش تنهایی و افزایش شادی کاربران منجر شود.

برای استفاده از gpt-5-chat، کاربران باید یک حساب کاربری در وب‌سایت ای آی کار (AI-KAR) ایجاد کنند و یک کلید API تولید کنند. سپس، کاربران می‌توانند با استفاده از کلید API و ارسال درخواست‌های HTTP به API، از gpt-5-chat استفاده کنند. API gpt-5-chat پارامترهای مختلفی را برای کنترل رفتار مدل ارائه می‌دهد که در بخش API Schema به تفصیل توضیح داده شده‌اند.

مشخصات فنی (API References)

پارامتر	نوع	توضیحات و مقادیر
model	stringRequired	مدل مورد استفاده. مقدار معتبر: openai/gpt-5-chat-latest مقادیر مجاز (کلیک برای کپی):
messages	one of[]Required	لیستی از پیام‌ها که مکالمه را تا به اینجا 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 تکمیل تولید کرد، شامل توکن‌های خروجی قابل مشاهده و توکن‌های استدلالی. حداقل مقدار: 1
max_tokens	number	حداکثر تعداد توکن‌هایی که می‌توان در تکمیل چت تولید کرد. این مقدار می‌تواند برای کنترل هزینه‌ها برای متن تولید شده از طریق API استفاده شود. حداقل مقدار: 1
stream	boolean	اگر روی True تنظیم شود، داده‌های پاسخ مدل به صورت جریانی (streamed) به کلاینت ارسال می‌شوند، به این صورت که با استفاده از رویدادهای ارسال شده از سرور (server-sent events) تولید می‌شوند. مقدار پیش‌فرض: false
stream_options	object	تنظیمات مربوط به استریم کردن پاسخ
n	integer \| nullable	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. مقدار n را روی 1 نگه دارید تا هزینه‌ها را به حداقل برسانید.
temperature	number	چه دمای نمونه‌برداری (sampling temperature) استفاده شود. مقادیر بالاتر مانند 0.8 خروجی را تصادفی‌تر می‌کنند، در حالی که مقادیر پایین‌تر مانند 0.2 آن را متمرکزتر و قطعی‌تر می‌کنند. ما عموماً توصیه می‌کنیم این مقدار یا top_p را تغییر دهید، اما نه هر دو را.
top_p	number	جایگزینی برای نمونه‌برداری با دما، به نام نمونه‌برداری هسته‌ای (nucleus sampling)، جایی که مدل نتایج توکن‌ها را با جرم احتمال top_p در نظر می‌گیرد. بنابراین 0.1 به این معنی است که فقط توکن‌هایی که شامل 10٪ جرم احتمال برتر هستند در نظر گرفته می‌شوند. ما عموماً توصیه می‌کنیم این مقدار یا temperature را تغییر دهید، اما نه هر دو را. حداقل مقدار: 0.01، حداکثر مقدار: 1
stop	any of	حداکثر 4 دنباله (sequence) که API تولید توکن‌های بیشتر را متوقف می‌کند. متن بازگشتی شامل دنباله توقف نخواهد بود.
logit_bias	object \| nullable	احتمال ظاهر شدن توکن‌های مشخص شده در تکمیل را تغییر می‌دهد. یک شی JSON را می‌پذیرد که توکن‌ها (مشخص شده توسط شناسه توکن آنها در توکن‌ساز) را به یک مقدار بایاس مرتبط از -100 تا 100 نگاشت می‌کند. از نظر ریاضی، بایاس به logits تولید شده توسط مدل قبل از نمونه‌برداری اضافه می‌شود. اثر دقیق برای 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 شوند.
frequency_penalty	number \| nullable	عددی بین -2.0 و 2.0. مقادیر مثبت، توکن‌های جدید را بر اساس فراوانی موجود آنها در متن تا کنون جریمه می‌کنند، و احتمال تکرار عین به عین همان خط توسط مدل را کاهش می‌دهند.
prediction	object	پیکربندی برای یک خروجی پیش‌بینی‌شده، که می‌تواند زمان پاسخ را در زمانی که بخش‌های بزرگی از پاسخ مدل از قبل مشخص هستند، بسیار بهبود بخشد.
presence_penalty	number \| nullable	مقادیر مثبت، توکن‌های جدید را بر اساس اینکه آیا در متن تا کنون ظاهر شده‌اند جریمه می‌کنند، و احتمال صحبت کردن مدل در مورد موضوعات جدید را افزایش می‌دهند.
seed	integer	این ویژگی در حالت بتا است. اگر مشخص شود، سیستم ما تمام تلاش خود را می‌کند تا به صورت قطعی نمونه‌برداری کند، به طوری که درخواست‌های مکرر با همان seed و پارامترها باید نتیجه یکسانی را برگردانند. حداقل مقدار: 1
response_format	one of	یک شی که فرمتی را مشخص می‌کند که مدل باید خروجی دهد.

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': 'openai/gpt-5-chat-latest',
    'messages': [
        {
            'role': 'user',
            'content': 'Hello'
        }
    ]
}

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

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
    }
  }
}