Text Models (LLM)openai

معرفی و مستندات مدل هوش مصنوعی gpt-5-pro

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

معرفی و بررسی فنی

⚡ وضعیت پشتیبانی از زبان فارسی

این مدل از زبان فارسی به صورت متوسط پشتیبانی می‌کند. برای دریافت بهترین نتیجه، استفاده از دستورالعمل‌های دقیق و واضح توصیه می‌شود.

مدل gpt-5-pro، جدیدترین دستاورد OpenAI، یک مدل زبانی پیشرفته است که برای تولید پاسخ‌های هوشمندانه و دقیق طراحی شده است. این مدل، که توسط ای آی کار (AI-KAR) مستندسازی و ارائه شده، قادر است در طیف گسترده‌ای از وظایف زبانی عملکردی عالی از خود نشان دهد. از جمله این وظایف می‌توان به تولید متن، ترجمه زبان‌ها، خلاصه‌سازی متون، پاسخ به سوالات و تولید کد اشاره کرد. gpt-5-pro با بهره‌گیری از معماری ترانسفورمر و آموزش بر روی حجم عظیمی از داده‌های متنی و کد، توانسته است درک عمیقی از زبان انسانی به دست آورد و پاسخ‌هایی تولید کند که از نظر انسجام، دقت و خلاقیت، بی‌نظیر هستند. این مدل به ویژه برای کاربردهایی که نیاز به دقت بالا و درک ظریف از متن دارند، مانند تولید محتوای تخصصی، پاسخگویی به سوالات پیچیده و تولید کد با کیفیت، بسیار مناسب است. gpt-5-pro همچنین از قابلیت‌های پیشرفته‌ای برای درک و تولید زبان‌های مختلف، از جمله فارسی، برخوردار است. با این حال، عملکرد آن در زبان فارسی ممکن است به اندازه زبان انگلیسی نباشد و نیاز به تنظیمات و آموزش‌های خاص داشته باشد. این مدل از طریق API قابل دسترسی است و توسعه‌دهندگان می‌توانند از آن در برنامه‌ها و سرویس‌های خود استفاده کنند. ای آی کار (AI-KAR) با ارائه مستندات کامل و مثال‌های کاربردی، به توسعه‌دهندگان کمک می‌کند تا به راحتی از این مدل قدرتمند استفاده کنند و از قابلیت‌های آن بهره‌مند شوند. gpt-5-pro یک ابزار قدرتمند برای حل مسائل مختلف در حوزه‌های مختلف است و می‌تواند به عنوان یک دستیار هوشمند، یک تولید کننده محتوا و یک مترجم زبان عمل کند. این مدل با ارائه پاسخ‌های دقیق و خلاقانه، می‌تواند به کاربران در انجام وظایف مختلف کمک کند و بهره‌وری آن‌ها را افزایش دهد. ای آی کار (AI-KAR) با ارائه این مستندات، قصد دارد تا این مدل قدرتمند را در دسترس همگان قرار دهد و به توسعه‌دهندگان کمک کند تا از آن در پروژه‌های خود استفاده کنند. این مدل با قابلیت‌های پیشرفته خود، می‌تواند به عنوان یک ابزار قدرتمند برای حل مسائل مختلف در حوزه‌های مختلف مورد استفاده قرار گیرد.

مشخصات فنی (API References)

پارامتر	نوع	توضیحات و مقادیر
model	stringRequired	شناسه مدل مورد استفاده برای تولید پاسخ. مقادیر مجاز (کلیک برای کپی):
background	boolean	مشخص می‌کند که آیا پاسخ مدل در پس‌زمینه اجرا شود یا خیر. مقدار پیش‌فرض: false مقادیر مجاز (کلیک برای کپی):
input	any ofRequired	ورودی متن، تصویر یا فایل به مدل، که برای تولید پاسخ استفاده می‌شود.
include	string · enum[]	مشخص کردن داده‌های خروجی اضافی برای گنجاندن در پاسخ مدل. مقادیر پشتیبانی شده فعلی: مقادیر مجاز (کلیک برای کپی):
instructions	string	یک پیام سیستمی (یا توسعه‌دهنده) که در متن مدل قرار می‌گیرد. هنگام استفاده همراه با previous_response_id، دستورالعمل‌ها از پاسخ قبلی به پاسخ بعدی منتقل نمی‌شوند. این کار تعویض پیام‌های سیستمی (یا توسعه‌دهنده) را در پاسخ‌های جدید آسان می‌کند.
max_output_tokens	integer	حد بالایی برای تعداد توکن‌هایی که می‌توان برای یک پاسخ تولید کرد، از جمله توکن‌های خروجی قابل مشاهده و توکن‌های استدلال. مقدار پیش‌فرض: 512
metadata	object	مجموعه‌ای از 16 جفت کلید-مقدار که می‌توان به یک شیء متصل کرد. این می‌تواند برای ذخیره اطلاعات اضافی در مورد شیء در یک قالب ساختاریافته و جستجو برای اشیاء از طریق API یا داشبورد مفید باشد. کلیدها رشته‌هایی با حداکثر طول 64 کاراکتر هستند. مقادیر رشته‌هایی با حداکثر طول 512 کاراکتر هستند.
parallel_tool_calls	boolean	مشخص می‌کند که آیا به مدل اجازه داده شود تماس‌های ابزار را به صورت موازی اجرا کند یا خیر. مقادیر مجاز (کلیک برای کپی):
previous_response_id	string	شناسه منحصر به فرد پاسخ قبلی به مدل. از این برای ایجاد مکالمات چند نوبتی استفاده کنید.
prompt	object	ارجاع به یک قالب اعلان و متغیرهای آن.
reasoning	object	فقط مدل‌های سری o. گزینه‌های پیکربندی برای مدل‌های استدلال.
store	boolean	مشخص می‌کند که آیا پاسخ مدل تولید شده برای بازیابی بعدی از طریق API ذخیره شود یا خیر. مقدار پیش‌فرض: false مقادیر مجاز (کلیک برای کپی):
stream	boolean	اگر روی true تنظیم شود، داده‌های پاسخ مدل با استفاده از رویدادهای ارسال شده از سرور به صورت جریانی به مشتری ارسال می‌شوند. مقدار پیش‌فرض: false مقادیر مجاز (کلیک برای کپی):
temperature	number	از چه دمای نمونه‌برداری استفاده شود، بین 0 و 2. مقادیر بالاتر مانند 0.8 خروجی را تصادفی‌تر می‌کنند، در حالی که مقادیر پایین‌تر مانند 0.2 آن را متمرکزتر و قطعی‌تر می‌کنند. ما به طور کلی توصیه می کنیم این یا top_p را تغییر دهید، اما نه هر دو.
text	object	گزینه‌های پیکربندی برای پاسخ متنی از مدل. می تواند متن ساده یا داده های JSON ساختاریافته باشد.
tool_choice	any of	نحوه انتخاب ابزار (یا ابزارها) توسط مدل هنگام تولید پاسخ.
truncation	string · enum	استراتژی برش مورد استفاده برای پاسخ مدل. auto: اگر زمینه این پاسخ و پاسخ های قبلی از اندازه پنجره زمینه مدل فراتر رود، مدل پاسخ را کوتاه می کند تا با حذف موارد ورودی در وسط مکالمه، در پنجره زمینه قرار گیرد. disabled (پیش‌فرض): اگر پاسخ مدل از اندازه پنجره زمینه برای یک مدل فراتر رود، درخواست با خطای 400 با شکست مواجه می‌شود. مقادیر مجاز (کلیک برای کپی):
tools	one of[]	آرایه‌ای از ابزارهایی که مدل ممکن است هنگام تولید پاسخ فراخوانی کند. می‌توانید با تنظیم پارامتر tool_choice مشخص کنید که از کدام ابزار استفاده شود.
top_p	number	جایگزینی برای نمونه‌برداری با دما، به نام نمونه‌برداری هسته‌ای، که در آن مدل نتایج توکن‌ها را با جرم احتمال top_p در نظر می‌گیرد. بنابراین 0.1 به این معنی است که فقط توکن‌هایی که 10٪ جرم احتمال برتر را تشکیل می‌دهند در نظر گرفته می‌شوند. 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   # for getting a structured output with indentation
response = requests.post(
    "https://api.ai-kar.com/v1/responses",
    headers={
        "Content-Type":"application/json",
        # Insert your AI-KAR API Key instead of <YOUR_AI-KARAPI_KEY>:
        "Authorization":"Bearer <YOUR_AI-KARAPI_KEY>",
        "Content-Type":"application/json"
    },
    json={
        "model":"openai/gpt-5-pro",
        "input":"Hello"  # Insert your question for the model here, instead of Hello
    }
)
data = response.json()
print(json.dumps(data, indent=2, ensure_ascii=False))

نمونه پاسخ موفق (JSON)

RESPONSE (200 OK)

{
  "id": "resp_68963fb142d08"
}