GPT-4o ("o" اختصار لـ "omni") هو أحدث نموذج ذكاء اصطناعي من OpenAI، يدعم كلاً من المدخلات النصية والصورية مع مخرجات نصية. يحافظ على مستوى ذكاء [GPT-4 Turbo](/models/openai/gpt-4-turbo) بينما يكون ضعف...
GPT-4o (2024-05-13) هو نموذج لغة متعدد الوسائط من OpenAI، يمكن الوصول إليه عبر واجهة برمجة تطبيقات OrcaRouter. يعالج النصوص والصور والملفات، مما يجعله مناسبًا للمهام التي تمزج بين البيانات البصرية…
يمكن لـ GPT-4o تحليل الصور المقدمة كجزء من المدخلات. يمكنه وصف المحتوى المرئي، والإجابة عن الأسئلة حول الأشياء، والنص داخل الصور، والعلاقات المكانية. كما يمكنه استخراج النص ونسخه من المستندات الممسوحة ضوئيًا أو الصور. ولأنه يعالج الصور مباشرة، فلا حاجة لنموذج OCR أو رؤية منفصل. يتم ترميز الصورة إلى رموز (tokenized) لتناسب نافذة السياق. على سبيل المثال، يمكن للمستخدم تحميل لقطة شاشة لرسم بياني ويطلب من النموذج تفسير الاتجاهات. لا يقتصر فهم النموذج على التسميات التوضيحية البسيطة؛ بل يمكنه التفكير في المحتوى، ومقارنة الصور المتعددة، واستخدام الإشارات البصرية إلى جانب التعليمات النصية. هذه القدرة مدمجة في نفس استدعاء API، باستخدام نفس تنسيق الرسالة كطلبات النص فقط. على OrcaRouter، ترسل الصور كبيانات مشفرة بـ base64 أو عناوين URL في مصفوفة المحتوى. يبقى معرف النموذج "openai/gpt-4o-2024-05-13".
يقبل GPT-4o الملفات كمدخلات. تشمل التنسيقات المدعومة PDF ووثائق Microsoft Office (Word وExcel وPowerPoint) والملفات النصية وتنسيقات الصور. بالنسبة لملفات PDF وOffice، يستخرج النموذج المحتوى النصي ويحلل التخطيط. لا يقوم بعرض التنسيق المعقد بشكل مباشر ولكنه يقرأ المحتوى النصي. هذا مفيد لمعالجة التقارير والعقود وجداول البيانات أو العروض التقديمية دون استخراج يدوي. يتم ترميز محتوى الملف وحسابه ضمن إجمالي الرموز المميزة للمدخلات. يمكن للنموذج الإجابة على أسئلة حول محتويات الملف أو تلخيصها أو إجراء عمليات حسابية على البيانات الجدولية. عند استخدام الملفات، تقوم بتضمينها كجزء من محتوى الرسالة باستخدام حقول OpenAI API المناسبة. يتولى OrcaRouter النقل دون تعديل. لاحظ أن قدرات النموذج تعتمد على جودة النص المستخرج؛ قد لا تكون الصور الممسوحة ضوئيًا بشكل كثيف في PDF قابلة للقراءة بالكامل ما لم تحتوي على طبقات نصية مضمنة.
GPT-4o هو نموذج متميز بتكلفة أعلى مقارنة بالبدائل مثل GPT-4o-mini أو الإصدارات السابقة من GPT-3.5. إذا كانت مهمتك لا تتطلب القدرات متعددة الوسائط (مثل المهام النصية فقط)، أو السياق الكبير (حتى 128K)، أو مستوى التفكير الرياضي الذي تقيسه MATH-500 (79.1)، فقد يكون النموذج الأقل تكلفة أكثر اقتصادية. على سبيل المثال، يمكن للنماذج منخفضة التكلفة التي تنتج جودة مقبولة معالجة التصنيف البسيط، وإنشاء المحتوى القصير، أو الدردشة الأساسية. أيضًا، إذا كان تطبيقك حساسًا لزمن الاستجابة وكان النموذج الأصغر أسرع، فقد ترجح كفة السرعة على الدقة المطلقة. أخيرًا، إذا كنت نادرًا ما تحتاج إلى معالجة الصور أو الملفات، فإن القدرة متعددة الوسائط الإضافية غير ضرورية. تقدم OrcaRouter مجموعة من النماذج بحيث يمكنك اختيار أفضل نسبة سعر إلى أداء. قيّم متطلبات حالة الاستخدام الخاصة بك مقابل نتائج المعايير والتسعير لتحديد ما إذا كانت مزايا GPT-4o تبرر التكلفة الإضافية.
يمكن لـ GPT-4o إنشاء ما يصل إلى 16,384 رمزًا (token) لكل طلب. هذا حد سخي يسمح بالإجابات الطويلة، والكود المفصل، أو التحليلات متعددة الفقرات. ومع ذلك، يتم فوترة رموز المخرجات بسعر 15.00 دولارًا لكل مليون، مما يجعل المخرجات الأطول أكثر تكلفة. يمكنك التحكم في طول المخرجات باستخدام المعامل max_tokens في استدعاء API. إذا كنت تتوقع الحاجة إلى توليد طويل جدًا، ففكر في تجميع الطلب أو تقسيمه. ينطبق حد 16,384 على الإكمال بأكمله، بما في ذلك خطوات الاستدلال أو سلسلة الأفكار إذا طُلبت. بالنسبة للمهام المعقدة جدًا التي تتطلب تفكيرًا موسعًا، قد تحتاج إلى استخدام استدعاءات متعددة. على OrcaRouter، يتم الإبلاغ عن عدد رموز المخرجات في حقل الاستخدام (usage) في استجابة API، لذا يمكنك تتبع التكاليف بدقة. لا يوجد حد إضافي تفرضه OrcaRouter؛ الحد الأصلي للنموذج هو المطبق.
حصل GPT-4o على 79.1 في اختبار MATH-500. يتكون MATH-500 من 500 مسألة رياضية صعبة عبر مواضيع متنوعة مثل الجبر والهندسة ونظرية الأعداد والاحتمالات. نتيجة 79.1 تعني أن النموذج أجاب على 79.1% من المسائل بشكل صحيح. هذه نتيجة قوية تشير إلى قدرة استدلال رياضي متينة، خاصةً لنموذج متعدد الوسائط. يختبر هذا المعيار كلاً من حل المشكلات والاستدلال خطوة بخطوة. يمكن أن توجه هذه النتيجة التوقعات للتطبيقات التي تتضمن تدريس الرياضيات، الحسابات العلمية، أو ألغاز المنطق. لاحظ أن أداء المعيار لا يضمن نتائج متطابقة في المهام الواقعية؛ قد تكون هناك حاجة إلى ضبط خاص بالمجال أو هندسة المحفزات. عند تقييم هذا النموذج، قارن درجته في MATH-500 مع النماذج الأخرى التي تختبرها. لا يوفر OrcaRouter بيانات معيارية إضافية، لذا فهذه هي النقطة المرجعية الوحيدة المقدمة لهذا النموذج.
تعتمد زمنية الاستجابة على عدة عوامل: طول الإدخال، طول المخرجات المتوقعة، الحمل الحالي على خوادم OpenAI، ومسار الشبكة بين تطبيقك وOrcaRouter. لا يضيف OrcaRouter تأخيرًا كبيرًا يتجاوز وقت استجابة المزود الأساسي. بالنسبة للطلبات النموذجية ذات الإدخال المعتدل (بضعة آلاف من الرموز) والمخرجات القصيرة (أقل من 1,000 رمز)، تصل الاستجابات غالبًا في غضون بضع ثوانٍ. المخرجات الأطول (قريبة من 16,384 رمزًا) ستستغرق وقتًا أطول بطبيعة الحال لأن النموذج يولد الرموز بشكل متسلسل. كما أن إدخالات الصور تزيد من زمنية الاستجابة بسبب عملية تحويلها إلى رموز ومعالجتها. يمكنك تحسين زمنية الاستجابة عن طريق تقليل طول المخرجات، استخدام استفسارات أقصر، أو تجميع الطلبات. يوفر OrcaRouter نقاط نهاية API قياسية تعيد النتائج بشكل غير متزامن عبر البث إذا رغبت في ذلك. بالنسبة للتطبيقات التفاعلية في الوقت الفعلي، فكر في استخدام وضع البث (stream: true) لبدء المعالجة فور وصول الرموز. لا توجد أرقام زمنية محددة في بيانات النموذج، لذا فهذه تقديرات نوعية.
**نقاط القوة**: إدخال متعدد الوسائط (نص، صورة، ملف)، نافذة سياق كبيرة بحجم 128 ألف رمز، قدرة قوية على التفكير الرياضي (MATH-500: 79.1)، وحد أقصى مرتفع لرموز الإخراج (16,384). يتعامل مع المستندات الطويلة والمحادثات متعددة الجولات بفعالية. واجهة البرمجة متوافقة مع معيار OpenAI، مما يسهل التكامل. **القيود**: تكلفة أعلى مقارنة بالنماذج الأصغر. غير محسّن للمهام التي لا تستفيد من تعدد الوسائط أو السياق الكبير. لا توجد معلومات مقدمة حول أداء اللغات غير الإنجليزية أو معايير السلامة المحددة. قد تكون قدرة فهم الصور محدودة للمشاهد شديدة التعقيد أو الصور منخفضة الدقة. أيضًا، قد ينتج النموذج إجابات غير صحيحة في مسائل خارج نطاق توزيع تدريبه. لا يوجد ضمان معلن لزمن الاستجابة. بالنسبة للمستخدمين الذين يحتاجون إلى زمن استجابة منخفض جدًا أو تكلفة منخفضة جدًا، قد يكون نموذج آخر أفضل. تشير نتيجة المعيار 79.1 على MATH-500 إلى وجود مجال للتحسين في أصعب المسائل الرياضية. قيّم ما إذا كانت هذه المفاضلات تتوافق مع متطلبات تطبيقك.
يتم فوترة GPT-4o لكل رمز (token)، مع أسعار منفصلة لرموز الإدخال ورموز الإخراج. رموز الإدخال بسعر 5.00 دولار لكل مليون رمز. رموز الإخراج بسعر 15.00 دولار لكل مليون رمز. هذه هي أسعار المزود، يتم تمريرها بواسطة OrcaRouter بدون هامش ربح. التكلفة لكل طلب = (رموز الإدخال / 1e6 * 5) + (رموز الإخراج / 1e6 * 15). على سبيل المثال، محادثة بها 4,000 رمز إدخال و200 رمز إخراج ستكلف (0.004*5 دولار) + (0.0002*15 دولار) = 0.02 دولار + 0.003 دولار = 0.023 دولار. لا توجد رسوم إضافية على استدعاءات API نفسها؛ أنت تدفع فقط مقابل الرموز المستهلكة. يتم تحديث التسعير ديناميكيًا بناءً على تغييرات المزود؛ يقوم OrcaRouter بتمرير أي تعديلات مستقبلية. نظرًا لعدم وجود هامش ربح، يستفيد المستخدمون من نفس أسعار عملاء OpenAI المباشرين، ولكن مع راحة الإدارة الموحدة والفواتير من OrcaRouter. انتبه إلى أن الصور والملفات يتم تحويلها إلى رموز وتساهم في عدد رموز الإدخال، مما يزيد التكلفة غالبًا مقارنة بالإدخالات النصية فقط.
لا. لا تقدم OrcaRouter خصومات أو رموزًا مخزنة مؤقتًا أو تسعيرًا مخفضًا للمدخلات المتكررة. يتم محاسبة كل رمز بالسعر القياسي للمزود. لا توجد تكلفة منفصلة للتخزين المؤقت أو أي رسوم إضافية للحجم الكبير. أسعار 5/15 دولارًا لكل مليون رمز هي أسعار ثابتة. قد يستفسر المستخدمون الذين يحتاجون إلى إنتاجية عالية جدًا عن ترتيبات مخصصة، لكن الخدمة القياسية لا تتضمن خصومات حجم. بالإضافة إلى ذلك، لا توجد رسوم مخفية مثل رسوم الاتصال أو الحد الأدنى الشهري. التسعير شفاف ومرتبط مباشرة باستخدام الرموز. لتحسين التكلفة، ضع في اعتبارك تقليل حجم المدخلات (مثل تقليم التاريخ، استخدام مطالبات أقصر) وطول المخرجات (مثل تعيين max_tokens أقل). أيضًا، استخدام النموذج فقط عندما تكون قدراته ضرورية (متعدد الوسائط، سياق كبير) يساعد في التحكم في التكاليف. إذا كان تطبيقك يحتوي على مطالبات متكررة متطابقة في كل مرة، فقد يؤدي التخزين المؤقت في طبقة التطبيق إلى تقليل استخدام الرمز، لكن OrcaRouter نفسها لا توفر هذه الميزة.
سعر GPT-4o مرتفع (ممتاز). بالنسبة للعديد من المهام، قد يكون النموذج الأرخص (مثل GPT-4o-mini أو GPT-3.5-turbo) كافيًا. قم بالمفاضلة من خلال تقييم التعقيد والدقة المطلوبة. إذا كانت مهمتك تتضمن استخراجًا بسيطًا أو تصنيفًا بسياق محدود، فقد يؤدي النموذج الأرخص أداءً مشابهًا بتكلفة أقل بكثير. على العكس، إذا كانت المهمة تتطلب فهمًا دقيقًا للصور أو المستندات الطويلة أو دقة رياضية عالية (درجة MATH-500 البالغة 79.1 مقابل الدرجات الأقل على النماذج الأرخص)، فقد يكون GPT-4o يستحق السعر المرتفع. استخدم اختبار A/B على عينة تمثيلية لمقارنة الجودة والتكلفة. أيضًا، ضع في اعتبارك أن نفس السعر لكل مليون رمز (token) ينطبق بغض النظر عن طول النص؛ الطلبات الأقصر أرخص. إذا كان سير عملك يستخدم بشكل متكرر السياق الكامل البالغ 128 ألف رمز، فقد تكون تكلفة رموز الإدخال لهذا الطلب عالية؛ تأكد من أن السياق مطلوب بالفعل. يوفر OrcaRouter مقاييس الاستخدام حتى تتمكن من المراقبة والتحسين.
لاستدعاء GPT-4o على OrcaRouter، استخدم نقطة النهاية المتوافقة مع OpenAI: base_url = "https://api.orcarouter.ai/v1". عيّن معامل النموذج إلى "openai/gpt-4o-2024-05-13". ستحتاج إلى مفتاح API من OrcaRouter. يتّبع تنسيق الطلب واجهة برمجة التطبيقات القياسية لـ OpenAI Chat Completions: مصفوفة رسائل تحتوي على أدوار (system, user, assistant)، محتوى اختياري للصور والملفات، ومعاملات مثل temperature، max_tokens، top_p، frequency_penalty، presence_penalty، و stop. على سبيل المثال، يتم إرسال طلب نصي بسيط كطلب POST إلى /chat/completions. بالنسبة للصور، قم بتضمين المحتوى كجزء من رسالة المستخدم مع النوع "image_url". بالنسبة للملفات، قم بتضمينها كجزء من المحتوى أيضًا (يتبع التنسيق المحدد مواصفات OpenAI). سيتضمن الرد رسالة المساعد، إحصائيات الاستخدام (prompt_tokens، completion_tokens، total_tokens)، وبيانات وصفية أخرى. لا يلزم وجود رؤوس خاصة تتجاوز Content-Type و Authorization القياسيين. التكامل مطابق تمامًا لاستخدام OpenAI مباشرةً.
جميع معاملات OpenAI Chat Completions القياسية مدعومة: messages (مطلوب)، model (مطلوب، قم بتعيينه إلى "openai/gpt-4o-2024-05-13")، temperature (0–2، الافتراضي 1)، top_p (0–1، الافتراضي 1)، n (عدد الاكتمالات، الافتراضي 1)، stop (سلاسل نصية أو قائمة سلاسل نصية)، max_tokens (الافتراضي 16,384، الحد الأقصى 16,384)، presence_penalty (−2 إلى 2، الافتراضي 0)، frequency_penalty (−2 إلى 2، الافتراضي 0)، logit_bias (خريطة من معرفات الرموز إلى قيمة التحيز)، user (سلسلة نصية لمراقبة سوء الاستخدام)، stream (منطقي، الافتراضي false)، و functions/tools (لاستدعاء الدوال). بالنسبة للمدخلات متعددة الوسائط، يمكن أن يكون محتوى الرسائل مصفوفة من أجزاء المحتوى من نوع "text" أو "image_url". بالإضافة إلى ذلك، يمكنك تضمين محتوى من نوع "file" وفقًا لوثائق OpenAI (على سبيل المثال، للمرفقات PDF). يقوم OrcaRouter بتمرير هذه المعاملات مباشرة إلى المزود دون تعديل. تأكد من عدم تجاوز نافذة السياق البالغة 128K رمزًا. ترجع API رموز خطأ قياسية للطلبات غير الصالحة أو تحديد المعدل أو فشل المصادقة.
الترحيل بسيط لأن واجهة برمجة التطبيقات (API) الخاصة بـ OrcaRouter متوافقة تمامًا مع OpenAI. كل ما عليك فعله هو تغيير شيئين: عنوان URL الأساسي من https://api.openai.com/v1 إلى https://api.orcarouter.ai/v1، ومعرف النموذج من "gpt-4o-2024-05-13" إلى "openai/gpt-4o-2024-05-13". مفتاح API الخاص بك من OrcaRouter يحل محل مفتاح OpenAI الخاص بك. جميع الأكواد الحالية التي تستخدم مكتبة OpenAI بلغة Python/Node أو طلبات HTTP الأولية ستعمل دون تعديلات أخرى. تنسيق الرسالة، وأسماء المعلمات، وهيكل الاستجابة متطابقة. بالنسبة للمكتبات التي تقبل معلمة عنوان URL أساسي، ما عليك سوى تعيينه إلى نقطة نهاية OrcaRouter. إذا كنت تستخدم عميل OpenAI، يمكنك إنشاء مثيل له مع تعيين base_url إلى نقطة نهاية OrcaRouter. لا حاجة لتغييرات في هندسة المطالبة أو منطق التخزين المؤقت. يدعم OrcaRouter أيضًا البث (stream: true) واستدعاء الوظائف تمامًا كما كان من قبل. يمكن إجراء الاختبار باستخدام مجموعة صغيرة من الطلبات للتحقق من تطابق السلوك.
لا يقوم OrcaRouter بتعديل سلوك النموذج. إنه يعمل ببساطة كبوابة، حيث يقوم بإعادة توجيه طلباتك إلى خوادم OpenAI ويعيد الرد كما هو دون أي تغيير. لا يتم تطبيق أي معالجة مسبقة أو لاحقة أو تصفية للمحتوى بواسطة OrcaRouter. فيما يتعلق بمعالجة البيانات: لا يقوم OrcaRouter بتخزين أو تسجيل بيانات المطالبات أو الإكمالات بما يتجاوز ما هو ضروري لأغراض الفوترة والمراقبة التشغيلية. تنطبق سياسات بيانات OpenAI الخاصة على استخدام النموذج عبر OrcaRouter. وفقًا للحقائق المقدمة، لا يوجد ذكر لاحتفاظ OrcaRouter بالبيانات بما يتجاوز تسجيل واجهة برمجة التطبيقات القياسي. يجب على المستخدمين مراجعة كل من سياسة خصوصية OrcaRouter وسياسة OpenAI لفهم كيفية معالجة البيانات. إذا كانت لديك متطلبات صارمة بشأن مكان الإقامة الرقمي للبيانات، فاستشر OrcaRouter حول الخيارات المتاحة. لا يوجد أي مؤشر على أن OrcaRouter يشارك البيانات مع عملاء آخرين. معرّف النموذج هو التعديل الوحيد المطلوب؛ ولا يتم إدخال أي تعليمات مخصصة.
الاختلافات الرئيسية بين GPT-4o وGPT-4o-mini هي حجم نافذة السياق، والقدرات متعددة الوسائط، وأداء المعايير القياسية، والتكلفة. يوفر GPT-4o نافذة سياق بحجم 128 ألف رمز ويدعم إدخال الصور والملفات. GPT-4o-mini (بناءً على عروض OpenAI) عادةً ما يكون له سياق أصغر (مثل 128 ألف أو 16 ألف رمز في بعض الإصدارات) وقد لا يدعم جميع الوسائط. في اختبار MATH-500، يسجل GPT-4o 79.1؛ بينما يسجل GPT-4o-mini درجة أقل. التسعير: تبلغ تكلفة GPT-4o 5 دولارات/15 دولارًا لكل مليون رمز، بينما GPT-4o-mini أرخص بكثير (مثل 0.15 دولار/0.60 دولار لكل مليون رمز في بعض الإصدارات). وبالتالي، فإن GPT-4o-mini مناسب للمهام الأبسط حيث تكون التكلفة المنخفضة هي الأولوية القصوى، بينما GPT-4o أفضل للاستدلال المعقد والمهام ذات السياق الطويل والمهام متعددة الوسائط. عند الاختيار بينهما، ضع في اعتبارك متطلبات الدقة والحاجة إلى معالجة الصور أو الملفات. يقدم OrcaRouter كلا النموذجين تحت معرفات مميزة. إذا كان عبء العمل الخاص بك نادرًا ما يستخدم الصور أو السياق الكبير، فقد يكون GPT-4o-mini هو الخيار الاقتصادي الأفضل.
GPT-4o (2024-05-13) هو نموذج متعدد الوسائط بسعة سياق تبلغ 128 ألف رمز، بينما الإصدارات الأقدم من GPT-4 (مثل gpt-4-0613) عادةً ما تكون بسعة سياق 8 آلاف أو 32 ألف رمز وتقتصر على النصوص فقط (بينما تدعم بعض الإصدارات اللاحقة الصور عبر نقاط نهاية رؤية منفصلة). سعر GPT-4o (5 دولارات / 15 دولارًا لكل مليون رمز) أقل عمومًا من سعر GPT-4 Turbo في ذروته (مثل 10 دولارات / 30 دولارًا لكل مليون رمز). أداء الاختبارات المعيارية: درجة MATH-500 المقدمة البالغة 79.1 هي لـ GPT-4o؛ ولم يكن لدى GPT-4 درجة رسمية لـ MATH-500 في الحقائق المقدمة، لكن من المعروف أنه حصل على درجات أقل في اختبارات رياضيات مماثلة. كما يوفر GPT-4o حدًا أعلى للإخراج (16 ألف رمز) مقارنة بـ GPT-4 الأقدم (4 آلاف أو 8 آلاف اعتمادًا على الإصدار). بشكل عام، يوفر GPT-4o قيمة أفضل للتطبيقات متعددة الوسائط وطويلة السياق. ومع ذلك، ربما تم ضبط نماذج GPT-4 القديمة بدقة لمهام محددة؛ لذا يُوصى بالتقييم على بياناتك الخاصة. من خلال OrcaRouter، يمكن الوصول إلى كلتا عائلتي النماذج.
مقارنة مباشرة تتطلب حقائق خاصة بالنموذج لم تقدم هنا. بشكل عام، كلا النموذجين متكافئان في القدرات الاستدلالية والمتعددة الوسائط. GPT-4o لديه نافذة سياقية بحجم 128 ألف رمز، مشابهة لنافذة Claude البالغة 200 ألف رمز (لـ Sonnet). كلاهما يدعم الصور. تتفاوت نتائج المعايير: GPT-4o يعطي درجة MATH-500 قدرها 79.1؛ درجات Claude 3.5 Sonnet على هذا المعيار غير موفرة. الأسعار: GPT-4o بسعر 5 دولار/15 دولار لكل مليون رمز؛ سعر Claude Sonnet عادةً حوالي 3 دولار/15 دولار لكل مليون رمز (قابل للتغيير). وبالتالي، تكاليف الإدخال لـ GPT-4o أعلى. تختلف اختلافات الأداء حسب المهمة: بعض المستخدمين يجدون Claude أفضل للكتابة الطويلة، بينما يتفوق GPT-4o في الرياضيات والبرمجة. بدون تقييم مضبوط، يُوصى باختبار كليهما على عينات تمثيلية. تقدم OrcaRouter كلا النموذجين، لذا يمكنك المقارنة بسهولة بتغيير معرف النموذج. في النهاية، أفضل نموذج يعتمد على متطلباتك الخاصة للدقة والكمون والتكلفة. الحقائق المقدمة لا تتضمن درجات Claude، لذا تبقى هذه المقارنة نوعية.
Llama 3 (على سبيل المثال، Llama 3 70B) هو نموذج مفتوح المصدر يمكن استضافته ذاتيًا، بينما GPT-4o هو نموذج مملوك ويتم الوصول إليه عبر API. يدعم GPT-4o المدخلات متعددة الوسائط (نص، صورة، ملف) مع سياق يبلغ 128 ألف رمز، بينما Llama 3 عادة ما يكون نصيًا فقط (إلا إذا تم ضبطه بدقة للرؤية) وله سياق أصغر (على سبيل المثال، 8K أو 32K). نتائج المعايير: درجة GPT-4o في MATH-500 هي 79.1؛ ويسجل Llama 3 70B حوالي 70–75 في معايير رياضية مماثلة (غير مذكورة في الحقائق، ولكنها معرفة عامة). التكلفة: تكلفة API الخاص بـ GPT-4o لكل رمز ثابتة؛ واستضافة Llama 3 ذاتيًا تنطوي على تكاليف بنية تحتية (GPU، كهرباء) يمكن أن تكون أقل عند الأحجام الكبيرة. زمن الاستجابة: قد يكون GPT-4o المستند إلى API أسرع لأحمال العمل الاندفاعية؛ بينما يمكن للنماذج المستضافة ذاتيًا أن توفر زمن استجابة ثابتًا إذا كانت السعة محجوزة. المرونة: يمكن ضبط Llama 3 بدقة؛ بينما لا يمكن ذلك مع GPT-4o. بالنسبة للمستخدمين الذين يرغبون في تجنب تقييد المورد أو التعامل مع البيانات الحساسة بالكامل في الموقع، فإن النماذج مفتوحة المصدر جذابة. يوفر OrcaRouter الوصول إلى كلا النوعين: يمكنك استخدام GPT-4o عبر API والوصول إلى النماذج مفتوحة المصدر من خلال OrcaRouter إذا كانت متاحة.
متوافق مع OpenAI — أبقِ على SDK الحالي
https://api.orcarouter.ai/v1import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key=os.environ["ORCAROUTER_API_KEY"],
)
response = client.chat.completions.create(
model="openai/gpt-4o-2024-05-13",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)frequency_penaltylogit_biaslogprobsmax_completion_tokensmax_tokensnparallel_tool_callspredictionpresence_penaltyresponse_formatseedservice_tierstopstreamtemperaturetool_choicetoolstop_logprobstop_pweb_search_options| الإدخال / 1M توكن | $5.00 |
|---|---|
| الإخراج / 1M توكن | $15.00 |
| العملة | USD |
تقدير بناءً على السعر المُعلن
تقدير فقط — يعتمد العدد الفعلي للرموز على مُجزّئ الرموز الخاص بالمزوّد.
ما يتحدث عنه المطورون هذا الأسبوع
GET /api/public/models/openai/gpt-4o-2024-05-13فتح @misc{orcarouter_gpt_4o_2024_05_13,
title = {GPT-4o (2024-05-13) API},
author = {OpenAI},
year = {2024},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/openai/gpt-4o-2024-05-13}
}OpenAI. (2024). GPT-4o (2024-05-13) API. OrcaRouter. https://www.orcarouter.ai/models/openai/gpt-4o-2024-05-13