GPT-4o ("o"는 "omni"를 의미)는 OpenAI의 최신 AI 모델로, 텍스트와 이미지 입력을 지원하며 텍스트 출력을 제공합니다. [GPT-4 Turbo](/models/openai/gpt-4-turbo)의 지능 수준을 유지하면서 두 배 더...
GPT-4o(2024-05-13)는 OpenAI의 멀티모달 언어 모델로, OrcaRouter API를 통해 접근할 수 있습니다. 텍스트, 이미지, 파일을 처리하므로 시각적 데이터와 텍스트 데이터가 혼합된 작업에 적합합니다. 이 모델의 128,000토큰 컨텍스트 창은 대용량 문서, 긴 대화, 코드베이스를 자르지 않고 처리할 수 있게 해줍니다.…
GPT-4o는 입력의 일부로 제공된 이미지를 분석할 수 있습니다. 시각적 콘텐츠를 설명하고, 객체, 이미지 내 텍스트, 공간적 관계에 관한 질문에 답변할 수 있습니다. 또한 스캔된 문서나 사진에서 텍스트를 추출하고 변환할 수 있습니다. 이미지를 직접 처리하기 때문에 별도의 OCR이나 비전 모델이 필요하지 않습니다. 이미지는 컨텍스트 윈도우에 맞게 토큰화됩니다. 예를 들어, 사용자는 그래프 스크린샷을 업로드하고 모델에게 추세를 해석하도록 요청할 수 있습니다. 모델의 이해는 단순한 캡션에 국한되지 않습니다. 콘텐츠에 대해 추론하고, 여러 이미지를 비교하며, 시각적 단서와 텍스트 지침을 함께 활용할 수 있습니다. 이 기능은 동일한 API 호출에 통합되어 있으며, 텍스트 전용 요청과 동일한 메시지 형식을 사용합니다. OrcaRouter에서는 콘텐츠 배열에 base64로 인코딩된 데이터 또는 URL로 이미지를 전송합니다. 모델 ID는 "openai/gpt-4o-2024-05-13"로 유지됩니다.
GPT-4o는 파일을 입력으로 받아들입니다. 지원되는 형식에는 PDF, Microsoft Office 문서(Word, Excel, PowerPoint), 텍스트 파일 및 이미지 형식이 포함됩니다. PDF 및 Office 파일의 경우 모델은 텍스트 콘텐츠를 추출하고 레이아웃을 분석합니다. 복잡한 서식을 직접 렌더링하지 않고 텍스트 내용을 읽습니다. 이는 수동 추출 없이 보고서, 계약서, 스프레드시트 또는 프레젠테이션을 처리하는 데 유용합니다. 파일 콘텐츠는 토큰화되어 입력 토큰 총계에 포함됩니다. 모델은 파일 내용에 대한 질문에 답변하고, 요약하거나, 표 형식 데이터에 대해 계산을 수행할 수 있습니다. 파일을 사용할 때는 적절한 OpenAI API 필드를 사용하여 메시지 콘텐츠의 일부로 포함합니다. OrcaRouter는 수정 없이 전송을 처리합니다. 모델의 기능은 추출된 텍스트의 품질에 따라 달라지며, PDF에 포함된 스캔 이미지가 많은 경우 포함된 텍스트 레이어가 없으면 완전히 읽을 수 없을 수 있습니다.
GPT-4o는 GPT-4o-mini나 이전 GPT-3.5 변형 모델과 같은 대안보다 비용이 더 높은 프리미엄 모델입니다. 작업에 멀티모달 기능(예: 텍스트 전용 작업), 대규모 컨텍스트(최대 128K), 또는 MATH-500(79.1)으로 측정된 수학적 추론 수준이 필요하지 않다면, 더 저렴한 모델이 경제적일 수 있습니다. 예를 들어, 간단한 분류, 짧은 형식의 콘텐츠 생성, 또는 기본 채팅은 여전히 허용 가능한 품질을 제공하는 저비용 모델로 처리할 수 있습니다. 또한, 애플리케이션이 지연 시간에 민감하고 더 작은 모델이 더 빠르다면, 절대적 정확성보다 속도를 우선하는 트레이드오프가 유리할 수 있습니다. 마지막으로, 이미지나 파일을 거의 처리할 필요가 없다면 추가된 멀티모달 기능은 불필요합니다. OrcaRouter는 다양한 모델을 제공하므로 최적의 가격 대비 성능 비율을 선택할 수 있습니다. 사용 사례의 요구 사항을 벤치마크 점수 및 가격과 비교하여 GPT-4o의 장점이 추가 비용을 정당화하는지 평가하십시오.
GPT-4o는 요청당 최대 16,384개의 토큰을 생성할 수 있습니다. 이는 긴 형식의 답변, 상세한 코드 또는 여러 단락에 걸친 분석을 가능하게 하는 넉넉한 한도입니다. 그러나 출력 토큰은 백만 개당 $15.00로 청구되므로, 출력이 길수록 비용이 더 많이 듭니다. API 호출 시 max_tokens 매개변수를 사용하여 출력 길이를 제어할 수 있습니다. 매우 긴 생성이 필요할 것으로 예상된다면 요청을 배치 처리하거나 분할하는 것을 고려하세요. 16,384 한도는 요청 시 추론 단계나 사고 사슬(chain-of-thought)을 포함한 전체 완성 결과에 적용됩니다. 확장된 사고가 필요한 매우 복잡한 작업의 경우 여러 번의 호출을 사용해야 할 수 있습니다. OrcaRouter에서는 출력 토큰 수가 API 응답의 usage 필드에 보고되므로 비용을 정확히 추적할 수 있습니다. OrcaRouter에 의해 추가 제한이 적용되지는 않으며, 모델의 기본 상한이 적용됩니다.
GPT-4o는 MATH-500 벤치마크에서 79.1점을 기록했습니다. MATH-500은 대수학, 기하학, 정수론, 확률 등 다양한 주제에 걸친 500개의 까다로운 수학 문제로 구성되어 있습니다. 79.1점은 모델이 문제의 79.1%를 올바르게 답했음을 의미합니다. 이는 강력한 수학적 추론 능력, 특히 멀티모달 모델로서 뛰어난 결과입니다. 이 벤치마크는 문제 해결 능력과 단계별 추론 능력을 모두 테스트합니다. 이 점수는 수학 튜터링, 과학 계산, 논리 퍼즐 관련 애플리케이션에 대한 기대치를 설정하는 데 도움이 됩니다. 벤치마크 성능이 실제 작업에서 동일한 결과를 보장하지는 않으며, 도메인별 튜닝이나 프롬프트 엔지니어링이 필요할 수 있습니다. 이 모델을 평가할 때는 MATH-500 점수를 다른 모델과 비교해 보십시오. OrcaRouter는 추가적인 벤치마크 데이터를 제공하지 않으므로, 이것이 이 모델에 대해 제공된 유일한 참조 지표입니다.
지연 시간은 여러 요인에 따라 달라집니다: 입력 길이, 예상 출력 길이, OpenAI 서버의 현재 부하, 그리고 애플리케이션과 OrcaRouter 간의 네트워크 경로입니다. OrcaRouter는 기본 제공자의 응답 시간에 비해 큰 오버헤드를 추가하지 않습니다. 중간 수준의 입력(수천 개의 토큰)과 짧은 출력(1,000개 미만의 토큰)을 가진 일반적인 요청의 경우 응답이 몇 초 내에 도착하는 경우가 많습니다. 더 긴 출력(16,384개 토큰에 가까운)은 모델이 토큰을 순차적으로 생성하기 때문에 당연히 더 많은 시간이 소요됩니다. 이미지 입력도 토큰화 및 처리로 인해 지연 시간이 증가합니다. 출력 길이를 줄이거나, 더 짧은 프롬프트를 사용하거나, 요청을 배치 처리하여 지연 시간을 최적화할 수 있습니다. OrcaRouter는 표준 API 엔드포인트를 제공하며, 원하는 경우 스트리밍을 통해 결과를 비동기식으로 반환합니다. 실시간 대화형 애플리케이션의 경우 스트리밍 모드(stream: true)를 사용하여 토큰이 도착하는 즉시 처리를 시작하는 것을 고려하십시오. 모델 사실에 구체적인 지연 시간 수치가 제공되지 않았으므로 이는 정성적 추정치입니다.
강점: 멀티모달 입력(텍스트, 이미지, 파일), 대규모 128K 컨텍스트 윈도우, 강력한 수학적 추론 능력(MATH-500: 79.1), 높은 출력 토큰 제한(16,384). 긴 문서와 다중 턴 대화를 효과적으로 처리합니다. API는 표준 OpenAI 호환 방식이므로 통합이 용이합니다. 한계: 소형 모델에 비해 비용이 높습니다. 멀티모달 또는 대규모 컨텍스트의 이점을 활용하지 않는 작업에는 최적화되지 않았습니다. 비영어권 언어 성능이나 특정 안전성 벤치마크에 대한 정보는 제공되지 않습니다. 매우 복잡한 장면이나 저해상도 이미지의 경우 이미지 이해에 한계가 있을 수 있습니다. 또한, 학습 분포 외부의 문제에 대해 부정확한 답변을 생성할 수 있습니다. 공개된 지연 시간 보장은 없습니다. 매우 낮은 지연 시간이나 매우 낮은 비용이 필요한 사용자에게는 다른 모델이 더 적합할 수 있습니다. MATH-500에서 79.1의 벤치마크 점수는 가장 어려운 수학 문제에서 개선의 여지가 있음을 시사합니다. 이러한 트레이드오프가 애플리케이션의 요구사항에 부합하는지 평가하세요.
GPT-4o는 토큰당 요금이 부과되며, 입력 토큰과 출력 토큰에 대해 별도의 요율이 적용됩니다. 입력 토큰은 100만 토큰당 $5.00이며, 출력 토큰은 100만 토큰당 $15.00입니다. 이는 제공업체 요율로, OrcaRouter가 마크업 없이 전달합니다. 요청당 비용 = (입력 토큰/1e6 * 5) + (출력 토큰/1e6 * 15)입니다. 예를 들어, 입력 토큰 4,000개와 출력 토큰 200개가 있는 대화의 비용은 (0.004*$5) + (0.0002*$15) = $0.02 + $0.003 = $0.023입니다. API 호출 자체에 대한 추가 요금은 없으며, 소비된 토큰에 대해서만 비용을 지불합니다. 가격은 제공업체 변경에 따라 동적으로 업데이트되며, OrcaRouter는 향후 조정 사항을 그대로 전달합니다. 마크업이 없으므로 사용자는 직접 OpenAI 고객과 동일한 요율을 누리면서도 OrcaRouter의 통합 관리 및 청구 편의를 누릴 수 있습니다. 이미지와 파일도 토큰화되어 입력 토큰 수에 포함되므로, 텍스트만 입력하는 경우에 비해 비용이 증가할 수 있다는 점에 유의하십시오.
아니요. OrcaRouter는 반복 입력에 대해 할인, 캐싱된 토큰 또는 할인된 가격을 제공하지 않습니다. 모든 토큰은 표준 제공업체 요율로 청구됩니다. 별도의 캐싱 비용이나 대량 사용에 대한 할증은 없습니다. 토큰당 $5/$15는 고정 요금입니다. 매우 높은 처리량이 필요한 사용자는 맞춤형 계약에 대해 문의할 수 있지만, 표준 서비스에는 볼륨 할인이 포함되지 않습니다. 또한 연결 요금이나 월 최소 사용량과 같은 숨겨진 수수료도 없습니다. 가격은 투명하며 토큰 사용량에 직접 연결됩니다. 비용 최적화를 위해 입력 크기(예: 기록 정리, 더 짧은 프롬프트 사용)와 출력 길이(예: 낮은 max_tokens 설정)를 줄이는 것을 고려하세요. 또한 모델의 기능(멀티모달, 대규모 컨텍스트)이 필요할 때만 사용하면 비용 제어에 도움이 됩니다. 애플리케이션에 매번 동일한 반복 프롬프트가 있는 경우 애플리케이션 계층에서 캐싱하면 토큰 사용량을 줄일 수 있지만, OrcaRouter 자체는 그러한 기능을 제공하지 않습니다.
GPT-4o는 프리미엄 가격입니다. 많은 작업에서 더 저렴한 모델(예: GPT-4o-mini 또는 GPT-3.5-turbo)로도 충분할 수 있습니다. 복잡성과 필요한 정확도를 평가하여 절충하세요. 작업이 제한된 컨텍스트로 단순 추출이나 분류를 포함하는 경우, 더 저렴한 모델이 훨씬 낮은 비용으로 비슷한 성능을 발휘할 수 있습니다. 반대로, 작업이 이미지에 대한 미묘한 이해, 긴 문서, 또는 높은 수학적 정밀도(MATH-500 점수 79.1 대 저렴한 모델의 낮은 점수)를 요구하는 경우, GPT-4o는 프리미엄 가격을 지불할 가치가 있을 수 있습니다. 대표 샘플에서 A/B 테스트를 사용하여 품질과 비용을 비교하세요. 또한, 텍스트 길이에 관계없이 백만 토큰당 동일한 가격이 적용되므로 요청이 짧을수록 저렴합니다. 워크플로우에서 전체 128K 컨텍스트를 자주 사용하는 경우, 해당 요청의 입력 토큰 비용이 높을 수 있습니다. 컨텍스트가 실제로 필요한지 확인하세요. OrcaRouter는 사용량 메트릭을 제공하여 모니터링 및 최적화할 수 있습니다.
OrcaRouter에서 GPT-4o를 호출하려면 OpenAI 호환 API 엔드포인트를 사용하세요: base_url = "https://api.orcarouter.ai/v1". 모델 파라미터를 "openai/gpt-4o-2024-05-13"으로 설정하세요. OrcaRouter의 API 키가 필요합니다. 요청 형식은 표준 OpenAI Chat Completions API를 따릅니다: roles(system, user, assistant)이 포함된 messages 배열, 이미지와 파일을 위한 선택적 content, temperature, max_tokens, top_p, frequency_penalty, presence_penalty, stop과 같은 파라미터. 예를 들어, 간단한 텍스트 요청은 POST로 /chat/completions에 전송됩니다. 이미지의 경우, type "image_url"을 사용하여 사용자 메시지의 content에 포함합니다. 파일의 경우에도 content에 포함합니다(구체적인 형식은 OpenAI 명세를 따릅니다). 응답에는 assistant의 메시지, 사용 통계(prompt_tokens, completion_tokens, total_tokens) 및 기타 메타데이터가 포함됩니다. 표준 Content-Type과 Authorization 외에 특별한 헤더는 필요하지 않습니다. 통합은 OpenAI를 직접 사용하는 것과 동일합니다.
모든 표준 OpenAI 채팅 완료 파라미터가 지원됩니다: messages (필수), model (필수, "openai/gpt-4o-2024-05-13"으로 설정), temperature (0–2, 기본값 1), top_p (0–1, 기본값 1), n (완료 수, 기본값 1), stop (문자열 또는 문자열 목록), max_tokens (기본값 16,384, 최대 16,384), presence_penalty (−2 ~ 2, 기본값 0), frequency_penalty (−2 ~ 2, 기본값 0), logit_bias (토큰 ID와 바이어스 값의 맵), user (악용 모니터링용 문자열), stream (부울, 기본값 false), 그리고 functions/tools (함수 호출용). 멀티모달 입력의 경우 messages content는 "text" 또는 "image_url" 유형의 콘텐츠 파트 배열일 수 있습니다. 또한 OpenAI 문서에 따라 (예: PDF 첨부 파일의 경우) "file" 유형 콘텐츠를 포함할 수 있습니다. OrcaRouter는 이러한 파라미터를 수정 없이 공급자에게 직접 전달합니다. 128K 토큰의 컨텍스트 윈도우를 초과하지 않도록 주의하세요. API는 잘못된 요청, 속도 제한 또는 인증 실패 시 표준 오류 코드를 반환합니다.
마이그레이션은 OrcaRouter의 API가 OpenAI와 완전히 호환되기 때문에 간단합니다. base URL을 https://api.openai.com/v1에서 https://api.orcarouter.ai/v1로 변경하고, 모델 ID를 "gpt-4o-2024-05-13"에서 "openai/gpt-4o-2024-05-13"로 변경하기만 하면 됩니다. OrcaRouter의 API 키가 OpenAI 키를 대체합니다. OpenAI Python/Node 라이브러리나 원시 HTTP 요청을 사용하는 기존 코드는 다른 수정 없이도 작동합니다. 메시지 형식, 매개변수 이름, 응답 구조가 동일합니다. base URL 매개변수를 받는 라이브러리의 경우, OrcaRouter 엔드포인트로 설정하기만 하면 됩니다. OpenAI 클라이언트를 사용 중이었다면, base_url을 OrcaRouter 엔드포인트로 설정하여 인스턴스화할 수 있습니다. 프롬프트 엔지니어링이나 캐싱 로직을 변경할 필요가 없습니다. OrcaRouter는 이전과 동일하게 스트리밍(stream: true)과 함수 호출을 지원합니다. 소수의 요청으로 테스트하여 동작이 일치하는지 확인할 수 있습니다.
OrcaRouter는 모델의 동작을 수정하지 않습니다. 단순히 게이트웨이 역할을 하여, 사용자의 요청을 OpenAI의 서버로 전달하고 응답을 그대로 반환합니다. OrcaRouter는 추가적인 전처리, 후처리 또는 콘텐츠 필터링을 적용하지 않습니다. 데이터 처리와 관련하여: OrcaRouter는 청구 및 운영 모니터링에 필요한 것 이상으로 프롬프트나 완료 데이터를 저장하거나 기록하지 않습니다. OpenAI의 자체 데이터 정책이 OrcaRouter를 통한 모델 사용에 적용됩니다. 제공된 사실에 따르면 OrcaRouter가 표준 API 로깅 이상으로 데이터를 보유한다는 언급은 없습니다. 사용자는 데이터 처리를 이해하기 위해 OrcaRouter의 개인정보 보호정책과 OpenAI의 정책을 모두 검토해야 합니다. 엄격한 데이터 상주 요구사항이 있는 경우, 가능한 옵션에 대해 OrcaRouter에 문의하십시오. OrcaRouter가 다른 고객과 데이터를 공유한다는 징후는 없습니다. 모델 ID만 수정하면 되며, 사용자 정의 명령어가 주입되지 않습니다.
GPT-4o와 GPT-4o-mini의 주요 차이점은 컨텍스트 윈도우 크기, 멀티모달 기능, 벤치마크 성능 및 비용입니다. GPT-4o는 128K 컨텍스트 윈도우를 제공하며 이미지 및 파일 입력을 지원합니다. GPT-4o-mini(OpenAI의 제품 기준)는 일반적으로 더 작은 컨텍스트(예: 일부 버전에서 128K 또는 16K)를 가지며 모든 모달리티를 지원하지 않을 수 있습니다. MATH-500에서 GPT-4o는 79.1점을 기록합니다. GPT-4o-mini는 더 낮은 점수를 기록할 것입니다. 가격: GPT-4o는 백만 토큰당 $5/$15인 반면, GPT-4o-mini는 훨씬 저렴합니다(예: 일부 버전에서 백만 토큰당 $0.15/$0.60). 따라서 GPT-4o-mini는 낮은 비용이 중요한 단순 작업에 적합하고, GPT-4o는 복잡한 추론, 긴 컨텍스트, 멀티모달 작업에 더 적합합니다. 둘 중에서 선택할 때는 정확성 요구 사항과 비전 또는 파일 처리 필요성을 고려하세요. OrcaRouter는 두 모델을 별도의 ID로 제공합니다. 워크로드에서 이미지나 큰 컨텍스트를 거의 사용하지 않는다면, GPT-4o-mini가 경제적으로 우수한 선택일 수 있습니다.
GPT-4o (2024-05-13)는 128K 컨텍스트 윈도우를 가진 멀티모달 모델인 반면, 이전 GPT-4 버전(예: gpt-4-0613)은 일반적으로 8K 또는 32K 컨텍스트를 가지며 텍스트 전용입니다(일부 이후 버전은 별도의 비전 엔드포인트를 통해 이미지를 지원합니다). GPT-4o의 가격(백만 토큰당 $5/$15)은 일반적으로 GPT-4 Turbo의 최고 가격(예: 백만 토큰당 $10/$30)보다 낮습니다. 벤치마크 성능: 제공된 MATH-500 점수 79.1은 GPT-4o에 대한 것입니다. GPT-4는 제공된 사실에 공식 MATH-500 점수가 없었지만, 유사한 수학 벤치마크에서 더 낮은 점수를 받는 것으로 알려져 있었습니다. GPT-4o는 또한 이전 GPT-4(버전에 따라 4K 또는 8K)에 비해 더 높은 출력 제한(16K 토큰)을 제공합니다. 전반적으로 GPT-4o는 멀티모달, 긴 컨텍스트 애플리케이션에 더 나은 가치를 제공합니다. 그러나 이전 GPT-4 모델은 특정 작업에 미세 조정되었을 수 있습니다. 자체 데이터로 평가하십시오. OrcaRouter를 통해 두 모델 제품군에 모두 액세스할 수 있습니다.
직접적인 비교를 위해서는 여기에 제공되지 않은 모델별 사실이 필요합니다. 일반적으로 두 모델 모두 추론 및 멀티모달 능력에서 경쟁력이 있습니다. GPT-4o는 128K 컨텍스트 창을 가지며, Claude의 200K 컨텍스트(Sonnet 기준)와 유사합니다. 둘 다 이미지를 지원합니다. 벤치마크 점수는 다양합니다. GPT-4o는 MATH-500 점수 79.1을 제공하는 반면, Claude 3.5 Sonnet의 해당 벤치마크 점수는 제공되지 않습니다. 가격: GPT-4o는 백만 토큰당 $5/$15이고, Claude Sonnet 가격은 일반적으로 백만 토큰당 약 $3/$15입니다(변동 가능). 따라서 GPT-4o의 입력 비용이 더 높습니다. 성능 차이는 작업에 따라 다릅니다. 일부 사용자는 장문 작성에 Claude가 더 우수하다고 생각하는 반면, GPT-4o는 수학과 코딩에 뛰어납니다. 통제된 평가 없이 대표 샘플로 두 모델을 테스트하는 것이 좋습니다. OrcaRouter는 두 모델을 모두 제공하므로 모델 ID를 변경하여 쉽게 비교할 수 있습니다. 궁극적으로 최적의 모델은 정확성, 지연 시간 및 비용에 대한 특정 요구 사항에 따라 달라집니다. 제공된 사실에는 Claude의 점수가 포함되어 있지 않으므로 이 비교는 정성적입니다.
Llama 3 (예: Llama 3 70B)는 자체 호스팅이 가능한 오픈소스 모델인 반면, GPT-4o는 독점적이며 API를 통해 접근됩니다. GPT-4o는 128K 컨텍스트로 멀티모달 입력(텍스트, 이미지, 파일)을 지원하는 반면, Llama 3는 일반적으로 텍스트 전용(비전용으로 파인튜닝되지 않은 경우)이며 더 작은 컨텍스트(예: 8K 또는 32K)를 가집니다. 벤치마크 점수: GPT-4o의 MATH-500 점수는 79.1이고, Llama 3 70B는 유사한 수학 벤치마크에서 약 70–75점을 기록합니다(사실에 제공되지 않았지만 일반적인 지식). 비용: GPT-4o의 API 비용은 토큰당 고정되어 있으며, Llama 3를 자체 호스팅하면 높은 볼륨에서 더 낮을 수 있는 인프라 비용(GPU, 전기)이 발생합니다. 지연 시간: API 기반 GPT-4o는 버스트 작업에 더 빠를 수 있으며, 자체 호스팅 모델은 용량이 예약된 경우 일관된 지연 시간을 제공할 수 있습니다. 유연성: Llama 3는 파인튜닝이 가능하지만 GPT-4o는 불가능합니다. 벤더 종속을 피하거나 민감한 데이터를 완전히 온프레미스에서 처리하려는 사용자에게 오픈소스 모델은 매력적입니다. OrcaRouter는 두 유형 모두에 대한 접근을 제공합니다. API를 통해 GPT-4o를 사용할 수 있으며, 가능한 경우 OrcaRouter를 통해 오픈소스 모델에도 접근할 수 있습니다.
OpenAI 호환 — 쓰던 SDK 그대로
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| 입력 / 1M tokens | $5.00 |
|---|---|
| 출력 / 1M tokens | $15.00 |
| 통화 | USD |
정가 기준 추정치
추정치일 뿐입니다 — 실제 토큰 수는 제공자의 토크나이저에 따라 달라집니다.
이번 주 개발자들의 이야기
@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