gpt-4-vision-preview
POST/v1/chat/completions全新的视觉模型，支持图片输入，能够识别理解图像，支持4k tokens上下文。在gpt-4的基础上增加视觉识别能力。
支持传入图片URL和Base64两种方式，详情请参考官方文档
这依然是一个GPT-4 Turbo预览版模型，正式版尚未推出。
请求参数
要使用的模型的 ID。有关哪些模型适用于聊天 API 的详细信息，请参阅模型端点兼容性表。
以聊天格式生成聊天完成的消息。
使用什么采样温度，介于 0 和 2 之间。较高的值（如 0.8）将使输出更加随机，而较低的值（如 0.2）将使输出更加集中和确定。 我们通常建议改变这个或top_p但不是两者。
一种替代温度采样的方法，称为核采样，其中模型考虑具有 top_p 概率质量的标记的结果。所以 0.1 意味着只考虑构成前 10% 概率质量的标记。 我们通常建议改变这个或temperature但不是两者。
为每个输入消息生成多少个聊天完成选项。
API 将停止生成更多令牌的最多 4 个序列。
聊天完成时生成的最大令牌数。 输入标记和生成标记的总长度受模型上下文长度的限制。
-2.0 和 2.0 之间的数字。正值会根据到目前为止是否出现在文本中来惩罚新标记，从而增加模型谈论新主题的可能性。 查看有关频率和存在惩罚的更多信息。
-2.0 和 2.0 之间的数字。正值会根据新标记在文本中的现有频率对其进行惩罚，从而降低模型逐字重复同一行的可能性。 查看有关频率和存在惩罚的更多信息。
修改指定标记出现在完成中的可能性。 接受一个 json 对象，该对象将标记（由标记器中的标记 ID 指定）映射到从 -100 到 100 的关联偏差值。从数学上讲，偏差会在采样之前添加到模型生成的 logits 中。确切的效果因模型而异，但 -1 和 1 之间的值应该会减少或增加选择的可能性；像 -100 或 100 这样的值应该导致相关令牌的禁止或独占选择。
代表您的最终用户的唯一标识符，可以帮助 OpenAI 监控和检测滥用行为。了解更多。
{
"model": "gpt-4-vision-preview",
"stream": false,
"messages": [
{
"role": "user",
"content": [
{
"type": "text",
"text": "分析这张图片"
},
{
"type": "image_url",
"image_url": {
"url": "https://www.baidu.com/img/PCtm_d9c8750bed0b3c7d089fa7d55720d6cf.png"
}
}
]
}
],
"max_tokens": 400
}示例代码
返回响应
{
"id": "chatcmpl-8g876zHgLy5Niti9VyhvJ4K0bCd20",
"object": "chat.completion",
"created": 1705051656,
"model": "gpt-4-1106-vision-preview",
"usage": {
"prompt_tokens": 437,
"completion_tokens": 135,
"total_tokens": 572
},
"choices": [
{
"message": {
"role": "assistant",
"content": "这个图像显示了中文和图形logo的组合。文字部分是\"百度\"，这是一个中文名字，颜色为红色。在文字上方是一个蓝色的图案，类似于一只脚印或一个爪印。这是中国公司百度的标志，百度是一个领先的中文互联网搜索提供商，提供网页搜索、图片搜索、音视频搜索等服务。这个logo的设计简洁而易于识别。"
},
"finish_reason": "stop",
"index": 0
}
]
}