Modele usługi Azure OpenAI Service

Artykuł
10/25/2024

Usługa Azure OpenAI Service jest obsługiwana przez zróżnicowany zestaw modeli z różnymi możliwościami i cenami. Dostępność modelu różni się w zależności od regionu i chmury. Aby uzyskać informacje o dostępności modelu platformy Azure Government, zobacz Azure Government OpenAI Service.

Modele	opis
o1-preview i o1-mini	Modele ograniczonego dostępu, specjalnie zaprojektowane w celu rozwiązywania problemów i rozwiązywania problemów z większą koncentracją uwagi i możliwościami.
GPT-4o & GPT-4o mini & GPT-4 Turbo	Najnowsze najbardziej zdolne modele usługi Azure OpenAI z wersjami wielomodalnymi, które mogą akceptować zarówno tekst, jak i obrazy jako dane wejściowe.
GPT-4o-Realtime-Preview	Model GPT-4o, który obsługuje interakcje konwersacyjne z małymi opóźnieniami, "mową w, wypowiedź".
GPT-4	Zestaw modeli ulepszających język GPT-3.5 i może zrozumieć i wygenerować język naturalny oraz kod.
GPT-3.5	Zestaw modeli, które ulepszają język GPT-3 i mogą zrozumieć i wygenerować język naturalny oraz kod.
Osadzanie	Zestaw modeli, które mogą konwertować tekst na postać wektorów liczbowych, aby ułatwić podobieństwo tekstu.
DALL-E	Seria modeli, które mogą generować oryginalne obrazy na podstawie języka naturalnego.
Szeptać	Seria modeli w wersji zapoznawczej, które mogą transkrybować i tłumaczyć mowę na tekst.
Zamiana tekstu na mowę (wersja zapoznawcza)	Seria modeli w wersji zapoznawczej, która może syntetyzować tekst na mowę.

o1-preview i o1-mini modele z ograniczonym dostępem

Usługa Azure OpenAI o1-preview i o1-mini modele zostały specjalnie zaprojektowane w celu rozwiązywania problemów i rozwiązywania problemów z większą koncentracją uwagi i możliwościami. Modele te poświęcają więcej czasu na przetwarzanie i zrozumienie żądania użytkownika, co czyni je wyjątkowo silnymi w obszarach takich jak nauka, kodowanie i matematyka w porównaniu z poprzednimi iteracjami.

Model ID	opis	Maksymalne żądanie (tokeny)	Dane szkoleniowe (maksymalnie)
`o1-preview` (2024-09-12)	Najbardziej zdolny model w serii o1 oferuje ulepszone możliwości rozumowania.	Dane wejściowe: 128 000 Dane wyjściowe: 32 768	Październik 2023 r.
`o1-mini` (2024-09-12)	Szybsza i bardziej opłacalna opcja w serii o1, idealna do kodowania zadań wymagających szybkiego i niższego zużycia zasobów.	Dane wejściowe: 128 000 Dane wyjściowe: 65 536	Październik 2023 r.

Dostępność

Modele o1-preview i o1-mini są teraz dostępne na potrzeby dostępu do interfejsu API i wdrażania modelu. Rejestracja jest wymagana, a dostęp zostanie udzielony na podstawie kryteriów kwalifikowalności firmy Microsoft.

Żądanie dostępu: aplikacja modelu ograniczonego dostępu

Po udzieleniu dostępu należy utworzyć wdrożenie dla każdego modelu.

Obsługa interfejsu API

Obsługa modeli serii o1 została dodana w wersji 2024-09-01-previewinterfejsu API .

Parametr max_tokens został przestarzały i zastąpiony nowym max_completion_tokens parametrem. Modele serii o1 będą działać tylko z parametrem max_completion_tokens .

Użycie

Te modele nie obsługują obecnie tego samego zestawu parametrów co inne modele korzystające z interfejsu API uzupełniania czatów. Obecnie obsługiwany jest tylko bardzo ograniczony podzbiór, więc typowe parametry, takie jak temperature, top_p, są niedostępne i w tym spowodują niepowodzenie żądania. o1-preview modele i o1-mini nie akceptują również roli komunikatów systemowych w ramach tablicy komunikatów.

W celu skorzystania z nowego max_completion_tokens parametru może być konieczne uaktualnienie wersji biblioteki języka Python openAI.

pip install openai --upgrade

Jeśli dopiero zaczynasz używać identyfikatora Entra firmy Microsoft do uwierzytelniania, zobacz Jak skonfigurować usługę Azure OpenAI przy użyciu uwierzytelniania identyfikatora Entra firmy Microsoft.

from openai import AzureOpenAI
from azure.identity import DefaultAzureCredential, get_bearer_token_provider

token_provider = get_bearer_token_provider(
    DefaultAzureCredential(), "https://cognitiveservices.azure.com/.default"
)

client = AzureOpenAI(
  azure_endpoint = os.getenv("AZURE_OPENAI_ENDPOINT"), 
  azure_ad_token_provider=token_provider,
  api_version="2024-09-01-preview"
)

response = client.chat.completions.create(
    model="o1-preview-new", # replace with the model deployment name of your o1-preview, or o1-mini model
    messages=[
        {"role": "user", "content": "What steps should I think about when writing my first Python API?"},
    ],
    max_completion_tokens = 5000

)

print(response.model_dump_json(indent=2))

W celu skorzystania z nowego max_completion_tokens parametru może być konieczne uaktualnienie wersji biblioteki języka Python openAI.

pip install openai --upgrade


from openai import AzureOpenAI

client = AzureOpenAI(
  azure_endpoint = os.getenv("AZURE_OPENAI_ENDPOINT"), 
  api_key=os.getenv("AZURE_OPENAI_API_KEY"),  
  api_version="2024-09-01-preview"
)

response = client.chat.completions.create(
    model="o1-preview-new", # replace with the model deployment name of your o1-preview, or o1-mini model
    messages=[
        {"role": "user", "content": "What steps should I think about when writing my first Python API?"},
    ],
    max_completion_tokens = 5000

)

print(response.model_dump_json(indent=2))

{
  "id": "chatcmpl-AEj7pKFoiTqDPHuxOcirA9KIvf3yz",
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "logprobs": null,
      "message": {
        "content": "Writing your first Python API is an exciting step in developing software that can communicate with other applications. An API (Application Programming Interface) allows different software systems to interact with each other, enabling data exchange and functionality sharing. Here are the steps you should consider when creating your first Python API:\n\n1. **Define the Purpose and Requirements**\n\n   - **Identify the Functionality**: Clearly outline what your API is supposed to do. What data or services will it provide to the users?\n   - **Determine the Endpoints**: Plan the different URLs (endpoints) through which users can access the API functionalities.\n   - **Specify Request and Response Formats**: Decide on the data formats (usually JSON) for incoming requests and outgoing responses.\n\n2. **Choose the Right Framework**\n\n   Python offers several frameworks for building APIs. Two of the most popular are:\n\n   - **Flask**: A lightweight and flexible web framework, great for small to medium-sized APIs.\n   - **FastAPI**: A modern, high-performance framework for building APIs with Python 3.6+ types, offering automatic interactive documentation.\n\n   **Example**:\n   ```bash\n   pip install flask\n   ```\n   or\n   ```bash\n   pip install fastapi uvicorn\n   ```\n\n3. **Set Up the Development Environment**\n\n   - **Create a Virtual Environment**: Isolate your project dependencies using `venv` or `conda`.\n   - **Install Required Packages**: Ensure all necessary libraries and packages are installed.\n\n   **Example**:\n   ```bash\n   python -m venv env\n   source env/bin/activate  # On Windows use `env\\Scripts\\activate`\n   ```\n\n4. **Implement the API Endpoints**\n\n   - **Write the Code for Each Endpoint**: Implement the logic that handles requests and returns responses.\n   - **Use Decorators to Define Routes**: In frameworks like Flask, you use decorators to specify the URL endpoints.\n\n   **Example with Flask**:\n   ```python\n   from flask import Flask, request, jsonify\n\n   app = Flask(__name__)\n\n   @app.route('/hello', methods=['GET'])\n   def hello_world():\n       return jsonify({'message': 'Hello, World!'})\n\n   if __name__ == '__main__':\n       app.run(debug=True)\n   ```\n\n5. **Handle Data Serialization and Deserialization**\n\n   - **Parsing Incoming Data**: Use libraries to parse JSON or other data formats from requests.\n   - **Formatting Output Data**: Ensure that responses are properly formatted in JSON or XML.\n\n6. **Implement Error Handling**\n\n   - **Handle Exceptions Gracefully**: Provide meaningful error messages and HTTP status codes.\n   - **Validate Input Data**: Check for required fields and appropriate data types to prevent errors.\n\n   **Example**:\n   ```python\n   @app.errorhandler(404)\n   def resource_not_found(e):\n       return jsonify(error=str(e)), 404\n   ```\n\n7. **Add Authentication and Authorization (If Necessary)**\n\n   - **Secure Endpoints**: If your API requires, implement security measures such as API keys, tokens (JWT), or OAuth.\n   - **Manage User Sessions**: Handle user login states and permissions appropriately.\n\n8. **Document Your API**\n\n   - **Use Tools Like Swagger/OpenAPI**: Automatically generate interactive API documentation.\n   - **Provide Usage Examples**: Help users understand how to interact with your API.\n\n   **Example with FastAPI**:\n   FastAPI automatically generates docs at `/docs` using Swagger UI.\n\n9. **Test Your API**\n\n   - **Write Unit and Integration Tests**: Ensure each endpoint works as expected.\n   - **Use Testing Tools**: Utilize tools like `unittest`, `pytest`, or API testing platforms like Postman.\n\n   **Example**:\n   ```python\n   import unittest\n   class TestAPI(unittest.TestCase):\n       def test_hello_world(self):\n           response = app.test_client().get('/hello')\n           self.assertEqual(response.status_code, 200)\n   ```\n\n10. **Optimize Performance**\n\n    - **Improve Response Times**: Optimize your code and consider using asynchronous programming if necessary.\n    - **Manage Resource Utilization**: Ensure your API can handle the expected load.\n\n11. **Deploy Your API**\n\n    - **Choose a Hosting Platform**: Options include AWS, Heroku, DigitalOcean, etc.\n    - **Configure the Server**: Set up the environment to run your API in a production setting.\n    - **Use a Production Server**: Instead of the development server, use WSGI servers like Gunicorn or Uvicorn.\n\n    **Example**:\n    ```bash\n    uvicorn main:app --host 0.0.0.0 --port 80\n    ```\n\n12. **Monitor and Maintain**\n\n    - **Logging**: Implement logging to track events and errors.\n    - **Monitoring**: Use monitoring tools to track performance and uptime.\n    - **Update and Patch**: Keep dependencies up to date and patch any security vulnerabilities.\n\n13. **Consider Versioning**\n\n    - **Plan for Updates**: Use versioning in your API endpoints to manage changes without breaking existing clients.\n    - **Example**:\n      ```python\n      @app.route('/v1/hello', methods=['GET'])\n      ```\n\n14. **Gather Feedback and Iterate**\n\n    - **User Feedback**: Encourage users to provide feedback on your API.\n    - **Continuous Improvement**: Use the feedback to make improvements and add features.\n\n**Additional Tips**:\n\n- **Keep It Simple**: Start with a minimal viable API and expand functionality over time.\n- **Follow RESTful Principles**: Design your API according to REST standards to make it intuitive and standard-compliant.\n- **Security Best Practices**: Always sanitize inputs and protect against common vulnerabilities like SQL injection and cross-site scripting (XSS).\nBy following these steps, you'll be well on your way to creating a functional and robust Python API. Good luck with your development!",
        "refusal": null,
        "role": "assistant",
        "function_call": null,
        "tool_calls": null
      },
      "content_filter_results": {
        "hate": {
          "filtered": false,
          "severity": "safe"
        },
        "protected_material_code": {
          "filtered": false,
          "detected": false
        },
        "protected_material_text": {
          "filtered": false,
          "detected": false
        },
        "self_harm": {
          "filtered": false,
          "severity": "safe"
        },
        "sexual": {
          "filtered": false,
          "severity": "safe"
        },
        "violence": {
          "filtered": false,
          "severity": "safe"
        }
      }
    }
  ],
  "created": 1728073417,
  "model": "o1-preview-2024-09-12",
  "object": "chat.completion",
  "service_tier": null,
  "system_fingerprint": "fp_503a95a7d8",
  "usage": {
    "completion_tokens": 1843,
    "prompt_tokens": 20,
    "total_tokens": 1863,
    "completion_tokens_details": {
      "audio_tokens": null,
      "reasoning_tokens": 448
    },
    "prompt_tokens_details": {
      "audio_tokens": null,
      "cached_tokens": 0
    }
  },
  "prompt_filter_results": [
    {
      "prompt_index": 0,
      "content_filter_results": {
        "custom_blocklists": {
          "filtered": false
        },
        "hate": {
          "filtered": false,
          "severity": "safe"
        },
        "jailbreak": {
          "filtered": false,
          "detected": false
        },
        "self_harm": {
          "filtered": false,
          "severity": "safe"
        },
        "sexual": {
          "filtered": false,
          "severity": "safe"
        },
        "violence": {
          "filtered": false,
          "severity": "safe"
        }
      }
    }
  ]
}

Dostępność w regionach

Dostępne dla standardowych i globalnych wdrożeń standardowych w regionach Wschodnie stany USA, Wschodnie stany USA 2, Północno-środkowe stany USA, Południowo-środkowe stany USA, Szwecja Środkowa, Zachodnie stany USA i Zachodnie stany USA 3 dla zatwierdzonych klientów.

GPT-4o-Realtime-Preview

Model gpt-4o-realtime-preview jest częścią rodziny modeli GPT-4o i obsługuje interakcje konwersacyjne o małych opóźnieniach, "mowy w, wypowiedź". Dźwięk GPT-4o jest przeznaczony do obsługi interakcji konwersacyjnych w czasie rzeczywistym, małych opóźnień, dzięki czemu doskonale nadaje się do obsługi agentów pomocy technicznej, asystentów, tłumaczy i innych przypadków użycia, które wymagają bardzo dynamicznego reagowania z użytkownikiem.

Dźwięk GPT-4o jest dostępny w regionach Wschodnie stany USA 2 (eastus2) i Szwecja Środkowa (swedencentral). Aby użyć dźwięku GPT-4o, należy utworzyć lub użyć istniejącego zasobu w jednym z obsługiwanych regionów.

Po utworzeniu zasobu można wdrożyć model audio GPT-4o. Jeśli wykonujesz wdrożenie programowe, nazwa modelu to gpt-4o-realtime-preview. Aby uzyskać więcej informacji na temat korzystania z dźwięku GPT-4o, zobacz dokumentację audio GPT-4o.

Szczegółowe informacje o maksymalnych tokenach żądań i danych szkoleniowych są dostępne w poniższej tabeli.

Model ID	opis	Maksymalne żądanie (tokeny)	Dane szkoleniowe (maksymalnie)
`gpt-4o-realtime-preview` (2024-10-01-preview) Dźwięk GPT-4o	Model audio na potrzeby przetwarzania dźwięku w czasie rzeczywistym	Dane wejściowe: 128 000 Dane wyjściowe: 4096	Październik 2023 r.

GPT-4o i GPT-4 Turbo

GPT-4o integruje tekst i obrazy w jednym modelu, umożliwiając mu obsługę wielu typów danych jednocześnie. Takie wielomodalne podejście zwiększa dokładność i szybkość reakcji w interakcjach komputerów ludzkich. GPT-4o pasuje do GPT-4 Turbo w języku angielskim i zadaniach kodowania, oferując lepszą wydajność w językach innych niż angielski i zadania przetwarzania obrazów, ustawiając nowe testy porównawcze dla funkcji sztucznej inteligencji.

Jak mogę uzyskać dostęp do mini modeli GPT-4o i GPT-4o?

GPT-4o i GPT-4o mini są dostępne dla standardowego i standardowego wdrożenia modelu.

Musisz utworzyć lub użyć istniejącego zasobu w obsługiwanym regionie standardowym lub globalnym, w którym jest dostępny model.

Po utworzeniu zasobu można wdrożyć modele GPT-4o. Jeśli przeprowadzasz wdrożenie programowe, nazwy modeli to:

gpt-4oWersja 2024-08-06
gpt-4o, wersja 2024-05-13
gpt-4o-miniWersja 2024-07-18

GPT-4 Turbo

GPT-4 Turbo to duży model wielomodalny (akceptowanie danych wejściowych tekstu lub obrazu i generowanie tekstu), który może rozwiązywać trudne problemy z większą dokładnością niż którykolwiek z poprzednich modeli openAI. Podobnie jak GPT-3.5 Turbo, a starsze modele GPT-4 GPT-4 Turbo są zoptymalizowane pod kątem czatu i działają dobrze w przypadku tradycyjnych zadań ukończenia.

Najnowsza wersja GA GPT-4 Turbo to:

gpt-4Wersja: turbo-2024-04-09

Jest to zamiennik następujących modeli w wersji zapoznawczej:

gpt-4Wersja: 1106-Preview
gpt-4Wersja: 0125-Preview
gpt-4Wersja: vision-preview

Różnice między modelami OpenAI i Azure OpenAI GPT-4 Turbo GA

Wersja najnowszego 0409 modelu turbo openAI obsługuje tryb JSON i funkcję wywołującą wszystkie żądania wnioskowania.
Wersja najnowszej wersji turbo-2024-04-09 usługi Azure OpenAI obecnie nie obsługuje korzystania z trybu JSON i wywoływania funkcji podczas wprowadzania żądań wnioskowania przy użyciu danych wejściowych obrazu (vision). Żądania wejściowe oparte na tekście (żądania bez image_url obrazów wbudowanych i wbudowanych) obsługują tryb JSON i wywoływanie funkcji.

Różnice w porównaniu z interfejsem gpt-4 vision-preview

Integracja funkcji przetwarzania obrazów specyficznych dla sztucznej inteligencji platformy Azure z funkcją GPT-4 Turbo z usługą Vision nie jest obsługiwana w wersji gpt-4 : turbo-2024-04-09. Obejmuje to optyczne rozpoznawanie znaków (OCR), uziemanie obiektów, monity wideo i ulepszoną obsługę danych za pomocą obrazów.

Ważne

Ulepszenia obrazów w wersji zapoznawczej, w tym optyczne rozpoznawanie znaków (OCR), uziemanie obiektów, monity wideo zostaną wycofane i nie będą już dostępne po gpt-4 uaktualnieniu wersji vision-preview do turbo-2024-04-09programu . Jeśli obecnie korzystasz z dowolnej z tych funkcji w wersji zapoznawczej, to automatyczne uaktualnianie modelu będzie zmianą powodującą niezgodność.

Dostępność zarządzana zaaprowizowana przez GPT-4 Turbo

gpt-4Wersja: turbo-2024-04-09 jest dostępny zarówno w przypadku wdrożeń standardowych, jak i aprowizowania. Obecnie aprowizowana wersja tego modelu nie obsługuje żądań wnioskowania obrazów/obrazów. Aprowidowane wdrożenia tego modelu akceptują tylko wprowadzanie tekstu. Wdrożenia modelu w warstwie Standardowa akceptują żądania wnioskowania tekstu i obrazu/obrazów.

Wdrażanie GPT-4 Turbo z usługą Vision GA

Aby wdrożyć model ga z poziomu interfejsu użytkownika programu Studio, wybierz GPT-4 pozycję, a następnie wybierz turbo-2024-04-09 wersję z menu rozwijanego. Domyślny limit przydziału gpt-4-turbo-2024-04-09 dla modelu będzie taki sam jak bieżący limit przydziału dla GPT-4-Turbo. Zobacz regionalne limity przydziału.

GPT-4

GPT-4 jest poprzednikem GPT-4 Turbo. Oba modele GPT-4 i GPT-4 Turbo mają podstawową nazwę gpt-4modelu . Można odróżnić modele GPT-4 i Turbo, sprawdzając wersję modelu.

gpt-4Wersja 0314
gpt-4Wersja 0613
gpt-4-32kWersja 0613

Długość kontekstu tokenu obsługiwana przez poszczególne modele można zobaczyć w tabeli podsumowania modelu.

Modele GPT-4 i GPT-4 Turbo

Te modele mogą być używane tylko z interfejsem API uzupełniania czatów.

Zobacz wersje modelu, aby dowiedzieć się, jak usługa Azure OpenAI Obsługuje uaktualnienia wersji modelu i współpracuje z modelami , aby dowiedzieć się, jak wyświetlać i konfigurować ustawienia wersji modelu wdrożeń GPT-4.

Model ID	opis	Maksymalne żądanie (tokeny)	Dane szkoleniowe (maksymalnie)
`gpt-4o` (2024-08-06) GPT-4o (Omni)	Najnowszy duży model ga - Dane wyjściowe ze strukturą - Tekst, przetwarzanie obrazów - Tryb JSON - wywoływanie funkcji równoległych - Zwiększona dokładność i czas odpowiedzi - Parzystość z angielskim tekstem i zadaniami kodowania w porównaniu do GPT-4 Turbo z wizją - Lepsza wydajność w językach innych niż angielski i w zadaniach przetwarzania obrazów	Dane wejściowe: 128 000 Dane wyjściowe: 16 384	Październik 2023 r.
`gpt-4o-mini` (2024-07-18) GPT-4o mini	Najnowszy mały model ga - Szybki, niedrogi, zdolny model idealny do zastąpienia modeli serii GPT-3.5 Turbo. - Tekst, przetwarzanie obrazów - Tryb JSON - wywoływanie funkcji równoległych	Dane wejściowe: 128 000 Dane wyjściowe: 16 384	Październik 2023 r.
`gpt-4o` (2024-05-13) GPT-4o (Omni)	Tekst, przetwarzanie obrazów - Tryb JSON - wywoływanie funkcji równoległych - Zwiększona dokładność i czas odpowiedzi - Parzystość z angielskim tekstem i zadaniami kodowania w porównaniu do GPT-4 Turbo z wizją - Lepsza wydajność w językach innych niż angielski i w zadaniach przetwarzania obrazów	Dane wejściowe: 128 000 Dane wyjściowe: 4096	Październik 2023 r.
`gpt-4` (turbo-2024-04-09) GPT-4 Turbo z wizją	Nowy model ogólnie dostępnej wersji — Zastąpienie wszystkich poprzednich modeli GPT-4 w wersji zapoznawczej (`vision-preview`, `1106-Preview`, `0125-Preview`). - Dostępność funkcji jest obecnie różna w zależności od metody danych wejściowych i typu wdrożenia.	Dane wejściowe: 128 000 Dane wyjściowe: 4096	Grudzień 2023 r.
`gpt-4` (0125-Preview)* GPT-4 Turbo (wersja zapoznawcza)	Model w wersji zapoznawczej -Zastępuje 1106-Preview — Lepsza wydajność generowania kodu — Zmniejsza przypadki, w których model nie wykona zadania - Tryb JSON - wywoływanie funkcji równoległych — odtwarzalne dane wyjściowe (wersja zapoznawcza)	Dane wejściowe: 128 000 Dane wyjściowe: 4096	Grudzień 2023 r.
`gpt-4` (vision-preview) GPT-4 Turbo z usługą Vision Preview	Model w wersji zapoznawczej - Akceptuje tekst i dane wejściowe obrazu. — Obsługuje ulepszenia - Tryb JSON - wywoływanie funkcji równoległych — odtwarzalne dane wyjściowe (wersja zapoznawcza)	Dane wejściowe: 128 000 Dane wyjściowe: 4096	Kwiecień 2023 r.
`gpt-4` (1106-Preview) GPT-4 Turbo (wersja zapoznawcza)	Model w wersji zapoznawczej - Tryb JSON - wywoływanie funkcji równoległych — odtwarzalne dane wyjściowe (wersja zapoznawcza)	Dane wejściowe: 128 000 Dane wyjściowe: 4096	Kwiecień 2023 r.
`gpt-4-32k` (0613)	Starszy model ga - Podstawowe wywoływanie funkcji za pomocą narzędzi	32,768	Wrzesień 2021 r.
`gpt-4` (0613)	Starszy model ga - Podstawowe wywoływanie funkcji za pomocą narzędzi	8,192	Wrzesień 2021 r.
`gpt-4-32k`(0314)	Starszy model ga - Informacje o wycofaniu	32,768	Wrzesień 2021 r.
`gpt-4` (0314)	Starszy model ga - Informacje o wycofaniu	8,192	Wrzesień 2021 r.

Uwaga

Nie zalecamy używania modeli w wersji zapoznawczej w środowisku produkcyjnym. Uaktualnimy wszystkie wdrożenia modeli w wersji zapoznawczej do przyszłych wersji zapoznawczych lub do najnowszej stabilnej wersji ogólnie dostępnej. Modele wyznaczone w wersji zapoznawczej nie są zgodne ze standardowym cyklem życia modelu Usługi Azure OpenAI.

GPT-4 w wersji 0125-preview to zaktualizowana wersja wersji zapoznawczej GPT-4 Turbo wydana wcześniej jako wersja 1106-preview.
GPT-4 w wersji 0125-preview wykonuje zadania, takie jak generowanie kodu bardziej całkowicie w porównaniu z gpt-4-1106-preview. W związku z tym, w zależności od zadania, klienci mogą stwierdzić, że GPT-4-0125-preview generuje więcej danych wyjściowych w porównaniu z gpt-4-1106-preview. Zalecamy klientom porównanie danych wyjściowych nowego modelu. GPT-4-0125-preview dotyczy również usterek w gpt-4-1106-preview z obsługą utF-8 dla języków innych niż angielski.
Wersja GPT-4 to najnowsza wersja turbo-2024-04-09 ogólnie dostępna i zastępuje 0125-Previewwartości , 1106-previewi vision-preview.

Ważne

Wersja GPT-4 (gpt-4) 1106-Preview, 0125-Previewi vision-preview zostanie uaktualniona o stabilną wersję gpt-4 w przyszłości.

gpt-4 Wdrożenia wersji 1106-Preview, 0125-Previewi vision-preview ustawione na wartość "Automatyczna aktualizacja do wartości domyślnej" i "Uaktualnij po wygaśnięciu" zostaną uaktualnione po wydaniu stabilnej wersji. W przypadku każdego wdrożenia uaktualnienie wersji modelu odbywa się bez przerw w działaniu usługi dla wywołań interfejsu API. Uaktualnienia są etapowane według regionu, a pełny proces uaktualniania powinien potrwać 2 tygodnie.
gpt-4 Wdrożenia wersji 1106-Preview, 0125-Previewi vision-preview ustawione na wartość "Brak automatycznego uaktualniania" nie zostaną uaktualnione i przestaną działać po uaktualnieniu wersji zapoznawczej w regionie. Aby uzyskać więcej informacji na temat czasu uaktualniania, zobacz Wycofywanie i wycofywanie modeli usługi Azure OpenAI.

GPT-3.5

Modele GPT-3.5 mogą zrozumieć i wygenerować język naturalny lub kod. Najbardziej zdolny i ekonomiczny model w rodzinie GPT-3.5 to GPT-3.5 Turbo, który został zoptymalizowany pod kątem czatu i działa dobrze w przypadku tradycyjnych zadań wykonywanych, jak również. GPT-3.5 Turbo jest dostępny do użycia z interfejsem API uzupełniania czatów. GPT-3.5 Turbo Poinstruowanie ma podobne możliwości korzystania text-davinci-003 z interfejsu API uzupełniania zamiast interfejsu API uzupełniania czatów. Zalecamy używanie GPT-3.5 Turbo i GPT-3.5 Turbo Poinstruuj w starszych modelach GPT-3.5 i GPT-3.

Model ID	opis	Maksymalne żądanie (tokeny)	Dane szkoleniowe (maksymalnie)
`gpt-35-turbo` (0125) NOWY	Najnowszy model ogólnie dostępnej wersji - Tryb JSON - wywoływanie funkcji równoległych — odtwarzalne dane wyjściowe (wersja zapoznawcza) - Wyższa dokładność odpowiadania w żądanych formatach. - Poprawka dotycząca usterki, która spowodowała problem z kodowaniem tekstu w przypadku wywołań funkcji w języku nieanglojęzycznym.	Dane wejściowe: 16 385 Dane wyjściowe: 4096	Wrzesień 2021 r.
`gpt-35-turbo` (1106)	Starszy model ga - Tryb JSON - wywoływanie funkcji równoległych — odtwarzalne dane wyjściowe (wersja zapoznawcza)	Dane wejściowe: 16 385 Dane wyjściowe: 4096	Wrzesień 2021 r.
`gpt-35-turbo-instruct` (0914)	Tylko punkt końcowy uzupełniania — Zastępowanie starszych modeli uzupełniania	4,097	Wrzesień 2021 r.
`gpt-35-turbo-16k` (0613)	Starszy model ga - Podstawowe wywoływanie funkcji za pomocą narzędzi	16,384	Wrzesień 2021 r.
`gpt-35-turbo` (0613)	Starszy model ga - Podstawowe wywoływanie funkcji za pomocą narzędzi	4,096	Wrzesień 2021 r.
`gpt-35-turbo`¹ (0301)	Starszy model ga - Informacje o wycofaniu	4,096	Wrzesień 2021 r.

Aby dowiedzieć się więcej na temat interakcji z GPT-3.5 Turbo i interfejsem API uzupełniania czatów, zapoznaj się z naszymi szczegółowymi instrukcjami.

¹ Ten model będzie akceptować żądania > 4096 tokenów. Nie zaleca się przekraczania limitu tokenu wejściowego 4096, ponieważ nowsza wersja modelu jest ograniczona do 4096 tokenów. Jeśli wystąpią problemy podczas przekraczania 4096 tokenów wejściowych w tym modelu, ta konfiguracja nie jest oficjalnie obsługiwana.

Osadzanie

text-embedding-3-large jest najnowszym i najbardziej zdolnym modelem osadzania. Uaktualnianie między modelami osadzania nie jest możliwe. Aby przejść z użycia text-embedding-ada-002 do text-embedding-3-large , należy wygenerować nowe osadzanie.

text-embedding-3-large
text-embedding-3-small
text-embedding-ada-002

Podczas testowania raporty OpenAI zarówno duże, jak i małe modele osadzania trzeciej generacji oferują lepszą średnią wydajność pobierania w wielu językach z testem porównawczym MIRACL , jednocześnie zachowując wydajność zadań angielskich z testem porównawczym MTEB .

Test porównawczy oceny	`text-embedding-ada-002`	`text-embedding-3-small`	`text-embedding-3-large`
Średnia MIRACL	31.4	44.0	54.9
Średnia MTEB	61,0	62.3	64.6

Modele osadzania trzeciej generacji obsługują zmniejszenie rozmiaru osadzania za pomocą nowego dimensions parametru. Zazwyczaj większe osadzanie jest droższe z perspektywy zasobów obliczeniowych, pamięci i magazynu. Możliwość dostosowania liczby wymiarów umożliwia większą kontrolę nad ogólnym kosztem i wydajnością. Parametr dimensions nie jest obsługiwany we wszystkich wersjach biblioteki języka Python OpenAI 1.x, aby skorzystać z tego parametru, zalecamy uaktualnienie do najnowszej wersji: pip install openai --upgrade.

Testy porównawcze MTEB openAI wykazały, że nawet wtedy, gdy wymiary modelu trzeciej generacji są zmniejszone do mniej niż text-embeddings-ada-002 1536 wymiarów, pozostają nieco lepsze.

DALL-E

Modele DALL-E generują obrazy na podstawie monitów tekstowych wyświetlanych przez użytkownika. Język DALL-E 3 jest ogólnie dostępny do użycia z interfejsami API REST. Zestawy DALL-E 2 i DALL-E 3 z zestawami SDK klienta są w wersji zapoznawczej.

Szeptać

Modele Szeptu mogą służyć do zamiany mowy na tekst.

Możesz również użyć modelu Whisper za pośrednictwem interfejsu API transkrypcji wsadowej usługi Azure AI Speech. Zapoznaj się z tematem Co to jest model Szeptu? aby dowiedzieć się więcej o tym, kiedy używać usługi Azure AI Speech a Azure OpenAI Service.

Zamiana tekstu na mowę (wersja zapoznawcza)

Tekst OpenAI do modeli mowy, obecnie w wersji zapoznawczej, może służyć do syntezowania tekstu na mowę.

Możesz również użyć tekstu OpenAI do mowy głosów za pośrednictwem usługi Azure AI Speech. Aby dowiedzieć się więcej, zobacz OpenAI text to speech voices via Azure OpenAI Service or via Azure AI Speech guide (Przewodnik po zamianie mowy za pośrednictwem usługi Azure OpenAI Lub Azure AI Speech ).

Tabela podsumowania modelu i dostępność regionów

Modele według typu wdrożenia

Usługa Azure OpenAI zapewnia klientom wybór struktury hostingu, która pasuje do wzorców biznesowych i użycia. Usługa oferuje dwa główne typy wdrożenia:

Standard jest oferowany z opcją globalnego wdrażania, routing ruchu globalnego w celu zapewnienia wyższej przepływności.
Aprowizowanie jest również oferowane za pomocą globalnej opcji wdrażania, dzięki czemu klienci mogą kupować i wdrażać aprowizowane jednostki przepływności w globalnej infrastrukturze platformy Azure.

Wszystkie wdrożenia mogą wykonywać dokładnie te same operacje wnioskowania, jednak rozliczenia, skala i wydajność są znacznie inne. Aby dowiedzieć się więcej na temat typów wdrożeń usługi Azure OpenAI, zobacz przewodnik dotyczący typów wdrożeń.

Globalna dostępność modelu standardowego

Region	o1-preview, 2024-09-12	o1-mini, 2024-09-12	gpt-4o, 2024-05-13	gpt-4o, 2024-08-06	gpt-4o-mini, 2024-07-18	gpt-4o-realtime-preview, 2024-10-01	gpt-4, turbo-2024-04-09
australiaeast	-	-	✅	-	✅	-	✅
brazilsouth	-	-	✅	-	✅	-	✅
canadaeast	-	-	✅	-	✅	-	✅
eastus	✅	✅	✅	✅	✅	-	✅
eastus2	✅	✅	✅	✅	✅	✅	✅
francecentral	-	-	✅	-	✅	-	✅
germanywestcentral	-	-	✅	-	✅	-	✅
japaneast	-	-	✅	-	✅	-	✅
koreacentral	-	-	✅	-	✅	-	✅
northcentralus	✅	✅	✅	✅	✅	-	✅
norwayeast	-	-	✅	-	✅	-	✅
polandcentral	-	-	✅	-	✅	-	✅
southafricanorth	-	-	✅	-	✅	-	✅
southcentralus	✅	✅	✅	✅	✅	-	✅
southindia	-	-	✅	-	✅	-	✅
hiszpaniacentral	-	-	✅	✅	✅	-	✅
swedencentral	✅	✅	✅	✅	✅	✅	✅
switzerlandnorth	-	-	✅	-	✅	-	✅
uaenorth	-	-	✅	-	✅	-	✅
uksouth	-	-	✅	-	✅	-	✅
westeurope	-	-	✅	-	✅	-	✅
westus	✅	✅	✅	✅	✅	-	✅
westus3	✅	✅	✅	✅	✅	-	✅

Globalna aprowizowana dostępność modelu zarządzanego

Region	gpt-4o, 2024-08-06	gpt-4o-mini, 2024-07-18
australiaeast	✅	✅
brazilsouth	✅	✅
canadacentral	✅	✅
canadaeast	✅	✅
eastus	✅	✅
eastus2	✅	✅
francecentral	✅	✅
germanywestcentral	✅	✅
japaneast	✅	✅
koreacentral	✅	✅
northcentralus	✅	✅
norwayeast	✅	✅
polandcentral	✅	✅
southafricanorth	✅	✅
southcentralus	✅	✅
southindia	✅	✅
hiszpaniacentral	✅	✅
swedencentral	✅	✅
switzerlandnorth	✅	✅
szwajcariawest	✅	✅
uksouth	✅	✅
westeurope	✅	✅
westus	✅	✅
westus3	✅	✅

Globalna dostępność modelu wsadowego

Region	gpt-4o, 2024-05-13	gpt-4o, 2024-08-06	gpt-4o-mini, 2024-07-18	gpt-4, 0613	gpt-4, turbo-2024-04-09	gpt-35-turbo, 0613	gpt-35-turbo, 1106	gpt-35-turbo, 0125
australiaeast	✅	✅	✅	✅	✅	✅	✅	✅
canadaeast	✅	✅	✅	✅	✅	✅	✅	✅
eastus	✅	✅	✅	✅	✅	✅	✅	✅
eastus2	✅	✅	✅	✅	✅	✅	✅	✅
francecentral	✅	✅	✅	✅	✅	✅	✅	✅
japaneast	✅	✅	✅	✅	✅	✅	✅	✅
koreacentral	✅	✅	✅	✅	✅	✅	✅	✅
northcentralus	✅	✅	✅	✅	✅	✅	✅	✅
norwayeast	✅	✅	✅	✅	✅	✅	✅	✅
southcentralus	✅	✅	✅	✅	✅	✅	✅	✅
southindia	✅	✅	✅	✅	✅	✅	✅	✅
swedencentral	✅	✅	✅	✅	✅	✅	✅	✅
switzerlandnorth	✅	✅	✅	✅	✅	✅	✅	✅
uksouth	✅	✅	✅	✅	✅	✅	✅	✅
westeurope	✅	✅	✅	✅	✅	✅	✅	✅
westus	✅	✅	✅	✅	✅	✅	✅	✅
westus3	✅	✅	✅	✅	✅	✅	✅	✅

Dostępność modelu standardowego strefy danych

Region	gpt-4o, 2024-05-13	gpt-4o, 2024-08-06	gpt-4o-mini, 2024-07-18
eastus	✅	✅	✅
eastus2	✅	✅	✅
francecentral	✅	✅	✅
germanywestcentral	✅	✅	✅
northcentralus	✅	✅	✅
polandcentral	✅	✅	✅
southcentralus	✅	✅	✅
hiszpaniacentral	✅	✅	✅
swedencentral	✅	✅	✅
westeurope	✅	✅	✅
westus	✅	✅	✅
westus3	✅	✅	✅

Dostępność modelu wdrażania w warstwie Standardowa

Region	o1-preview, 2024-09-12	o1-mini, 2024-09-12	gpt-4o, 2024-05-13	gpt-4o, 2024-08-06	gpt-4o-mini, 2024-07-18	gpt-4, 0613	gpt-4, 1106-Preview	gpt-4, 0125-Preview	gpt-4, vision-preview	gpt-4, turbo-2024-04-09	gpt-4-32k, 0613	gpt-35-turbo, 0301	gpt-35-turbo, 0613	gpt-35-turbo, 1106	gpt-35-turbo, 0125	gpt-35-turbo-16k, 0613	gpt-35-turbo-instruct, 0914	osadzanie tekstu — 3 małe, 1	osadzanie tekstu — 3 duże, 1	text-embedding-ada-002, 1	text-embedding-ada-002, 2	dall-e-2, 2.0	dall-e-3, 3.0	babbage-002, 1	davinci-002, 1	tts, 001	tts-hd, 001	szept, 001
australiaeast	-	-	-	-	-	✅	✅	-	✅	-	✅	-	✅	✅	-	✅	-	-	-	-	✅	-	✅	-	-	-	-	-
brazilsouth	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	✅	-	-	-	-	-	-	-
canadaeast	-	-	-	-	-	✅	✅	-	-	-	✅	-	✅	✅	✅	✅	-	✅	✅	-	✅	-	-	-	-	-	-	-
eastus	✅	✅	✅	✅	✅	-	-	✅	-	✅	-	✅	✅	-	✅	✅	✅	✅	✅	✅	✅	✅	✅	-	-	-	-	-
eastus2	✅	✅	✅	✅	✅	-	✅	-	-	✅	-	-	✅	-	✅	✅	-	✅	✅	-	✅	-	-	-	-	-	-	✅
francecentral	-	-	-	-	-	✅	✅	-	-	-	✅	✅	✅	✅	-	✅	-	-	✅	-	✅	-	-	-	-	-	-	-
japaneast	-	-	-	-	-	-	-	-	✅	-	-	-	✅	-	✅	✅	-	✅	✅	-	✅	-	-	-	-	-	-	-
northcentralus	✅	✅	✅	✅	✅	-	-	✅	-	✅	-	-	✅	-	✅	✅	-	-	-	-	✅	-	-	✅	✅	✅	✅	✅
norwayeast	-	-	-	-	-	-	✅	-	-	-	-	-	-	-	-	-	-	-	✅	-	✅	-	-	-	-	-	-	✅
polandcentral	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	✅	-	-	-	-	-	-	-	-	-
southafricanorth	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	✅	-	-	-	-	-	-	-
southcentralus	✅	✅	✅	✅	✅	-	-	✅	-	✅	-	✅	-	-	✅	-	-	-	-	✅	✅	-	-	-	-	-	-	-
southindia	-	-	-	-	-	-	✅	-	-	-	-	-	-	✅	-	-	-	-	✅	-	✅	-	-	-	-	-	-	✅
swedencentral	✅	✅	✅	✅	✅	✅	✅	-	✅	✅	✅	-	✅	✅	-	✅	✅	-	✅	-	✅	-	✅	✅	✅	✅	✅	✅
switzerlandnorth	-	-	-	-	-	✅	-	-	✅	-	✅	-	✅	-	-	✅	-	-	✅	-	✅	-	-	-	-	-	-	✅
uaenorth	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	✅	-	-	-	-	-	-	✅
uksouth	-	-	-	-	-	-	✅	✅	-	-	-	✅	✅	✅	✅	✅	-	-	✅	-	✅	-	-	-	-	-	-	-
westeurope	-	-	-	-	-	-	-	-	-	-	-	✅	-	-	-	-	-	-	-	-	✅	-	-	-	-	-	-	✅
westus	✅	✅	✅	✅	✅	-	✅	-	✅	✅	-	-	-	✅	✅	-	-	-	-	-	✅	-	-	-	-	-	-	-
westus3	✅	✅	✅	✅	✅	-	✅	-	-	✅	-	-	-	-	✅	-	-	-	✅	-	✅	-	-	-	-	-	-	-

Aprowizowana dostępność modelu wdrażania

Region	gpt-4o, 2024-05-13	gpt-4o, 2024-08-06	gpt-4o-mini, 2024-07-18	gpt-4, 0613	gpt-4, 1106-Preview	gpt-4, 0125-Preview	gpt-4, turbo-2024-04-09	gpt-4-32k, 0613	gpt-35-turbo, 1106	gpt-35-turbo, 0125
australiaeast	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
brazilsouth	✅	-	✅	✅	✅	✅	-	✅	✅	-
canadacentral	-	-	-	✅	-	-	-	✅	-	✅
canadaeast	✅	-	✅	✅	✅	-	✅	-	✅	-
eastus	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
eastus2	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
francecentral	✅	✅	✅	✅	✅	✅	-	✅	-	✅
germanywestcentral	✅	-	-	✅	✅	✅	✅	✅	✅	-
japaneast	✅	✅	✅	-	✅	✅	✅	-	-	✅
koreacentral	✅	✅	✅	✅	-	-	✅	✅	✅	-
northcentralus	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
norwayeast	✅	-	✅	✅	-	✅	-	✅	-	-
polandcentral	✅	-	-	✅	✅	✅	✅	✅	✅	✅
southafricanorth	✅	-	-	✅	✅	-	✅	✅	✅	-
southcentralus	✅	-	-	✅	✅	✅	✅	✅	✅	✅
southindia	✅	-	✅	✅	✅	✅	-	✅	✅	✅
swedencentral	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
switzerlandnorth	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
szwajcariawest	-	-	-	-	-	-	-	-	-	✅
uaenorth	✅	-	-	-	✅	-	-	-	✅	✅
uksouth	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
westus	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
westus3	✅	✅	-	✅	✅	✅	✅	✅	✅	✅

Uwaga

Aprowizowana wersja wersji gpt-4 : turbo-2024-04-09 jest obecnie ograniczona tylko do tekstu.

Aby uzyskać więcej informacji na temat aprowizowania wdrożeń, zobacz nasze wskazówki dotyczące aprowizowania.

Ta tabela nie zawiera dostrajania informacji o dostępności regionalnej. Aby uzyskać te informacje, zapoznaj się z sekcją dostrajania.

Modele standardowe według punktu końcowego

Ukończenie czatu

Region	o1-preview, 2024-09-12	o1-mini, 2024-09-12	gpt-4o, 2024-05-13	gpt-4o, 2024-08-06	gpt-4o-mini, 2024-07-18	gpt-4, 0613	gpt-4, 1106-Preview	gpt-4, 0125-Preview	gpt-4, vision-preview	gpt-4, turbo-2024-04-09	gpt-4-32k, 0613	gpt-35-turbo, 0301	gpt-35-turbo, 0613	gpt-35-turbo, 1106	gpt-35-turbo, 0125	gpt-35-turbo-16k, 0613
australiaeast	-	-	-	-	-	✅	✅	-	✅	-	✅	-	✅	✅	-	✅
canadaeast	-	-	-	-	-	✅	✅	-	-	-	✅	-	✅	✅	✅	✅
eastus	✅	✅	✅	✅	✅	-	-	✅	-	✅	-	✅	✅	-	✅	✅
eastus2	✅	✅	✅	✅	✅	-	✅	-	-	✅	-	-	✅	-	✅	✅
francecentral	-	-	-	-	-	✅	✅	-	-	-	✅	✅	✅	✅	-	✅
japaneast	-	-	-	-	-	-	-	-	✅	-	-	-	✅	-	✅	✅
northcentralus	✅	✅	✅	✅	✅	-	-	✅	-	✅	-	-	✅	-	✅	✅
norwayeast	-	-	-	-	-	-	✅	-	-	-	-	-	-	-	-	-
southcentralus	✅	✅	✅	✅	✅	-	-	✅	-	✅	-	✅	-	-	✅	-
southindia	-	-	-	-	-	-	✅	-	-	-	-	-	-	✅	-	-
swedencentral	✅	✅	✅	✅	✅	✅	✅	-	✅	✅	✅	-	✅	✅	-	✅
switzerlandnorth	-	-	-	-	-	✅	-	-	✅	-	✅	-	✅	-	-	✅
uksouth	-	-	-	-	-	-	✅	✅	-	-	-	✅	✅	✅	✅	✅
westeurope	-	-	-	-	-	-	-	-	-	-	-	✅	-	-	-	-
westus	✅	✅	✅	✅	✅	-	✅	-	✅	✅	-	-	-	✅	✅	-
westus3	✅	✅	✅	✅	✅	-	✅	-	-	✅	-	-	-	-	✅	-

Dostępność modelu GPT-4 i GPT-4 Turbo

Wybieranie dostępu klienta

Oprócz powyższych regionów, które są dostępne dla wszystkich klientów usługi Azure OpenAI, niektóre z wybranych wcześniej klientów otrzymały dostęp do wersji GPT-4 w dodatkowych regionach:

Model	Region (Region)
`gpt-4` (0314) `gpt-4-32k` (0314)	Wschodnie stany USA Francja Środkowa Południowo-środkowe stany USA Południowe Zjednoczone Królestwo
`gpt-4` (0613) `gpt-4-32k` (0613)	Wschodnie stany USA Wschodnie stany USA 2 Japonia Wschodnia Południowe Zjednoczone Królestwo

Modele GPT-3.5

Osadzanie modeli

Region	osadzanie tekstu — 3 małe, 1	osadzanie tekstu — 3 duże, 1	text-embedding-ada-002, 1	text-embedding-ada-002, 2
australiaeast	-	-	-	✅
brazilsouth	-	-	-	✅
canadaeast	✅	✅	-	✅
eastus	✅	✅	✅	✅
eastus2	✅	✅	-	✅
francecentral	-	✅	-	✅
japaneast	✅	✅	-	✅
northcentralus	-	-	-	✅
norwayeast	-	✅	-	✅
polandcentral	-	✅	-	-
southafricanorth	-	-	-	✅
southcentralus	-	-	✅	✅
southindia	-	✅	-	✅
swedencentral	-	✅	-	✅
switzerlandnorth	-	✅	-	✅
uaenorth	-	-	-	✅
uksouth	-	✅	-	✅
westeurope	-	-	-	✅
westus	-	-	-	✅
westus3	-	✅	-	✅

Te modele mogą być używane tylko z żądaniami interfejsu API osadzania.

Uwaga

text-embedding-3-large jest najnowszym i najbardziej zdolnym modelem osadzania. Uaktualnianie między modelami osadzania nie jest możliwe. Aby przeprowadzić migrację z funkcji using text-embedding-ada-002 do text-embedding-3-large , należy wygenerować nowe osadzanie.

Model ID	Maksymalne żądanie (tokeny)	Wymiary wyjściowe	Dane szkoleniowe (do)
`text-embedding-ada-002` (wersja 2)	8,192	1536	Wrzesień 2021 r.
`text-embedding-ada-002` (wersja 1)	2,046	1536	Wrzesień 2021 r.
`text-embedding-3-large`	8,192	3072	Wrzesień 2021 r.
`text-embedding-3-small`	8,192	1536	Wrzesień 2021 r.

Uwaga

Podczas wysyłania tablicy danych wejściowych do osadzania maksymalna liczba elementów wejściowych w tablicy na wywołanie punktu końcowego osadzania wynosi 2048.

Modele generowania obrazów

Region	dall-e-2, 2.0	dall-e-3, 3.0
australiaeast	-	✅
eastus	✅	✅
swedencentral	-	✅

Modele DALL-E

Model ID	Maksymalna liczba żądań (znaki)
dalle2 (wersja zapoznawcza)	1000
dall-e-3	4000

Modele audio

Region	tts, 001	tts-hd, 001	szept, 001
eastus2	-	-	✅
northcentralus	✅	✅	✅
norwayeast	-	-	✅
southindia	-	-	✅
swedencentral	✅	✅	✅
switzerlandnorth	-	-	✅
uaenorth	-	-	✅
westeurope	-	-	✅

Modele szeptu

Model ID	Maksymalna liczba żądań (rozmiar pliku audio)
`whisper`	25 MB

Modele zamiany tekstu na mowę (wersja zapoznawcza)

Model ID	opis
`tts`	Najnowszy model zamiany tekstu usługi Azure OpenAI na mowę zoptymalizowany pod kątem szybkości.
`tts-hd`	Najnowszy model zamiany tekstu usługi Azure OpenAI na mowę zoptymalizowany pod kątem jakości.

Modele uzupełniania

babbage-002 i davinci-002 nie są przeszkoleni, aby postępować zgodnie z instrukcjami. Wykonywanie zapytań dotyczących tych modeli podstawowych powinno odbywać się tylko jako punkt odniesienia do dostosowanej wersji, aby ocenić postęp trenowania.

Region	gpt-35-turbo-instruct, 0914	babbage-002, 1	davinci-002, 1
eastus	✅	-	-
northcentralus	-	✅	✅
swedencentral	✅	✅	✅

Dostrajanie modeli

Uwaga

gpt-35-turbo — Dostrajanie tego modelu jest ograniczone do podzestawu regionów i nie jest dostępne w każdym regionie, w którym jest dostępny model podstawowy.

Obsługiwane regiony do dostrajania mogą się różnić, jeśli używasz modeli usługi Azure OpenAI w projekcie AI Studio, a nie poza projektem.

Model ID	Dostrajanie regionów	Maksymalna liczba żądań (tokenów)	Dane szkoleniowe (maksymalnie)
`babbage-002`	Północno-środkowe stany USA Szwecja Środkowa Szwajcaria Zachodnia	16,384	Wrzesień 2021 r.
`davinci-002`	Północno-środkowe stany USA Szwecja Środkowa Szwajcaria Zachodnia	16,384	Wrzesień 2021 r.
`gpt-35-turbo` (0613)	Wschodnie stany USA 2 Północno-środkowe stany USA Szwecja Środkowa Szwajcaria Zachodnia	4,096	Wrzesień 2021 r.
`gpt-35-turbo` (1106)	Wschodnie stany USA 2 Północno-środkowe stany USA Szwecja Środkowa Szwajcaria Zachodnia	Dane wejściowe: 16 385 Dane wyjściowe: 4096	Wrzesień 2021 r.
`gpt-35-turbo` (0125)	Wschodnie stany USA 2 Północno-środkowe stany USA Szwecja Środkowa Szwajcaria Zachodnia	16,385	Wrzesień 2021 r.
`gpt-4` (0613) ¹	Północno-środkowe stany USA Szwecja Środkowa	8192	Wrzesień 2021 r.
`gpt-4o-mini` (2024-07-18)	Północno-środkowe stany USA Szwecja Środkowa	Dane wejściowe: 128 000 Dane wyjściowe: 16 384 Długość kontekstu przykładowego szkolenia: 64 536	Październik 2023 r.
`gpt-4o` (2024-08-06)	Wschodnie stany USA 2 Północno-środkowe stany USA Szwecja Środkowa	Dane wejściowe: 128 000 Dane wyjściowe: 16 384 Długość kontekstu przykładowego szkolenia: 64 536	Październik 2023 r.

¹ GPT-4 jest obecnie w publicznej wersji zapoznawczej.

Asystenci (wersja zapoznawcza)

W przypadku asystentów potrzebujesz kombinacji obsługiwanego modelu i obsługiwanego regionu. Niektóre narzędzia i możliwości wymagają najnowszych modeli. Poniższe modele są dostępne w interfejsie API asystentów, zestawie SDK i narzędziu Azure AI Studio. Poniższa tabela dotyczy płatności zgodnie z rzeczywistym użyciem. Aby uzyskać informacje na temat dostępności jednostki przepływności aprowizowanej (PTU), zobacz aprowizowanie przepływności. Wymienione modele i regiony mogą być używane z asystentami w wersji 1 i 2. Możesz użyć globalnych modeli standardowych, jeśli są one obsługiwane w regionach wymienionych poniżej.

Region (Region)	`gpt-35-turbo (0613)`	`gpt-35-turbo (1106)`	`fine tuned gpt-3.5-turbo-0125`	`gpt-4 (0613)`	`gpt-4 (1106)`	`gpt-4 (0125)`	`gpt-4o (2024-05-13)`	`gpt-4o-mini (2024-07-18)`
Australia Wschodnia	✅	✅		✅	✅
East US	✅					✅	✅	✅
Wschodnie stany USA 2	✅		✅	✅	✅		✅
Francja Środkowa	✅	✅		✅	✅
Japonia Wschodnia	✅
Norwegia Wschodnia					✅
Szwecja Środkowa	✅	✅	✅	✅	✅		✅
Południowe Zjednoczone Królestwo	✅	✅			✅	✅
Zachodnie stany USA		✅			✅		✅
Zachodnie stany USA 3					✅		✅

Wycofanie modelu

Aby uzyskać najnowsze informacje na temat wycofywania modelu, zapoznaj się z przewodnikiem po wycofaniu modelu.

Udostępnij za pośrednictwem

Modele usługi Azure OpenAI Service

o1-preview i o1-mini modele z ograniczonym dostępem

Dostępność

Obsługa interfejsu API

Użycie

Dostępność w regionach

GPT-4o-Realtime-Preview

GPT-4o i GPT-4 Turbo

Jak mogę uzyskać dostęp do mini modeli GPT-4o i GPT-4o?

GPT-4 Turbo

Różnice między modelami OpenAI i Azure OpenAI GPT-4 Turbo GA

Różnice w porównaniu z interfejsem gpt-4 vision-preview

Dostępność zarządzana zaaprowizowana przez GPT-4 Turbo

Wdrażanie GPT-4 Turbo z usługą Vision GA

GPT-4

Modele GPT-4 i GPT-4 Turbo

GPT-3.5

Osadzanie

DALL-E

Szeptać

Zamiana tekstu na mowę (wersja zapoznawcza)

Tabela podsumowania modelu i dostępność regionów

Modele według typu wdrożenia

Globalna dostępność modelu standardowego

Modele standardowe według punktu końcowego

Ukończenie czatu

Dostępność modelu GPT-4 i GPT-4 Turbo

Wybieranie dostępu klienta

Modele GPT-3.5

Dostrajanie modeli

Asystenci (wersja zapoznawcza)

Wycofanie modelu

Następne kroki

Opinia

Dodatkowe zasoby