> ## Documentation Index
> Fetch the complete documentation index at: https://docs.yelinai.com/llms.txt
> Use this file to discover all available pages before exploring further.
# OpenAI 模型
> GPT-4o、GPT-4、O1系列模型的详细使用指南
本页介绍 OpenAI 系列模型在 YeLin AI 的使用方式。
你用同一套 OpenAI 兼容代码，就可以切换到其他厂商模型。
复制可运行的请求模板。
查看你能用的模型 id。
## 模型简介
OpenAI是全球领先的AI公司，其GPT系列模型在YeLIn AI平台上完全可用。本指南将详细介绍如何使用GPT-4o、GPT-4、O1等系列模型，帮助你充分发挥这些顶级AI模型的能力。
## 🚀 模型概览
## GPT-4o系列
最新多模态模型，支持文本、图像、音频
## GPT-4系列
经典强大模型，优秀的推理和创作能力
## O1系列
专为复杂推理设计的模型
## GPT-3.5系列
高性价比选择，适合大规模应用
## GPT-4o 系列
GPT-4o是OpenAI最新的旗舰模型，“o”代表”omni”（全能），支持文本、图像、音频等多种模态。
### 🔥 GPT-4o (推荐)
**模型ID：** `gpt-4o`
**特点：**
* 🎯 最新旗舰模型，性能最强
* 🖼️ 支持图像理解和生成
* 🔊 支持音频输入输出
* 🌍 优秀的多语言能力
* ⚡ 响应速度快
**价格：** 输入 5/1Mtokens，输出5/1M tokens，输出 5/1Mtokens，输出15/1M tokens
Python
Node.js
```
from openai import OpenAI
client = OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.yelinai.com/v1"
)
# 基础文本对话
response = client.chat.completions.create(
model="gpt-4o",
messages=[
{"role": "system", "content": "你是一个专业的AI助手"},
{"role": "user", "content": "请解释什么是量子计算"}
],
temperature=0.7
)
print(response.choices[0].message.content)
```
### 🎯 GPT-4o 图像理解
GPT-4o可以理解和分析图像内容：
Python
Node.js
```
response = client.chat.completions.create(
model="gpt-4o",
messages=[
{
"role": "user",
"content": [
{
"type": "text",
"text": "请详细描述这张图片的内容，并分析其中的设计元素"
},
{
"type": "image_url",
"image_url": {
"url": "https://example.com/image.jpg",
"detail": "high" # high/low/auto
}
}
]
}
],
max_tokens=500
)
print(response.choices[0].message.content)
```
### ⚡ GPT-4o Mini (性价比之王)
**模型ID：** `gpt-4o-mini`
**特点：**
* 💰 极高性价比：输入仅 \$0.15/1M tokens
* 🚀 响应速度更快
* 🎯 保持GPT-4o的核心能力
* 💡 适合大规模应用
**价格：** 输入 0.15/1Mtokens，输出0.15/1M tokens，输出 0.15/1Mtokens，输出0.6/1M tokens
```
# GPT-4o Mini 特别适合日常对话和批量处理
response = client.chat.completions.create(
model="gpt-4o-mini",
messages=[
{"role": "system", "content": "你是一个友好的客服助手"},
{"role": "user", "content": "我想了解你们的服务"}
],
temperature=0.3
)
```
### 📅 GPT-4o 特定版本
**模型ID：** `gpt-4o-2024-11-20`
使用特定日期版本确保结果的一致性：
```
response = client.chat.completions.create(
model="gpt-4o-2024-11-20",
messages=[
{"role": "user", "content": "请写一篇关于AI发展的文章"}
],
temperature=0.5 # 较低温度确保一致性
)
```
## GPT-4 系列
经典的GPT-4系列模型，提供强大的文本理解和生成能力。
### 🧠 GPT-4 Turbo
**模型ID：** `gpt-4-turbo`
**特点：**
* 🚀 更快的响应速度
* 📚 支持128K上下文长度
* 💡 优秀的推理能力
* 🔧 适合复杂任务
**价格：** 输入 10/1Mtokens，输出10/1M tokens，输出 10/1Mtokens，输出30/1M tokens
```
# 处理长文档分析
long_document = """
[这里是一篇很长的文档内容...]
"""
response = client.chat.completions.create(
model="gpt-4-turbo",
messages=[
{
"role": "system",
"content": "你是一个专业的文档分析师，请仔细分析文档内容并提供深入见解"
},
{
"role": "user",
"content": f"请分析以下文档的核心观点和结论：\n\n{long_document}"
}
],
temperature=0.3
)
```
### 🏛️ GPT-4 经典版
**模型ID：** `gpt-4`
经典的GPT-4模型，在创意写作和复杂推理方面表现优异：
```
# 创意写作任务
response = client.chat.completions.create(
model="gpt-4",
messages=[
{
"role": "system",
"content": "你是一个富有创意的作家，擅长创作引人入胜的故事"
},
{
"role": "user",
"content": "请写一个关于时间旅行的科幻短故事，要求有意想不到的结局"
}
],
temperature=0.9, # 高温度增加创意性
max_tokens=1000
)
```
### 📖 GPT-4 32K
**模型ID：** `gpt-4-32k`
支持更长上下文的版本，适合处理超长文档：
```
# 处理超长代码审查
large_codebase = """
[这里是大量的代码内容...]
"""
response = client.chat.completions.create(
model="gpt-4-32k",
messages=[
{
"role": "system",
"content": "你是一个资深的代码审查专家"
},
{
"role": "user",
"content": f"请审查以下代码，指出潜在问题和改进建议：\n\n{large_codebase}"
}
],
temperature=0.2
)
```
## O1 系列 (推理专家)
O1系列是OpenAI专为复杂推理任务设计的模型，在数学、编程、科学等领域表现卓越。
### 🎓 O1 Preview
**模型ID：** `o1-preview`
**特点：**
* 🧮 强大的数学推理能力
* 🔬 科学问题解决能力
* 💻 复杂编程任务
* 🎯 多步骤逻辑推理
**价格：** 输入 15/1Mtokens，输出15/1M tokens，输出 15/1Mtokens，输出60/1M tokens
O1系列模型有特殊限制：
* 不支持 `temperature`、`top_p` 等参数
* 不支持 `system` 角色消息
* 不支持流式输出
* 不支持函数调用
Python
Node.js
```
# 复杂数学问题
response = client.chat.completions.create(
model="o1-preview",
messages=[
{
"role": "user",
"content": """
解决这个数学问题：
一个正整数n，满足以下条件：
1. n是4位数
2. n的各位数字之和等于20
3. n是质数
4. n的各位数字都不相同
请找出所有满足条件的n，并说明解题思路。
"""
}
]
)
print(response.choices[0].message.content)
```
### 🚀 O1 Mini
**模型ID：** `o1-mini`
轻量版的推理模型，成本更低：
**价格：** 输入 3/1Mtokens，输出3/1M tokens，输出 3/1Mtokens，输出12/1M tokens
```
# 中等复杂度的逻辑推理
response = client.chat.completions.create(
model="o1-mini",
messages=[
{
"role": "user",
"content": """
有A、B、C、D四个人，其中有一个人说谎，其他人说真话。
A说：B是说谎者
B说：C是说谎者
C说：D是说谎者
D说：A是说谎者
请推理出谁是说谎者，并说明推理过程。
"""
}
]
)
```
### 🔬 O3 (最新推理模型)
**模型ID：** `o3`
最新的推理模型，能力更强：
**价格：** 输入 20/1Mtokens，输出20/1M tokens，输出 20/1Mtokens，输出80/1M tokens
```
# 超复杂科学问题
response = client.chat.completions.create(
model="o3",
messages=[
{
"role": "user",
"content": """
请分析以下化学反应的机理，并预测在不同条件下的产物：
在催化剂存在下，化合物A (C₈H₁₀O₂) 与化合物B (C₄H₆O₃)
在180°C和2大气压下反应。已知A含有苯环和酯基，B含有烯烃双键。
请提供：
1. 详细的反应机理
2. 主要产物的结构
3. 副反应的可能性
4. 反应条件对产物的影响
"""
}
]
)
```
## GPT-3.5 系列
虽然不是最新的模型，但GPT-3.5系列仍然是高性价比的优秀选择。
### ⚡ GPT-3.5 Turbo
**模型ID：** `gpt-3.5-turbo`
**特点：**
* 💰 极高性价比
* 🚀 响应速度快
* 📱 适合移动应用
* 🔄 适合高频调用
**价格：** 输入 0.5/1Mtokens，输出0.5/1M tokens，输出 0.5/1Mtokens，输出1.5/1M tokens
```
# 高频简单任务，如翻译、摘要等
response = client.chat.completions.create(
model="gpt-3.5-turbo",
messages=[
{
"role": "system",
"content": "你是一个专业的翻译专家"
},
{
"role": "user",
"content": "请将以下英文翻译成中文：'The future of artificial intelligence looks promising.'"
}
],
temperature=0.3
)
```
## 使用技巧和最佳实践
### 1. 选择合适的模型
日常对话聊天
**推荐：** GPT-4o Mini, GPT-3.5 Turbo
```
# 简单对话用更便宜的模型
model = "gpt-4o-mini" # 性价比最佳
temperature = 0.7 # 自然对话
```
代码编程任务
**推荐：** GPT-4o, GPT-4 Turbo
```
# 代码生成和调试
model = "gpt-4o" # 最新代码能力
temperature = 0.2 # 精确性优先
max_tokens = 2000 # 足够长的代码
```
复杂推理分析
**推荐：** O1 Preview, O1 Mini
```
# 数学、逻辑、科学问题
model = "o1-preview" # 最强推理能力
# 注意：O1系列不支持temperature等参数
```
图像理解任务
**推荐：** GPT-4o, GPT-4o Mini
```
# 图像分析和理解
model = "gpt-4o" # 最佳视觉能力
detail = "high" # 高清晰度分析
```
### 2. 优化提示词
系统消息设计
结构化提示
```
# 好的系统消息示例
system_prompt = """
你是一个专业的Python编程专家，具有以下特点：
1. 代码风格遵循PEP8规范
2. 注重代码可读性和性能
3. 提供详细的注释和说明
4. 给出多种解决方案对比
请用简洁明了的语言回答，并提供可执行的代码示例。
"""
```
### 3. 参数调优
Temperature 设置
* **0.0-0.3**: 需要精确、一致的输出（代码、数据分析）
* **0.4-0.7**: 平衡创造性和准确性（日常对话）
* **0.8-1.0**: 需要创造性和多样性（创意写作）
```
# 不同任务的温度设置
code_generation = {"temperature": 0.2}
casual_chat = {"temperature": 0.7}
creative_writing = {"temperature": 0.9}
```
Max Tokens 控制
根据任务类型设置合适的输出长度：
```
token_limits = {
"简短回答": 100,
"详细解释": 500,
"代码生成": 2000,
"长文档": 4000
}
```
Stop 序列
使用停止序列控制输出格式：
```
# 生成列表时的停止序列
response = client.chat.completions.create(
model="gpt-4o",
messages=[...],
stop=["6.", "\n\n", "总结："]
)
```
### 4. 成本优化策略
## 渐进式模型选择
先用便宜模型测试，再用高级模型优化
```
# 先用GPT-4o Mini测试
# 再用GPT-4o完善
```
## 智能缓存
对重复请求进行缓存，避免重复计费
```
import hashlib
cache = {}
def cached_completion(prompt):
key = hashlib.md5(prompt.encode()).hexdigest()
if key in cache:
return cache[key]
# 调用API...
```
## 批量处理
将多个简单任务合并为一个请求
```
# 合并多个翻译任务
batch_prompt = """
请翻译以下句子：
1. Hello world
2. Good morning
3. Thank you
"""
```
## 精确控制长度
设置合适的max\_tokens避免浪费
```
# 根据任务设置精确的token限制
max_tokens = estimate_needed_tokens(task_type)
```
## 错误处理和重试
```
import time
import random
from openai import OpenAI
def robust_completion(client, **kwargs):
"""带重试机制的API调用"""
max_retries = 3
base_delay = 1
for attempt in range(max_retries):
try:
response = client.chat.completions.create(**kwargs)
return response
except Exception as e:
if attempt == max_retries - 1:
raise e
# 指数退避重试
delay = base_delay * (2 ** attempt) + random.uniform(0, 1)
print(f"重试 {attempt + 1}/{max_retries}，等待 {delay:.2f} 秒...")
time.sleep(delay)
# 使用示例
try:
response = robust_completion(
client,
model="gpt-4o",
messages=[{"role": "user", "content": "Hello!"}]
)
except Exception as e:
print(f"API调用失败: {e}")
```
## 流式响应处理
对于长文本生成，建议使用流式响应提升用户体验：
```
def stream_completion(client, **kwargs):
"""流式响应处理"""
kwargs['stream'] = True
try:
stream = client.chat.completions.create(**kwargs)
for chunk in stream:
if chunk.choices[0].delta.content is not None:
content = chunk.choices[0].delta.content
print(content, end='', flush=True)
yield content
except Exception as e:
print(f"流式响应错误: {e}")
# 使用示例
for chunk in stream_completion(
client,
model="gpt-4o",
messages=[{"role": "user", "content": "写一篇关于AI的文章"}]
):
# 实时处理每个文本块
pass
```
***
## 探索Claude模型
了解Claude系列模型的独特优势和使用方法
## 查看完整模型列表
浏览YeLIn AI支持的所有200+AI模型