Інтеграція OpenAI API GPT-4 GPT-4o o1 o3

Інтеграція OpenAI API: GPT-4, GPT-4o, o1, o3

OpenAI надає кілька сімейств моделей з різними характеристиками. GPT-4o є оптимальним вибором для більшості завдань: мультимодальність, хороший баланс якості та вартості. o1/o3 призначені для завдань, що вимагають глибокого міркування (математика, код, логіка). GPT-4o-mini для високовантажних сценаріїв із простими завданнями.

Базова інтеграція

from openai import OpenAI, AsyncOpenAI
from pydantic import BaseModel

client = OpenAI()  # Використовує OPENAI_API_KEY із середовища
async_client = AsyncOpenAI()

# Синхронний виклик
def chat(prompt: str, model: str = "gpt-4o") -> str:
    response = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
        temperature=0.1,
    )
    return response.choices[0].message.content

# Структурований вивід
class Extraction(BaseModel):
    name: str
    amount: float
    currency: str

def extract_structured(text: str) -> Extraction:
    response = client.beta.chat.completions.parse(
        model="gpt-4o",
        messages=[{"role": "user", "content": f"Витягніть дані: {text}"}],
        response_format=Extraction,
    )
    return response.choices[0].message.parsed

# Потокова передача
def stream_response(prompt: str):
    with client.chat.completions.stream(
        model="gpt-4o",
        messages=[{"role": "user", "content": prompt}],
    ) as stream:
        for chunk in stream.text_stream:
            yield chunk

# Зір (GPT-4o)
def analyze_image(image_url: str, question: str) -> str:
    response = client.chat.completions.create(
        model="gpt-4o",
        messages=[{
            "role": "user",
            "content": [
                {"type": "image_url", "image_url": {"url": image_url}},
                {"type": "text", "text": question}
            ]
        }]
    )
    return response.choices[0].message.content

o1/o3 для завдань міркування

# o1 не підтримує системний запит, температуру, потокову передачу
def reason_with_o1(problem: str) -> str:
    response = client.chat.completions.create(
        model="o3-mini",
        messages=[{"role": "user", "content": problem}],
        # reasoning_effort: "low" | "medium" | "high" (для o3-mini)
        reasoning_effort="high",
    )
    return response.choices[0].message.content

# o1 оптимальний для: математичних доказів, алгоритмічних задач,
# багатокрокового коду з обмеженнями, логічних головоломок

Управління вартістю

# Приблизні витрати (на 1M токенів, 2025):
# gpt-4o: $2.50 input / $10.00 output
# gpt-4o-mini: $0.15 input / $0.60 output
# o3-mini: $1.10 input / $4.40 output

def estimate_cost(text: str, model: str = "gpt-4o") -> float:
    """Приблизна оцінка вартості перед викликом API"""
    tokens = len(text.split()) * 1.3  # Приблизно
    costs = {"gpt-4o": 2.50, "gpt-4o-mini": 0.15, "o3-mini": 1.10}
    return tokens / 1_000_000 * costs.get(model, 2.50)

Вбудовування та семантичний пошук

def get_embeddings(texts: list[str]) -> list[list[float]]:
    response = client.embeddings.create(
        model="text-embedding-3-small",  # 1536 dims, $0.02/1M tokens
        input=texts,
    )
    return [item.embedding for item in response.data]

Графік

• Базова інтеграція з чат-завершенням: 0,5–1 день
• Структуровані виходи + інструменти: 2–3 дні
• Логіка повторних спроб + управління вартістю: 1–2 дні