openai/chatgpt的api接口，各个模型的最大输入token一览表
chatgpt的各个3.5api模型接口的最大输入量一览表：
| MODEL | DESCRIPTION | CONTEXT WINDOW | TRAINING DATA |
|---|---|---|---|
| gpt-3.5-turbo-1106 | Updated GPT 3.5 Turbo New The latest GPT-3.5 Turbo model with improved instruction following, JSON mode, reproducible outputs, parallel function calling, and more. Returns a maximum of 4,096 output tokens. | 16,385 tokens | Up to Sep 2021 |
| gpt-3.5-turbo | Currently points to gpt-3.5-turbo-0613. Will point to gpt-3.5-turbo-1106 starting Dec 11, 2023. | 4,096 tokens | Up to Sep 2021 |
| gpt-3.5-turbo-16k | Currently points to gpt-3.5-turbo-0613. Will point to gpt-3.5-turbo-1106 starting Dec 11, 2023. | 16,385 tokens | Up to Sep 2021 |
| gpt-3.5-turbo-instruct | Similar capabilities as text-davinci-003 but compatible with legacy Completions endpoint and not Chat Completions. | 4,096 tokens | Up to Sep 2021 |
| gpt-3.5-turbo-0613 Legacy | Snapshot of gpt-3.5-turbo from June 13th 2023. Will be deprecatedon June 13, 2024. | 4,096 tokens | Up to Sep 2021 |
| gpt-3.5-turbo-16k-0613 Legacy | Snapshot of gpt-3.5-16k-turbo from June 13th 2023. Will be deprecated on June 13, 2024. | 16,385 tokens | Up to Sep 2021 |
| gpt-3.5-turbo-0301 Legacy | Snapshot of gpt-3.5-turbo from March 1st 2023. Will be deprecated on June 13th 2024. | 4,096 tokens | Up to Sep 2021 |
| text-davinci-003 Legacy | Can do language tasks with better quality and consistency than the curie, babbage, or ada models. Will be deprecated on Jan 4th 2024. | 4,096 tokens | Up to Jun 2021 |
| text-davinci-002 Legacy | Similar capabilities to text-davinci-003 but trained with supervised fine-tuning instead of reinforcement learning. Will be deprecated on Jan 4th 2024. | 4,096 tokens | Up to Jun 2021 |
| code-davinci-002 Legacy | Optimized for code-completion tasks. Will be deprecated on Jan 4th 2024. | 8,001 tokens | Up to Jun 2021 |
chatgpt的各个4.0api模型接口的最大输入量一览表：
| MODEL | DESCRIPTION | CONTEXT WINDOW | TRAINING DATA |
|---|---|---|---|
| gpt-4-1106-preview | GPT-4 Turbo New The latest GPT-4 model with improved instruction following, JSON mode, reproducible outputs, parallel function calling, and more. Returns a maximum of 4,096 output tokens. This preview model is not yet suited for production traffic. Learn more. | 128,000 tokens | Up to Apr 2023 |
| gpt-4-vision-preview | GPT-4 Turbo with vision New Ability to understand images, in addition to all other GPT-4 Turbo capabilties. Returns a maximum of 4,096 output tokens. This is a preview model version and not suited yet for production traffic. Learn more. | 128,000 tokens | Up to Apr 2023 |
| gpt-4 | Currently points to gpt-4-0613. See continuous model upgrades. | 8,192 tokens | Up to Sep 2021 |
| gpt-4-32k | Currently points to gpt-4-32k-0613. See continuous model upgrades. | 32,768 tokens | Up to Sep 2021 |
| gpt-4-0613 | Snapshot of gpt-4 from June 13th 2023 with improved function calling support. | 8,192 tokens | Up to Sep 2021 |
| gpt-4-32k-0613 | Snapshot of gpt-4-32k from June 13th 2023 with improved function calling support. | 32,768 tokens | Up to Sep 2021 |
| gpt-4-0314 Legacy | Snapshot of gpt-4 from March 14th 2023 with function calling support. This model version will be deprecated on June 13th 2024. | 8,192 tokens | Up to Sep 2021 |
| gpt-4-32k-0314 Legacy | Snapshot of gpt-4-32k from March 14th 2023 with function calling support. This model version will be deprecated on June 13th 2024. | 32,768 tokens | Up to Sep 2021 |
相关文章：
openai/chatgpt的api接口，各个模型的最大输入token一览表
chatgpt的各个3.5api模型接口的最大输入量一览表： MODELDESCRIPTIONCONTEXT WINDOWTRAINING DATAgpt-3.5-turbo-1106Updated GPT 3.5 Turbo New The latest GPT-3.5 Turbo model with improved instruction following, JSON mode, reproducible outputs, parallel…...
Spark作业串行与并行提交job
在Scala中，您可以以串行和并行的方式提交Spark作业。看看如何使用for和par.foreach构造对应的例子。 串行Spark作业（使用for） // 串行Spark作业设置 for (tag <- tags) {spark.sparkContext.setJobGroup(tag.toString, s"Tag: $tag…...
HTTP HTTPS 独特的魅力
目录 HTTP协议 HTTP协议的工作过程 首行 请求头（header） HOST Content-Length编辑 User-Agent（简称UA） Referer Cookie 空行 正文（body） HTTP响应详解 状态码 报文格式 HTTP响应格式 如何…...
人名分类器实战项目（对比RNN、LSTM、GRU模型）工程管理方式)
【nlp】2.5(gpu version)人名分类器实战项目（对比RNN、LSTM、GRU模型）工程管理方式
人名分类器实战项目 0 说明1 工程项目设计2 数据预处理data_processing3 创建模型model4 模型测试test5 训练配置config6 模型训练train7 模型对比绘图plotfigure8 模型预测predict9 代码测试demo0 说明 本项目对前一个博客内容2.5(cpu version) 人名分类器实战项目（对比RNN、…...
金蝶云星空对接打通旺店通·旗舰奇门采购退料单查询接口与创建货品档案接口
金蝶云星空对接打通旺店通旗舰奇门采购退料单查询接口与创建货品档案接口 来源系统:金蝶云星空 金蝶K/3Cloud在总结百万家客户管理最佳实践的基础上，提供了标准的管理模式；通过标准的业务架构：多会计准则、多币别、多地点、多组织、多税制应用…...
在线识别二维码工具
具体请前往：在线二维码识别解码工具--在线识别并解码二维码网址等内容...
CICD 持续集成与持续交付——git
git使用 [rootcicd1 ~]# yum install -y git[rootcicd1 ~]# mkdir demo[rootcicd1 ~]# cd demo/ 初始化版本库 [rootcicd1 demo]# git init 查看状态 [rootcicd1 demo]# git status[rootcicd1 demo]# git status -s #简化输出 [rootcicd1 demo]# echo test > README.md[roo…...
光纤的跳线和尾纤
光纤跳线和光纤尾纤在结构上、连接方式、应用场景等方面存在明显的区别。 光纤跳线有0.9、2.0、3.0，通常是区分光缆外径的。0.9光缆外径0.9mm的，2.0光缆外径2mm，3.0光缆外径3mm。 同时分单模光纤跳线和多模光纤跳线。单模一般是黄色ÿ…...
SQL SERVER 2008安装教程
SQL SERVER 2008安装教程 本篇文章介绍了安装SQL Server 2008企业版的软硬件配置要求，安装过程的详细步骤，以及需要注意的事项。 安装步骤 (1). 在安装文件setup.exe上，单击鼠标右键选择“以管理员的身份运行”，如下图所示&#…...
好莱坞罢工事件！再次警醒人类重视AI监管，人工智能矛盾一触即发！
原创 | 文 BFT机器人 关注国外新闻的应该都知道，最近焦点新闻是好莱坞史上最大规模的一场罢工运动。这场维持118天的罢工运动，终于在11月9号早上12点在好莱坞宣布结束。这场罢工运动虽是演员工会和代表资方的影视制片人联盟的茅盾，但直接引发…...
深度学习系列54：使用 MMDETECTION 和 LABEL-STUDIO 进行半自动化目标检测标注
参考https://mmdetection.readthedocs.io/zh-cn/latest/user_guides/label_studio.html，这里进行简要概述： 1. 启动目标检测服务 在mmdetection文件夹中，执行 label-studio-ml start projects/LabelStudio/backend_template --with \ conf…...
WSL2环境下Debian 12的Docker安装与配置
WSL设置相关： wsl -l -v # 查看当前配置情况正常配置如下： NAME STATE VERSION * Debian Running 2如果与以上有差异，按如下步骤进行配置： wsl --set-version 2 wsl --set-default-version 2 wsl --s…...
11 月 11 日 ROS 学习笔记——ROS 架构及概念
文章目录 前言一、 ROS 文件系统级1). 工作空间 Ws2). 功能包3). 消息 msg4). 服务 srv 二、计算图级1). 动态加载节点 nodelet2). 主题 topic3). 服务 srv4). 消息 msg5). 试用练习5). 创建工作空间6). 创建 ROS 功能包和元功能包7). 编译ROS功能包8). 使用 ROS 节点9). 使用主…...
BSN专网项目介绍：宁波市区块链新型基础设施“甬链”
“甬链”是在宁波市委网络安全和信息化委员会办公室、宁波市发展和改革委员会、宁波市经济和信息化局、宁波市大数据发展管理局等政府单位的指导下，由宁波区块链专委会主任单位中国移动宁波分公司，基于区块链服务网络（BSN）的技术和…...
【数据库表及字段统计SQL】【mysql】【clickhouse】【oracle】
最近在一些元数据整理时，需要对数据库进行澄清，奈何数据库没有专门的运维工程师，得自行取相关信息，故最终整理了相关统计语句。 Clickhouse 元数据明细 SELECTt1.database AS 库名,t1.name AS 表名,replaceRegexpAll(toStri…...
如何分析伦敦金的价格走势预测？
伦敦金作为国际黄金市场的重要指标，其价格走势一直备受投资者关注。但是，黄金市场的价格变化受到多种因素的影响，因此要准确预测伦敦金的价格走势并非易事。在本文中，将介绍一些常用的方法和工具，帮助您分析伦敦金的价…...
【设计原则篇】聊聊接口隔离原则
是什么 客户端不应该强迫依赖它不需要的接口，客户端可以理解为接口的调用者或者使用者。接口其实就是一种规范，比如手机都是同样的接口，那么充电器就可以使用。 接口从细的层面来说的话，其实分三种，一组API接口集合、单…...
自压缩llm 为 超长记忆之随机编码（非进制编码）
自压缩llm 为 超长记忆之随机编码（非进制编码） 代码代码解析代码 # 自压缩llm 为 超长记忆 # prompt 格式 # <|细颗粒词表|><|粗颗粒词表|><|细颗粒词表|> # 细颗粒词表 = 词1,词2,词3,词4,词5,词6,词7,词8,词9,词10, # 组颗粒词表id1, 组颗…...
苹果怎么互传照片？简单方法总结好了！
随着时间的推移，手机中的照片数量可能会不断增加，从而导致存储空间不足。这时候，将照片传输到另一个手机可以扩大存储容量，使我们的手机更加顺畅运行。那么，苹果怎么互传照片？在拥有两台苹果设备的情况下&a…...
【ARM Trace32(劳特巴赫) 使用介绍 2.1 -- TRACE32 Practice 脚本 cmm 脚本学习】
请阅读【ARM Coresight SoC-400/SoC-600 专栏导读】 上篇文章【ARM Trace32(劳特巴赫) 使用介绍 2 - Veloce 环境中使用trace32 连接 Cortex-M33】 下篇文章【ARM Trace32(劳特巴赫) 使用介绍 2.2 – TRACE32 进阶命令之 DIAG 弹框命令】 文章目录 1. TRACE32 Practice 语法1.…...
【大模型RAG】拍照搜题技术架构速览：三层管道、两级检索、兜底大模型
摘要 拍照搜题系统采用“三层管道（多模态 OCR → 语义检索 → 答案渲染）、两级检索（倒排 BM25 向量 HNSW）并以大语言模型兜底”的整体框架： 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后，分别用…...
mongodb源码分析session执行handleRequest命令find过程
mongo/transport/service_state_machine.cpp已经分析startSession创建ASIOSession过程，并且验证connection是否超过限制ASIOSession和connection是循环接受客户端命令，把数据流转换成Message，状态转变流程是：State::Created 》 St…...
centos 7 部署awstats 网站访问检测
一、基础环境准备（两种安装方式都要做） bash # 安装必要依赖 yum install -y httpd perl mod_perl perl-Time-HiRes perl-DateTime systemctl enable httpd # 设置 Apache 开机自启 systemctl start httpd # 启动 Apache二、安装 AWStats࿰…...
前端导出带有合并单元格的列表
// 导出async function exportExcel(fileName "共识调整.xlsx") {// 所有数据const exportData await getAllMainData();// 表头内容let fitstTitleList [];const secondTitleList [];allColumns.value.forEach(column > {if (!column.children) {fitstTitleL…...
dedecms 织梦自定义表单留言增加ajax验证码功能
增加ajax功能模块，用户不点击提交按钮，只要输入框失去焦点，就会提前提示验证码是否正确。 一，模板上增加验证码 <input name"vdcode"id"vdcode" placeholder"请输入验证码" type"text&quo…...
第25节 Node.js 断言测试
Node.js的assert模块主要用于编写程序的单元测试时使用，通过断言可以提早发现和排查出错误。 稳定性: 5 - 锁定 这个模块可用于应用的单元测试，通过 require(assert) 可以使用这个模块。 assert.fail(actual, expected, message, operator) 使用参数…...
Windows安装Miniconda
一、下载 https://www.anaconda.com/download/success 二、安装 三、配置镜像源 Anaconda/Miniconda pip 配置清华镜像源_anaconda配置清华源-CSDN博客 四、常用操作命令 Anaconda/Miniconda 基本操作命令_miniconda创建环境命令-CSDN博客...
数学建模-滑翔伞伞翼面积的设计，运动状态计算和优化 ！
我们考虑滑翔伞的伞翼面积设计问题以及运动状态描述。滑翔伞的性能主要取决于伞翼面积、气动特性以及飞行员的重量。我们的目标是建立数学模型来描述滑翔伞的运动状态，并优化伞翼面积的设计。 一、问题分析 滑翔伞在飞行过程中受到重力、升力和阻力的作用。升力和阻力与伞翼面…...
论文阅读：Matting by Generation
今天介绍一篇关于 matting 抠图的文章，抠图也算是计算机视觉里面非常经典的一个任务了。从早期的经典算法到如今的深度学习算法，已经有很多的工作和这个任务相关。这两年 diffusion 模型很火，大家又开始用 diffusion 模型做各种 CV 任务了&am…...
LangChain【6】之输出解析器：结构化LLM响应的关键工具
文章目录 一 LangChain输出解析器概述1.1 什么是输出解析器？1.2 主要功能与工作原理1.3 常用解析器类型 二 主要输出解析器类型2.1 Pydantic/Json输出解析器2.2 结构化输出解析器2.3 列表解析器2.4 日期解析器2.5 Json输出解析器2.6 xml输出解析器 三 高级使用技巧3…...