OpenAI Responses API Ansökan och Användning

OpenAI har nyligen tillhandahållit ett gränssnitt för att skapa modellrespons. Ge text- eller bildinmatning för att generera text- eller bildutdata. Låt modellen anropa din egen anpassade kod eller använda inbyggda verktyg, som webbsökning eller fil sökning, för att använda dina egna data som inmatning för modellrespons. Detta dokument beskriver huvudsakligen användningsflödet för OpenAI Responses API, vilket gör att vi enkelt kan använda den officiella OpenAI:s funktion för att skapa modellrespons.

Ansökningsprocess

För att använda OpenAI Responses API, börja med att gå till Ace Data Cloud-konsolen för att hämta din API-token, som du kan spara för framtida bruk.

Om du inte är inloggad eller registrerad kommer du automatiskt att omdirigeras till inloggningssidan där du uppmanas att registrera dig och logga in, och efter att ha slutfört detta kommer du automatiskt att återvända till den aktuella sidan. En API-token kan anropa alla plattformens tjänster, utan att behöva ansöka separat för varje tjänst. Första ansökan ger en gratis kvot, så att du kan prova gratis; när kvoten är slut kan du ladda på allmän balans i konsolen.

📘 Fullständig dokumentation: OpenAI Responses API →

Grundläggande Användning

Därefter kan du fylla i motsvarande innehåll på gränssnittet, som visas i bilden:

Vid första användning av detta gränssnitt behöver vi fylla i minst tre innehåll, en är authorization, som du direkt väljer i rullgardinsmenyn. Den andra parametern är model, model är den vi väljer att använda från OpenAI ChatGPT:s officiella modellkategorier, här har vi huvudsakligen 20 olika modeller, detaljer kan ses i de modeller vi tillhandahåller. Den sista parametern är input, input är vår inmatade frågaordarray, som är en array som representerar flera frågor som kan laddas upp samtidigt, varje fråga innehåller role och content, där role representerar frågeställarens roll, vi har tillhandahållit tre identiteter: user, assistant, system. Den andra content är det specifika innehållet i vår fråga. Samtidigt kan du notera att det finns motsvarande anropskod som genereras till höger, du kan kopiera koden för att köra den direkt, eller klicka på “Try” knappen för att testa. Vanliga valfria parametrar:

max_tokens: Begränsar det maximala antalet tokens för ett enda svar.
temperature: Genererar slumpmässighet, mellan 0-2, ju högre värde desto mer spritt.
n: Hur många kandidatsvar som ska genereras på en gång.
response_format: Inställningar för returformat.
tools: Definition av funktions-/verktygsanrop.
background: Om det ska köras asynkront i bakgrunden.

Efter anropet upptäckte vi att returresultatet ser ut som följer:

{
  "id": "resp_68a98322e3c88191a027de2711a02a490554cad0b36c0400",
  "object": "response",
  "created_at": 1755939618,
  "status": "completed",
  "background": false,
  "content_filters": null,
  "error": null,
  "incomplete_details": null,
  "instructions": null,
  "max_output_tokens": null,
  "max_tool_calls": null,
  "model": "gpt-5.5",
  "output": [
    {
      "id": "msg_68a98323422c8191a7f383eea48ba5160554cad0b36c0400",
      "type": "message",
      "status": "completed",
      "content": [
        {
          "type": "output_text",
          "annotations": [],
          "text": "Hello! How can I assist you today?"
        }
      ],
      "role": "assistant"
    }
  ],
  "parallel_tool_calls": true,
  "previous_response_id": null,
  "prompt_cache_key": null,
  "reasoning": {
    "effort": null,
    "summary": null
  },
  "safety_identifier": null,
  "service_tier": "default",
  "store": true,
  "temperature": 1,
  "text": {
    "format": {
      "type": "text"
    }
  },
  "tool_choice": "auto",
  "tools": [],
  "top_p": 1,
  "truncation": "disabled",
  "usage": {
    "input_tokens": 8,
    "input_tokens_details": {
      "cached_tokens": 0
    },
    "output_tokens": 10,
    "output_tokens_details": {
      "reasoning_tokens": 0
    },
    "total_tokens": 18
  },
  "user": null,
  "metadata": {}
}

Returresultatet har flera fält, som beskrivs nedan:

id, ID för att generera denna dialoguppgift, används för att unikt identifiera denna dialoguppgift.
model, den valda OpenAI ChatGPT-modellen.
output, ChatGPT:s svarsinformation på frågeordet.
usage: Statistik över tokens för denna fråge- och svarspost.

Där output innehåller ChatGPT:s svarsinformation, och output är ChatGPT, som kan ses i bilden.

Det kan ses att content-fältet i output innehåller det specifika innehållet i ChatGPT:s svar.

Strömmande Respons

Detta gränssnitt stöder också strömmande respons, vilket är mycket användbart för webbgränssnitt, och kan låta webbplatsen visa text ord för ord. Om du vill ha en strömmande respons kan du ändra stream-parametern i begärningshuvudet till true. Ändringen visas i bilden, men anropskoden behöver ha motsvarande ändringar för att stödja strömmande respons.

När stream ändras till true, kommer API:et att returnera motsvarande JSON-data rad för rad, och på kodnivå behöver vi göra nödvändiga ändringar för att få radresultaten. Python-exempel på anropskod:

import requests

url = "https://api.acedata.cloud/openai/responses"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "gpt-4.1",
    "input": [{"role":"user","content":"Hello"}],
    "stream": True
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Utdataeffekten ser ut som följer:

data: {"type": "response.created", "sequence_number": 0, "response":
{"id": "resp_68a9837bb9bc8190b403947311db6faa0721186e8fbb89d0", "object": "response", "created_at": 1755939707, "status": "in_progress", "background": false, "content_filters": null, "error": null, "incomplete_details": null, "instructions": null, "max_output_tokens": null, "max_tool_calls": null, "model": "gpt-4.1-data", "output": [], "parallel_tool_calls": true, "previous_response_id": null, "prompt_cache_key": null, "reasoning": {"effort": null, "summary": null}, "safety_identifier": null, "service_tier": "auto", "store": true, "temperature": 1.0, "text": {"format": {"type": "text"}}, "tool_choice": "auto", "tools": [], "top_p": 1.0, "truncation": "disabled", "usage": null, "user": null, "metadata": {}}, "model": "gpt-4.1"} 

data: {"type": "response.in_progress", "sequence_number": 1, "response": {"id": "resp_68a9837bb9bc8190b403947311db6faa0721186e8fbb89d0", "object": "response", "created_at": 1755939707, "status": "in_progress", "background": false, "content_filters": null, "error": null, "incomplete_details": null, "instructions": null, "max_output_tokens": null, "max_tool_calls": null, "model": "gpt-4.1-data", "output": [], "parallel_tool_calls": true, "previous_response_id": null, "prompt_cache_key": null, "reasoning": {"effort": null, "summary": null}, "safety_identifier": null, "service_tier": "auto", "store": true, "temperature": 1.0, "text": {"format": {"type": "text"}}, "tool_choice": "auto", "tools": [], "top_p": 1.0, "truncation": "disabled", "usage": null, "user": null, "metadata": {}}, "model": "gpt-4.1"} 

data: {"type": "response.output_item.added", "sequence_number": 2, "output_index": 0, "item": {"id": "msg_68a9837c49f081908f568bf9c6065c620721186e8fbb89d0", "type": "message", "status": "in_progress", "content": [], "role": "assistant"}, "model": "gpt-4.1"} 

data: {"type": "response.content_part.added", "sequence_number": 3, "item_id": "msg_68a9837c49f081908f568bf9c6065c620721186e8fbb89d0", "output_index": 0, "content_index": 0, "part": {"type": "output_text", "annotations": [], "text": ""}, "model": "gpt-4.1"} 

data: {"type": "response.output_text.delta", "sequence_number": 4, "item_id": "msg_68a9837c49f081908f568bf9c6065c620721186e8fbb89d0", "output_index": 0, "content_index": 0, "delta": "Hej", "model": "gpt-4.1"} 

data: {"type": "response.output_text.delta", "sequence_number": 5, "item_id": "msg_68a9837c49f081908f568bf9c6065c620721186e8fbb89d0", "output_index": 0, "content_index": 0, "delta": "!", "model": "gpt-4.1"} 

data: {"type": "response.output_text.delta", "sequence_number": 6, "item_id": "msg_68a9837c49f081908f568bf9c6065c620721186e8fbb89d0", "output_index": 0, "content_index": 0, "delta": " Hur", "model": "gpt-4.1"} 

data: {"type": "response.output_text.delta", "sequence_number": 7, "item_id": "msg_68a9837c49f081908f568bf9c6065c620721186e8fbb89d0", "output_index": 0, "content_index": 0, "delta": " kan", "model": "gpt-4.1"} 

data: {"type": "response.output_text.delta", "sequence_number": 8, "item_id": "msg_68a9837c49f081908f568bf9c6065c620721186e8fbb89d0", "output_index": 0, "content_index": 0, "delta": " jag", "model": "gpt-4.1"} 

data: {"type": "response.output_text.delta", "sequence_number": 9, "item_id": "msg_68a9837c49f081908f568bf9c6065c620721186e8fbb89d0", "output_index": 0, "content_index": 0, "delta": " hjälpa", "model": "gpt-4.1"} 

data: {"type": "response.output_text.delta", "sequence_number": 10, "item_id": "msg_68a9837c49f081908f568bf9c6065c620721186e8fbb89d0", "output_index": 0, "content_index": 0, "delta": " dig", "model": "gpt-4.1"} 

data: {"type": "response.output_text.delta", "sequence_number": 11, "item_id": "msg_68a9837c49f081908f568bf9c6065c620721186e8fbb89d0", "output_index": 0, "content_index": 0, "delta": " idag", "model": "gpt-4.1"} 

data: {"type": "response.output_text.delta", "sequence_number": 12, "item_id": "msg_68a9837c49f081908f568bf9c6065c620721186e8fbb89d0", "output_index": 0, "content_index": 0, "delta": "?", "model": "gpt-4.1"} 

data: {"type": "response.output_text.delta", "sequence_number": 13, "item_id": "msg_68a9837c49f081908f568bf9c6065c620721186e8fbb89d0", "output_index": 0, "content_index": 0, "delta": " 😊", "model": "gpt-4.1"} 

data: {"type": "response.output_text.done", "sequence_number": 14, "item_id": "msg_68a9837c49f081908f568bf9c6065c620721186e8fbb89d0", "output_index": 0, "content_index": 0, "text": "Hej! Hur kan jag hjälpa dig idag? 😊", "model": "gpt-4.1"} 

data: {"type": "response.content_part.done", "sequence_number": 15, "item_id": "msg_68a9837c49f081908f568bf9c6065c620721186e8fbb89d0", "output_index": 0, "content_index": 0, "part": {"type": "output_text", "annotations": [], "text": "Hej! Hur kan jag hjälpa dig idag? 😊"}, "model": "gpt-4.1"} 

data: {"type": "response.output_item.done", "sequence_number": 16, "output_index": 0, "item": {"id": "msg_68a9837c49f081908f568bf9c6065c620721186e8fbb89d0", "type": "message", "status": "completed", "content": [{"type": "output_text", "annotations": [], "text": "Hej! Hur kan jag hjälpa dig idag? 😊"}], "role": "assistant"}, "model": "gpt-4.1"} 

data: {"type": "response.completed", "sequence_number": 17, "response":
{"id": "resp_68a9837bb9bc8190b403947311db6faa0721186e8fbb89d0", "object": "response", "created_at": 1755939707, "status": "completed", "background": false, "content_filters": null, "error": null, "incomplete_details": null, "instructions": null, "max_output_tokens": null, "max_tool_calls": null, "model": "gpt-4.1-data", "output": [{"id": "msg_68a9837c49f081908f568bf9c6065c620721186e8fbb89d0", "type": "message", "status": "completed", "content": [{"type": "output_text", "annotations": [], "text": "Hej! Hur kan jag hjälpa dig idag? 😊"}], "role": "assistant"}], "parallel_tool_calls": true, "previous_response_id": null, "prompt_cache_key": null, "reasoning": {"effort": null, "summary": null}, "safety_identifier": null, "service_tier": "default", "store": true, "temperature": 1.0, "text": {"format": {"type": "text"}}, "tool_choice": "auto", "tools": [], "top_p": 1.0, "truncation": "disabled", "usage": {"input_tokens": 8, "input_tokens_details": {"cached_tokens": 0}, "output_tokens": 11, "output_tokens_details": {"reasoning_tokens": 0}, "total_tokens": 19}, "user": null, "metadata": {}}, "model": "gpt-4.1"}

Det kan ses att svaret innehåller många data, där data innehåller delta som är det senaste svaret, vilket stämmer överens med innehållet som beskrivs ovan. delta är det nya svaret, och du kan koppla det till ditt system baserat på resultatet. Samtidigt avgörs slutet av det strömmande svaret baserat på innehållet i data, om type-innehållet är response.completed, indikerar det att det strömmande svaret har avslutats helt. De returnerade data-resultaten har flera fält, som beskrivs nedan:

item_id, ID för att generera denna dialoguppgift, används för att unikt identifiera denna dialoguppgift.
type, typ av den genererade dialogresponsuppgiften.
model, den valda OpenAI ChatGPT-modellen.
delta, ChatGPT:s svarsinformation på frågeordet.

JavaScript stöds också, till exempel Node.js strömmande anropskod ser ut så här:

const options = {
  method: "post",
  headers: {
    accept: "application/json",
    authorization: "Bearer b82d32f570bc434d9ba9923aa0e7dce0",
    "content-type": "application/json",
  },
  body: JSON.stringify({
    model: "gpt-4.1",
    input: [{ role: "user", content: "Hej" }],
    stream: true,
  }),
};

fetch("https://api.acedata.cloud/openai/responses", options)
  .then((response) => response.json())
  .then((response) => console.log(response))
  .catch((err) => console.error(err));

Java-exempel på kod:

JSONObject jsonObject = new JSONObject();
jsonObject.put("model", "gpt-4.1");
jsonObject.put("input", [{"role":"user","content":"Hej"}]);
jsonObject.put("stream", true);
MediaType mediaType = "application/json; charset=utf-8".toMediaType();
RequestBody body = jsonObject.toString().toRequestBody(mediaType);
Request request = new Request.Builder()
  .url("https://api.acedata.cloud/openai/responses")
  .post(body)
  .addHeader("accept", "application/json")
  .addHeader("authorization", "Bearer b82d32f570bc434d9ba9923aa0e7dce0")
  .addHeader("content-type", "application/json")
  .build();

OkHttpClient client = new OkHttpClient();
Response response = client.newCall(request).execute();
System.out.print(response.body!!.string())

Andra språk kan skrivas om på egen hand, principen är densamma.

Flera rundor av dialog

Om du vill koppla flera rundor av dialogfunktionalitet, behöver du ladda upp flera frågeord i input-fältet, specifika exempel på flera frågeord visas nedan:

Python-exempel på anropskod:

import requests

url = "https://api.acedata.cloud/openai/responses"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "gpt-4.1",
    "input": [{"role":"user","content":"Hej"},{"role":"assistant","content":"Hej! Hur kan jag hjälpa dig idag? 😊"},{"role":"user","content":"Vad sa jag precis?"}]
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Genom att ladda upp flera frågeord kan du enkelt genomföra flera rundor av dialog och få följande svar:

{
  "id": "resp_68a989c03c508191a1dd82ce2e37e88a0932a4328c0a5d5b",
  "object": "response",
  "created_at": 1755941312,
  "status": "completed",
  "background": false,
  "content_filters": null,
  "error": null,
  "incomplete_details": null,
  "instructions": null,
  "max_output_tokens": null,
  "max_tool_calls": null,
  "model": "gpt-4.1",
  "output": [
    {
      "id": "msg_68a989c092e4819189821a9eb8247e1e0932a4328c0a5d5b",
      "type": "message",
      "status": "completed",
      "content": [
        {
          "type": "output_text",
          "annotations": [],
          "text": "Du sa precis \"Hej.\" \n\nVill du fortsätta konversationen eller ställa en fråga?"
        }
      ],
      "role": "assistant"
    }
  ],
  "parallel_tool_calls": true,
  "previous_response_id": null,
  "prompt_cache_key": null,
  "reasoning": {
    "effort": null,
    "summary": null
  },
  "safety_identifier": null,
  "service_tier": "default",
  "store": true,
  "temperature": 1,
  "text": {
    "format": {
      "type": "text"
    }
  },
  "tool_choice": "auto",
  "tools": [],
  "top_p": 1,
  "truncation": "disabled",
  "usage": {
    "input_tokens": 32,
    "input_tokens_details": {
      "cached_tokens": 0
    },
    "output_tokens": 20,
    "output_tokens_details": {
      "reasoning_tokens": 0
    },
    "total_tokens": 52
  },
  "user": null,
  "metadata": {}
}

Det kan ses att output innehåller information som är i linje med det grundläggande användningsinnehållet, vilket inkluderar ChatGPT:s specifika svar på flera dialoger, så att du kan svara på motsvarande frågor baserat på flera dialoginnehåll.

Visuella modeller

gpt-4o är en multimodal stor språkmodell utvecklad av OpenAI, som har ökat den visuella förståelseförmågan baserat på GPT-4. Denna modell kan hantera både text- och bildinmatningar samtidigt, vilket möjliggör korsmodal förståelse och generering. Användningen av gpt-4o-modellens textbehandling är densamma som det grundläggande användningsinnehållet som beskrivs ovan, nedan kommer en kort introduktion om hur man använder modellens bildbehandlingsförmåga. Användningen av gpt-4o-modellens bildbehandlingsförmåga sker huvudsakligen genom att lägga till ett type-fält på den ursprungliga content-innehållet, genom vilket fältet kan avgöra om det som laddas upp är text eller bild, och därmed använda gpt-4o-modellens bildbehandlingsförmåga. Nedan beskrivs huvudsakligen hur man anropar denna funktion med Curl och Python.

Curl skriptmetod

curl -X POST 'https://api.acedata.cloud/openai/responses' \
-H 'accept: application/json' \
-H 'authorization: Bearer {token}' \
-H 'content-type: application/json' \
-d '{
    "model": "gpt-4.1",
    "input": [
      {
        "role": "user",
        "content": [
          {"type": "input_text", "text": "vad finns i den här bilden?"},
          {
            "type": "input_image",
            "image_url": "https://cdn.acedata.cloud/e724d7f13d.png"
          }
        ]
      }
    ]
  }'

Python skriptmetod

import requests

url = "https://api.acedata.cloud/openai/chat/completions"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "gpt-4.1",
    "input": [
      {
        "role": "user",
        "content": [
          {"type": "input_text", "text": "vad finns i den här bilden?"},
          {
            "type": "input_image",
            "image_url": "https://cdn.acedata.cloud/e724d7f13d.png"
          }
        ]
      }
    ]
  }

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Därefter kan man få följande resultat, där fältinformationen är densamma som ovan, specifikt som följer:

{
  "id": "resp_68a98c1bb784819e9b9f622007a2d37602483949012d2193",
  "object": "response",
  "created_at": 1755941915,
  "status": "completed",
  "background": false,
  "content_filters": null,
  "error": null,
  "incomplete_details": null,
  "instructions": null,
  "max_output_tokens": null,
  "max_tool_calls": null,
  "model": "gpt-4.1",
  "output": [
    {
      "id": "msg_68a98c1dd030819e97fb71e6ee33f5a902483949012d2193",
      "type": "message",
      "status": "completed",
      "content": [
        {
          "type": "output_text",
          "annotations": [],
          "text": "Denna bild visar en naturskön väg, möjligen en gångväg, som löper genom ett frodigt grönt fält eller äng. Himlen ovan är ljusblå med några vita moln, och det finns gröna träd och buskar i bakgrunden. Det ser ut som en fredlig naturscen, möjligen i en park, våtmark eller prärieområde. Bilden förmedlar en känsla av lugn och naturlig skönhet."
        }
      ],
      "role": "assistant"
    }
  ],
  "parallel_tool_calls": true,
  "previous_response_id": null,
  "prompt_cache_key": null,
  "reasoning": {
    "effort": null,
    "summary": null
  },
  "safety_identifier": null,
  "service_tier": "default",
  "store": true,
  "temperature": 1,
  "text": {
    "format": {
      "type": "text"
    }
  },
  "tool_choice": "auto",
  "tools": [],
  "top_p": 1,
  "truncation": "disabled",
  "usage": {
    "input_tokens": 1118,
    "input_tokens_details": {
      "cached_tokens": 0
    },
    "output_tokens": 75,
    "output_tokens_details": {
      "reasoning_tokens": 0
    },
    "total_tokens": 1193
  },
  "user": null,
  "metadata": {}
}

Man kan se att svaret är baserat på bilden, så genom ovanstående två metoder kan man enkelt använda gpt-4.1-modellens text- och bildbehandlingsförmåga. Förutom gpt-4.1 finns det en kostnadseffektivare modell som kallas gpt-4o-mini. gpt-4o-mini är OpenAI:s senaste generation av stora språkmodeller, som inte bara har snabbare svarstider utan också är billigare och stödjer multimodalitet. Användningen av vision-funktionen kan refereras till ovanstående innehåll om användningen av gpt-4.1-modellen.

Skapande av filhanteringsmodell

Begärningsexempel:

{
  "model": "gpt-4.1",
  "input": [
    {
      "role": "user",
      "content": [
        { "type": "input_text", "text": "vad finns i den här filen?" },
        {
          "type": "input_file",
          "file_url": "https://platform2.cdn.acedata.cloud/fish/64adc04b-c196-4a0f-9070-222ba101ce6c.wav"
        }
      ]
    }
  ]
}

Exempelresultat:

{
  "id": "resp_68a98d7bb57c819ba25424f5f50a29a300a1af2af822e88a",
  "object": "response",
  "created_at": 1755942267,
  "status": "completed",
  "background": false,
  "content_filters": null,
  "error": null,
  "incomplete_details": null,
  "instructions": null,
  "max_output_tokens": null,
  "max_tool_calls": null,
  "model": "gpt-4.1",
  "output": [
    {
      "id": "msg_68a98d7d9b80819b9b0f09b7bcd00bf900a1af2af822e88a",
      "type": "message",
      "status": "completed",
      "content": [
        {
          "type": "output_text",
          "annotations": [],
          "text": "Filen du postade innehåller det **årliga brevet till aktieägarna för 2024 från Berkshire Hathaway Inc.**, skrivet av Warren E. Buffett, styrelseordförande. Detta dokument är en omfattande kommunikation som vanligtvis ingår i Berkshires årsredovisning till aktieägarna.\n\n### Vad som finns i filen:\n\n#### 1. **Ordförandens brev till aktieägarna**\n   - **Introduktion & Filosofi:** Warren Buffett diskuterar syftet med årsredovisningen, Berkshire Hathaways kommunikationsstil och sin filosofi för transparens och öppen diskussion om både framgångar och misslyckanden.\n   - **Diskussion om misstag:** Han pratar öppet om de misstag som gjorts i kapitalallokering och personalbeslut, och betonar vikten av att erkänna fel och agera snabbt för att rätta till dem.\n   - **Kommentarer om efterträdare:** Buffett nämner sin eventual pensionering, och att Greg Abel kommer att efterträda honom som VD och författare av dessa brev.\n   - **Anekdotisk berättelse:** Berättelsen om Pete Liegl, grundare av Forest River (en husvagnstillverkare som förvärvades av Berkshire), berättas för att illustrera ledarskapsfilosofi och affärsbeslutsfattande.\n\n#### 2. **Affärs- och finansiell prestation 2024**\n   - **Nyckelresultat:** Sammanfattning av hur Berkshire presterade finansiellt 2024 jämfört med 2023, inklusive driftsresultat uppdelat efter affärsområden som försäkring, BNSF-järnvägen och energi.\n   - **Försäkringsverksamhet:** GEICO och egendoms- och olycksfallsförsäkringsdivisionen hade ett framstående år, med kommentarer om branschen och hur Berkshire närmar sig försäkringsrisk, prissättning och investering av försäkrings \"float.\"\n   - **Investeringar:** Diskussion om Berkshires strategi att äga både hela företag och delägarskap (marknadsnoterade värdepapper) i stora företag (t.ex. Apple, American Express, Coca-Cola), och dess användning av kontanter.\n   - **Skatter:** Referens till att Berkshire satte rekord i företags skattebetalningar (26,8 miljarder dollar till IRS 2024).\n\n#### 3. **Långsiktig filosofi & kommentar om kapitalism**\n   - **Om aktier:** Buffett förklarar varför Berkshire prioriterar ägande av företag (aktier) över kontanter eller obligationer, och varför företaget föredrar långsiktiga investeringar.\n   - **Om kapitalism:** Det finns en reflektion över Amerikas tillväxt, kapitalismens roll, sparande och kapitalallokering i nationens framgång, och en nick till vikten av att upprätthålla en stabil valuta.\n\n#### 4. **Japanska investeringar**\n   - **Uppdatering om japanska innehav:** Berkshires växande investeringar i fem japanska handelsföretag, och den positiva synen på deras ledning och styrning.\n\n#### 5. **Berkshire Hathaway års möte**\n   - **Information om det årliga mötet:** Detaljer om det årliga mötet i Omaha, inklusive sociala evenemang, bokförsäljning och välgörenhetsinitiativ relaterade till mötet.\n   - **Personliga berättelser:** Personliga anekdoter som involverar Buffetts familj, (inklusive hans syster Bertie), för att ge en mänsklig touch till brevet.\n\n#### 6. **Prestandatabeller**\n   - **Berkshire vs S&P 500 (1965-2024):** Två detaljerade tabeller som visar den årliga procentuella förändringen i Berkshires aktiekurs jämfört med den totala avkastningen för S&P 500, samt långsiktiga sammansatta och totala vinster.\n\n---\n\n### Sammanfattning\n\nDenna fil är det **årliga brevet till aktieägarna för 2024 från Berkshire Hathaway**, huvudsakligen skrivet av Warren Buffett. Det täcker affärsprestanda, ledarskapsfilosofi, investeringsstrategi, intäkter och skatter, försäkringsverksamhet, betydande innehav, kapitalallokering, uppdateringar om efterträdare och mer. Tabeller visar en anmärkningsvärd överprestation av Berkshire Hathaway jämfört med S&P 500 under nästan sex decennier – en central stolthetspunkt i brevet.\n\nOm du vill ha specifika detaljer från någon särskild sektion, låt mig veta!"
        }
      ],
      "role": "assistant"
    }
  ],
  "parallel_tool_calls": true,
  "previous_response_id": null,
  "prompt_cache_key": null,
  "reasoning": {
    "effort": null,
    "summary": null
  },
  "safety_identifier": null,
  "service_tier": "default",
  "store": true,
  "temperature": 1,
  "text": {
    "format": {
      "type": "text"
    }
  },
  "tool_choice": "auto",
  "tools": [],
  "top_p": 1,
  "truncation": "disabled",
  "usage": {
    "input_tokens": 8438,
    "input_tokens_details": {
      "cached_tokens": 0
    },
    "output_tokens": 731,
    "output_tokens_details": {
      "reasoning_tokens": 0
    },
    "total_tokens": 9169
  },
  "user": null,
  "metadata": {}
}

可以看到，我们对输入的文件也进行了处理文件，结果与上文类似。

Felhantering

Vid anrop av API:et, om ett fel uppstår, kommer API:et att returnera motsvarande felkod och information. Till exempel:

400 token_mismatched: Felaktig begäran, möjligtvis på grund av saknade eller ogiltiga parametrar.
400 api_not_implemented: Felaktig begäran, möjligtvis på grund av saknade eller ogiltiga parametrar.
401 invalid_token: Obefogad, ogiltig eller saknad auktoriseringstoken.
429 too_many_requests: För många begärningar, du har överskridit hastighetsgränsen.
500 api_error: Internt serverfel, något gick fel på servern.

Exempel på felrespons

{
  "success": false,
  "error": {
    "code": "api_error",
    "message": "fetch failed"
  },
  "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89"
}

Slutsats

Genom detta dokument har du fått en förståelse för hur du använder OpenAI Responses API för att enkelt implementera den officiella OpenAI:s skapande av Responses-funktion. Vi hoppas att detta dokument kan hjälpa dig att bättre integrera och använda API:et. Om du har några frågor, tveka inte att kontakta vårt tekniska supportteam.

Getting Started

AI Samtal

AI Bild

AI Video

AI Ljud

Web & Data

CAPTCHA

Identitet

Proxy

Advanced

Coding

OpenAI Responses API Ansökan och Användning

Ansökningsprocess

Grundläggande Användning

Strömmande Respons

Flera rundor av dialog

Visuella modeller

Skapande av filhanteringsmodell

Felhantering

Exempel på felrespons

Slutsats

​Ansökningsprocess

​Grundläggande Användning

​Strömmande Respons

​Flera rundor av dialog

​Visuella modeller

​Skapande av filhanteringsmodell

​Felhantering

​Exempel på felrespons

​Slutsats

Ansökningsprocess

Grundläggande Användning

Strömmande Respons

Flera rundor av dialog

Visuella modeller

Skapande av filhanteringsmodell

Felhantering

Exempel på felrespons

Slutsats