OpenAI Responses API заявка та використання

OpenAI нещодавно надав інтерфейс для створення відповідей моделей. Надсилайте текстові або зображення вхідні дані для генерації текстових або зображення вихідних даних. Дозвольте моделі викликати ваш власний код або використовувати вбудовані інструменти, такі як веб-пошук або пошук файлів, щоб використовувати ваші власні дані як вхідні дані для відповіді моделі. Цей документ в основному описує процес використання OpenAI Responses API, завдяки якому ми можемо легко використовувати функцію створення відповідей моделей від офіційного OpenAI.

Процес заявки

Щоб використовувати OpenAI Responses API, спочатку перейдіть до консолі Ace Data Cloud для отримання вашого API Token, залиште його на випадок потреби.

Якщо ви ще не увійшли в систему або не зареєстровані, вас автоматично перенаправлять на сторінку входу, запрошуючи вас зареєструватися та увійти, після чого ви автоматично повернетеся на цю сторінку. Один API Token дозволяє викликати всі послуги платформи, не потрібно окремо подавати заявку на кожну послугу. Перший запит на отримання токена надає безкоштовний ліміт, щоб ви могли безкоштовно спробувати; якщо ліміт вичерпано, ви можете поповнити загальний баланс в консолі.

📘 Повна документація: OpenAI Responses API →

Основне використання

Далі ви можете заповнити відповідні дані на інтерфейсі, як показано на малюнку:

При першому використанні цього інтерфейсу нам потрібно заповнити принаймні три поля: одне з них - authorization, яке можна вибрати безпосередньо зі спадного списку. Інший параметр - model, model - це категорія моделі, яку ми вибираємо для використання з OpenAI ChatGPT, тут у нас є 20 моделей, деталі можна переглянути в наданих моделях. Останній параметр - input, input - це масив запитів, який представляє можливість одночасно завантажувати кілька запитів, кожен з яких містить role та content, де role вказує на роль запитувача, ми надали три ідентичності: user, assistant, system. Інший content - це конкретний зміст нашого запиту. Ви також можете помітити, що праворуч є відповідний код виклику, який ви можете скопіювати та безпосередньо виконати, або просто натиснути кнопку «Спробувати» для тестування. Звичайні необов’язкові параметри:

max_tokens: обмеження на максимальну кількість токенів у відповіді.
temperature: випадковість генерації, від 0 до 2, чим більше значення, тим більше розсіювання.
n: скільки кандидатних відповідей генерувати за один раз.
response_format: налаштування формату повернення.
tools: визначення викликів функцій/інструментів.
background: чи працювати в фоновому режимі асинхронно.

Після виклику ми отримали наступний результат:

{
  "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": {}
}

Результат повернення містить кілька полів, описаних нижче:

id, ID, що генерує цю задачу діалогу, використовується для унікальної ідентифікації цієї задачі діалогу.
model, вибрана модель OpenAI ChatGPT.
output, інформація про відповідь ChatGPT на запит.
usage: статистична інформація про токени для цього запитання-відповіді.

Серед них output містить інформацію про відповідь ChatGPT, в якій output - це відповідь ChatGPT, як показано на малюнку.

Можна побачити, що поле content в output містить конкретний зміст відповіді ChatGPT.

Потокова відповідь

Цей інтерфейс також підтримує потокову відповідь, що дуже корисно для веб-інтеграції, дозволяючи веб-сторінці реалізувати ефект поетапного відображення. Якщо ви хочете отримати потокову відповідь, ви можете змінити параметр stream в заголовку запиту на true. Зміна, як показано на малюнку, але код виклику потребує відповідних змін, щоб підтримувати потокову відповідь.

Після зміни stream на true, API буде повертати відповідні JSON дані по рядках, на рівні коду нам потрібно внести відповідні зміни, щоб отримати результати по рядках. Приклад коду виклику на Python:

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)

Вихідний ефект виглядає так:

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": "Привіт", "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": " Як", "model": "gpt-4.1"} 

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

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

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

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

data: {"type": "response.output_text.delta", "sequence_number": 11, "item_id": "msg_68a9837c49f081908f568bf9c6065c620721186e8fbb89d0", "output_index": 0, "content_index": 0, "delta": " сьогодні", "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": "Привіт! Як я можу допомогти тобі сьогодні? 😊", "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": "Привіт! Як я можу допомогти тобі сьогодні? 😊"}, "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": "Привіт! Як я можу допомогти тобі сьогодні? 😊"}], "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": "Привіт! Чим я можу вам допомогти сьогодні? 😊"}], "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"}

Як видно, у відповіді є багато data, а delta в data є останнім змістом відповіді, що відповідає вищезгаданому змісту. delta є новим змістом відповіді, ви можете інтегрувати його у вашу систему. Завершення потокової відповіді визначається за змістом data, якщо type має значення response.completed, це означає, що відповідь потокової відповіді завершена. Повернуті результати data мають кілька полів, описаних нижче:

item_id, ID, що генерує цю розмову, використовується для унікальної ідентифікації цієї розмови.
type, тип завдання Responses, що генерує цю розмову.
model, вибраний модель OpenAI ChatGPT.
delta, інформація про відповідь ChatGPT на запит.

JavaScript також підтримується, наприклад, код для потокового виклику Node.js виглядає так:

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: "Привіт" }],
    stream: true,
  }),
};

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

Приклад коду на Java:

JSONObject jsonObject = new JSONObject();
jsonObject.put("model", "gpt-4.1");
jsonObject.put("input", [{"role":"user","content":"Привіт"}]);
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())

Інші мови можна переписати самостійно, принцип однаковий.

Багатократний діалог

Якщо ви хочете інтегрувати функцію багатократного діалогу, вам потрібно завантажити кілька запитів у поле input, приклади кількох запитів наведені на малюнку нижче:

Приклад коду на Python:

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":"Привіт"},{"role":"assistant","content":"Привіт! Чим я можу вам допомогти сьогодні? 😊"},{"role":"user","content":"Що я тільки що сказав?"}]
}

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

Завантаживши кілька запитів, ви можете легко реалізувати багатократний діалог, отримавши таку відповідь:

{
  "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": "Ви тільки що сказали \"Привіт.\" \n\nЧи хочете ви продовжити розмову або задати питання?"
        }
      ],
      "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": {}
}

Як видно, інформація в output відповідає основному змісту використання, це містить конкретний зміст відповідей ChatGPT на кілька діалогів, що дозволяє відповідати на відповідні питання на основі кількох діалогів.

Візуальна модель

gpt-4o - це багатомодальна велика мовна модель, розроблена OpenAI, яка на базі GPT-4 додала можливості візуального розуміння. Ця модель може одночасно обробляти текстові та зображення, реалізуючи міжмодальне розуміння та генерацію. Обробка тексту за допомогою моделі gpt-4o є такою ж, як і в основному використанні, нижче буде коротко описано, як використовувати можливості обробки зображень моделі. Використання можливостей обробки зображень моделі gpt-4o в основному здійснюється шляхом додавання поля type до існуючого змісту content, за допомогою якого можна дізнатися, чи завантажено текст чи зображення, щоб використовувати можливості обробки зображень моделі gpt-4o, нижче основна інформація про виклик цієї функції за допомогою Curl та Python.

Curl скрипт

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": "що на цьому зображенні?"},
          {
            "type": "input_image",
            "image_url": "https://cdn.acedata.cloud/e724d7f13d.png"
          }
        ]
      }
    ]
  }'

Python скрипт

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": "що на цьому зображенні?"},
          {
            "type": "input_image",
            "image_url": "https://cdn.acedata.cloud/e724d7f13d.png"
          }
        ]
      }
    ]
  }

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

Потім можна отримати наступний результат, інформація в результаті відповідає наведеному вище, конкретно наступним чином:

{
  "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": "Це зображення показує мальовничу стежку, можливо, настил, що проходить через пишне зелене поле або луг. Небо над ним яскраво-синє з кількома білими хмарами, а на фоні зелені дерева та кущі. Це виглядає як мирна природна сцена, можливо, в парку, болоті або прерії. Зображення передає відчуття спокою та природної краси."
        }
      ],
      "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": {}
}

Можна побачити, що відповідь базується на зображенні, тому за допомогою вищезгаданих двох способів можна легко використовувати текстові та зображеневі можливості моделі gpt-4.1. Окрім gpt-4.1, є ще одна модель з нижчими витратами, яка називається gpt-4o-mini. gpt-4o-mini — це останнє покоління великої мовної моделі, розробленої OpenAI, яка не тільки швидко реагує, але й є дешевшою, також підтримує мультимодальність. Використання функції vision можна знайти в описі використання моделі gpt-4.1.

Створення моделі обробки файлів

Приклад запиту:

{
  "model": "gpt-4.1",
  "input": [
    {
      "role": "user",
      "content": [
        { "type": "input_text", "text": "що в цьому файлі?" },
        {
          "type": "input_file",
          "file_url": "https://platform2.cdn.acedata.cloud/fish/64adc04b-c196-4a0f-9070-222ba101ce6c.wav"
        }
      ]
    }
  ]
}

Приклад результату:

{
  "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": "Файл, який ви надіслали, містить **річний лист акціонерам за 2024 рік від Berkshire Hathaway Inc.**, написаний Уорреном Е. Баффетом, головою правління. Цей документ є всебічним повідомленням, яке зазвичай включається до річного звіту Berkshire для акціонерів.\n\n### Що всередині файлу:\n\n#### 1. **Лист голови правління акціонерам**\n   - **Вступ і філософія:** Уоррен Баффет обговорює мету річного звіту, стиль комунікації Berkshire Hathaway та свою філософію прозорості і відвертої дискусії про успіхи та невдачі.\n   - **Обговорення помилок:** Він відкрито говорить про помилки, допущені в розподілі капіталу та кадрових рішеннях, підкреслюючи важливість визнання помилок і швидких дій для їх виправлення.\n   - **Коментарі щодо наступництва:** Баффет згадує про своє майбутнє вихід на пенсію, і що Грег Абель стане його наступником на посаді генерального директора та автора цих листів.\n   - **Анеcdотична історія:** Історія Піта Лігла, засновника Forest River (виробника автодомів, придбаного Berkshire), розповідається для ілюстрації філософії управління та прийняття бізнес-рішень.\n\n#### 2. **Бізнес і фінансова діяльність у 2024 році**\n   - **Ключові результати:** Підсумок того, як Berkshire показав себе фінансово у 2024 році в порівнянні з 2023 роком, включаючи розподіл операційного прибутку за бізнес-сегментами, такими як страхування, залізниця BNSF та енергетика.\n   - **Страховий бізнес:** GEICO та підрозділ страхування майна і нещасних випадків мали видатний рік, з коментарями про галузь та про те, як Berkshire підходить до ризику страхування, ціноутворення та інвестування \"плаваючих\" коштів.\n   - **Інвестиції:** Обговорення стратегії Berkshire щодо володіння як повними бізнесами, так і частковими частками (ліквідними цінними паперами) у великих компаніях (наприклад, Apple, American Express, Coca-Cola) та її використання готівки.\n   - **Податки:** Згадка про те, що Berkshire встановила рекорди в корпоративних податкових платежах (26,8 мільярда доларів США до IRS у 2024 році).\n\n#### 3. **Довгострокова філософія та коментарі щодо капіталізму**\n   - **Щодо акцій:** Баффет пояснює, чому Berkshire надає перевагу володінню бізнесами (акціями) над готівкою або облігаціями, і чому компанія віддає перевагу довгостроковим інвестиціям.\n   - **Щодо капіталізму:** Є роздуми про зростання Америки, роль капіталізму, заощадження та розподіл капіталу в успіху нації, а також натяк на важливість підтримки стабільної валюти.\n\n#### 4. **Японські інвестиції**\n   - **Оновлення щодо японських активів:** Зростаючі інвестиції Berkshire в п'яти японських торгових компаніях та позитивний погляд на їхнє управління та корпоративне управління.\n\n#### 5. **Щорічні збори Berkshire Hathaway**\n   - **Інформація про щорічну зустріч:** Деталі про щорічну зустріч в Омасі, включаючи соціальні події, продаж книг та благодійні ініціативи, пов'язані з зустріччю.\n   - **Особисті історії:** Особисті анекдоти, що стосуються родини Баффета (включаючи його сестру Берті), щоб додати людського дотику до листа.\n\n#### 6. **Таблиці результатів**\n   - **Berkshire проти S&P 500 (1965-2024):** Дві детальні таблиці, що показують річну відсоткову зміну ціни акцій Berkshire в порівнянні з загальним доходом для S&P 500, а також довгострокові складені та загальні прибутки.\n\n---\n\n### У підсумку\n\nЦей файл є **річним листом акціонерам Berkshire Hathaway за 2024 рік**, в основному написаним Уорреном Баффетом. Він охоплює бізнес-результати, філософію управління, інвестиційну стратегію, прибутки та податки, страхові операції, значні активи, розподіл капіталу, оновлення щодо наступництва та інше. Таблиці показують вражаюче перевищення результатів Berkshire Hathaway над S&P 500 за майже шість десятиліть – центральна точка гордості в листі.\n\nЯкщо вам потрібні деталі з будь-якого конкретного розділу, дайте мені знати!"
        }
      ],
      "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。

Помилка обробки

У разі виникнення помилки під час виклику API, API поверне відповідний код помилки та інформацію. Наприклад:

400 token_mismatched: Неправильний запит, можливо, через відсутні або недійсні параметри.
400 api_not_implemented: Неправильний запит, можливо, через відсутні або недійсні параметри.
401 invalid_token: Неавторизовано, недійсний або відсутній токен авторизації.
429 too_many_requests: Занадто багато запитів, ви перевищили ліміт запитів.
500 api_error: Внутрішня помилка сервера, щось пішло не так на сервері.

Приклад відповіді на помилку

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

Висновок

За допомогою цього документа ви дізналися, як використовувати OpenAI Responses API для легкого реалізації функції створення Responses від офіційного OpenAI. Сподіваємося, що цей документ допоможе вам краще інтегрувати та використовувати цей API. Якщо у вас є будь-які питання, будь ласка, звертайтеся до нашої команди технічної підтримки.

Getting Started

AI Чат

AI Зображення

AI Відео

AI Аудіо

Веб і дані

CAPTCHA

Ідентичність

Проксі

Advanced

Coding

OpenAI Responses API заявка та використання

Процес заявки

Основне використання

Потокова відповідь

Багатократний діалог

Візуальна модель

Створення моделі обробки файлів

Помилка обробки

Приклад відповіді на помилку

Висновок

​Процес заявки

​Основне використання

​Потокова відповідь

​Багатократний діалог

​Візуальна модель

​Створення моделі обробки файлів

​Помилка обробки

​Приклад відповіді на помилку

​Висновок

Процес заявки

Основне використання

Потокова відповідь

Багатократний діалог

Візуальна модель

Створення моделі обробки файлів

Помилка обробки

Приклад відповіді на помилку

Висновок