创建完成

POST

https://xuedingmao.online/v1/completions

给定一个提示，该模型将返回一个或多个预测的完成，并且还可以返回每个位置的替代标记的概率。

为提供的提示和参数创建完成

请求参数

Header 参数

Authorization

string

可选

示例值:

Bearer {{YOUR_API_KEY}}

Body 参数application/json

model

string

必需

要使用的模型的 ID。您可以使用List models API 来查看所有可用模型，或查看我们的模型概述以了解它们的描述。

prompt

string

必需

生成完成的提示，编码为字符串、字符串数组、标记数组或标记数组数组。请注意，<|endoftext|> 是模型在训练期间看到的文档分隔符，因此如果未指定提示，模型将生成新文档的开头。

best_of

integer

可选

默认为1 在服务器端生成best_of个补全,并返回“最佳”补全(每个令牌的日志概率最高的那个)。无法流式传输结果。与n一起使用时,best_of控制候选补全的数量,n指定要返回的数量 – best_of必须大于n。注意:因为这个参数会生成许多补全,所以它可以快速消耗您的令牌配额。请谨慎使用,并确保您对max_tokens和stop有合理的设置。

echo

boolean

可选

默认为false 除了补全之外,还回显提示

frequency_penalty

number

可选

默认为0 -2.0和2.0之间的数字。正值根据文本目前的现有频率处罚新令牌,降低模型逐字重复相同行的可能性。

logit_bias

object

可选

默认为null 修改完成中指定令牌出现的可能性。接受一个JSON对象,该对象将令牌(由GPT令牌化器中的令牌ID指定)映射到关联偏差值,-100到100。您可以使用这个令牌化器工具(适用于GPT-2和GPT-3)将文本转换为令牌ID。从数学上讲,偏差在对模型进行采样之前添加到生成的logit中。确切效果因模型而异,但-1至1之间的值应降低或提高选择的可能性;像-100或100这样的值应导致相关令牌的禁用或专属选择。例如,您可以传递{"50256": -100}来防止生成<|endoftext|>令牌。

logprobs

null

可选

默认为null
包括logprobs个最可能令牌的日志概率,以及所选令牌。例如,如果logprobs为5,API将返回5个最有可能令牌的列表。 API总会返回采样令牌的logprob,因此响应中最多可能有logprobs+1个元素。

logprobs的最大值是5。

max_tokens

integer

可选

默认为16
在补全中生成的最大令牌数。

提示的令牌计数加上max_tokens不能超过模型的上下文长度。计数令牌的Python代码示例。

integer

可选

默认为1
为每个提示生成的补全数量。

注意:因为这个参数会生成许多补全,所以它可以快速消耗您的令牌配额。请谨慎使用,并确保您对max_tokens和stop有合理的设置。

presence_penalty

number

可选

默认为0 -2.0和2.0之间的数字。正值根据它们是否出现在目前的文本中来惩罚新令牌,增加模型讨论新话题的可能性。有关频率和存在惩罚的更多信息,请参阅。

seed

integer

可选

如果指定,我们的系统将尽最大努力确定性地进行采样,以便使用相同的种子和参数的重复请求应返回相同的结果。不保证确定性,您应该参考system_fingerprint响应参数来监视后端的更改。

stop

string

可选

默认为null 最多4个序列,API将停止在其中生成更多令牌。返回的文本不会包含停止序列。

stream

boolean

可选

默认为false 是否流回部分进度。如果设置,令牌将作为可用时发送为仅数据的服务器发送事件,流由数据 Terminated by a data: [DONE] message. 对象消息终止。 Python代码示例。

suffix

string

可选

默认为null 在插入文本的补全之后出现的后缀。

temperature

integer

可选

默认为1 要使用的采样温度,介于0和2之间。更高的值(如0.8)将使输出更随机,而更低的值(如0.2)将使其更集中和确定。我们通常建议更改这个或top_p,而不是两者都更改。

user

string

必需

top_p

integer

可选

表示最终用户的唯一标识符,这可以帮助OpenAI监控和检测滥用。了解更多。

示例

{
    "model": "gpt-3.5-turbo-instruct",
    "prompt": "你好,",
    "max_tokens": 30,
    "temperature": 0
  }

示例代码

Shell

JavaScript

Java

Swift

PHP

Python

HTTP

Objective-C

Ruby

OCaml

Dart

curl --location --request POST 'https://xuedingmao.online/v1/completions' \
--header 'Content-Type: application/json' \
--data-raw '{
    "model": "gpt-3.5-turbo-instruct",
    "prompt": "你好,",
    "max_tokens": 30,
    "temperature": 0
  }'

返回响应

🟢200Ok

application/json

Body

string

必需

object

string

必需

created

integer

必需

model

string

必需

system_fingerprint

string

必需

choices

array [object {4}]

必需

text

string

可选

index

integer

可选

logprobs

null

可选

finish_reason

string

可选

usage

object

必需

prompt_tokens

integer

必需

completion_tokens

integer

必需

total_tokens

integer

必需

示例

{
  "id": "cmpl-uqkvlQyYK7bGYrRHQ0eXlWi7",
  "object": "text_completion",
  "created": 1589478378,
  "model": "gpt-3.5-turbo-instruct",
  "system_fingerprint": "fp_44709d6fcb",
  "choices": [
    {
      "text": "\n\nThis is indeed a test",
      "index": 0,
      "logprobs": null,
      "finish_reason": "length"
    }
  ],
  "usage": {
    "prompt_tokens": 5,
    "completion_tokens": 7,
    "total_tokens": 12
  }
}

完成对象

嵌入对象