[Obsoleto] Conclusões de chat para uso do SDK/client da OpenAI

ID do modelo a ser utilizado. Você pode usar o formato provider:model ou apenas o nome do modelo com um provedor padrão.

Controle qual (se houver) ferramenta é chamada pelo modelo. 'nenhuma' significa que o modelo não chamará nenhuma ferramenta. 'automático' significa que o modelo pode escolher. 'obrigatório' força uma chamada de ferramenta.

Se definido, deltas de mensagens parciais serão enviados como eventos enviados pelo servidor. Nota: Este campo é ignorado pelo endpoint de streaming, sendo usado apenas pelos endpoints de cliente compatíveis com a OpenAI.

Quantas opções de conclusão de chat gerar para cada mensagem de entrada. O padrão é 1.

O número máximo de tokens que podem ser gerados na conclusão do chat. O comprimento total dos tokens de entrada e dos tokens gerados é limitado pelo comprimento de contexto do modelo.

Qual temperatura de amostragem usar, entre 0 e 2. Valores mais altos, como 0,8, tornarão a saída mais aleatória, enquanto valores mais baixos, como 0,2, a tornarão mais focada e determinística.

Uma alternativa à amostragem com temperatura, chamada amostragem de núcleo, onde o modelo considera os resultados dos tokens com a massa de probabilidade top_p. Assim, 0,1 significa que apenas os tokens que constituem os 10% superiores da massa de probabilidade são considerados.

Número entre -2,0 e 2,0. Valores positivos penalizam novos tokens com base em sua frequência existente no texto até agora, diminuindo a probabilidade do modelo repetir a mesma linha verbatim.

Número entre -2,0 e 2,0. Valores positivos penalizam novos tokens com base em sua aparição no texto até agora, aumentando a probabilidade do modelo de falar sobre novos tópicos.

Se especificado, o sistema fará o melhor esforço para amostrar de forma determinística. O determinismo não é garantido, mas a mesma semente deve, tipicamente, retornar resultados semelhantes.

Até 4 sequências nas quais a API interromperá a geração de tokens adicionais. O texto retornado não conterá a sequência de parada.

Se deve retornar as probabilidades logarítmicas dos tokens de saída. Se verdadeiro, retorna as probabilidades logarítmicas de cada token de saída retornado no conteúdo da mensagem.

Um inteiro entre 0 e 20 que especifica o número de tokens mais prováveis a retornar em cada posição de token, cada um com uma probabilidade logarítmica associada. logprobs deve ser definido como verdadeiro se este parâmetro for utilizado.

Um identificador único representando seu usuário final, que pode ajudar a monitorar e detectar abusos. Também é utilizado para rastreamento de uso e análise.

Se deve habilitar a chamada de funções em paralelo durante o uso da ferramenta.

Restrições de esforço no raciocínio para modelos de raciocínio. Menor esforço resulta em respostas mais rápidas e menos tokens de raciocínio. Valores suportados: 'nenhum', 'mínimo', 'baixo', 'médio', 'alto', 'muito alto' ou nulo.

Quando verdadeiro, o gateway analisa a complexidade da solicitação e roteia automaticamente entre variantes quantizadas, MoE e densas da família de modelos solicitada.

Um identificador único para a conclusão do chat

O tipo de objeto, sempre 'chat.completion'

O timestamp Unix (em segundos) de quando a conclusão do chat foi criada

O modelo usado para a conclusão do chat

Esta impressão digital representa a configuração de backend com a qual o modelo opera. Pode ser utilizada em conjunto com o parâmetro de solicitação seed para entender quando mudanças no backend foram feitas que podem impactar o determinismo.