GPT-4o API Tutorial: Introducción a la API de OpenAI

El GPT-4o de OpenAI integra capacidades de audio, visión y texto en un único y potente modelo lingüístico.

Este avance supone un paso importante hacia una interacción más natural e intuitiva entre los seres humanos y los ordenadores.

En este tutorial, te proporcionaré una guía paso a paso sobre cómo utilizar GPT-4o a través de la API de OpenAI.

Aunque OpenAI ha lanzado recientemente el modelo o3, su modelode razonamiento más capaz, GPT-4o y GPT-4o mini siguen siendo las mejores opciones para aplicaciones que requieren respuestas rápidas, manejo de imágenes o llamadas a funciones. Si tu proyecto requiere un razonamiento avanzado, no te pierdas este tutorial sobre la API O1 de OpenAI, que te guiará a través del proceso de uso de un modelo de razonamiento a través de la API.

¿Qué es GPT-4o?

GPT-4o, abreviatura de «omni», representa un avance significativo en la IA. A diferencia de GPT-4, que solo maneja texto, GPT-4o es un modelo multimodal que procesa y genera texto, audio y datos visuales.

Al incorporar datos audiovisuales junto con el texto, GPT-4o se libera de las limitaciones de los modelos tradicionales basados únicamente en texto, creando interacciones más naturales e intuitivas.

GPT-4o tiene un tiempo de respuesta más rápido, es un 50 % más barato que GPT-4 Turbo y es mejor en la comprensión de audio y visión que los modelos existentes.

Si deseas obtener una descripción más detallada de GPT-4o, consulta este artículo sobre ¿Qué es GPT-4o de OpenAI?

Casos de uso de GPT-4o

Además de interactuar con GPT-4o a través de la interfaz ChatGPT, los programadores pueden interactuar con GPT-4o a través de la API de OpenAI, lo que les permite integrar las capacidades de GPT-4o en vuestras aplicaciones y sistemas.

La API GPT-4o abre un amplio arreglo de posibles casos de uso gracias a sus capacidades multimodales:

GPT-4o API: Cómo conectarse a la API de OpenAI

Ahora exploremos cómo utilizar GPT-4o a través de la API de OpenAI.

Paso 1: Generar una clave API

Antes de utilizar la API GPT-4o, debemos registrarte en OpenAI y obtener una clave API. Podemos crear una cuenta en el sitio web de OpenAI API.

Una vez que tengas una cuenta, puedes navegar a la página de claves API:

Ahora podemos generar una clave API. Tenemos que guardarlo bien, ya que no podremos volver a verlo. Pero siempre podemos generar uno nuevo si lo perdemos o necesitamos uno para un proyecto diferente.

Paso 2: Importa la API de OpenAI a Python

Para interactuar con la API de GPT-4o mediante programación, necesitaremos instalar la biblioteca Python de OpenAI. Podemos hacerlo ejecutando el siguiente comando:

Una vez instalado, podemos importar los módulos necesarios a nuestro script de Python:

from openai import OpenAI

Paso 3: Realizar una llamada API

Antes de poder realizar solicitudes API, tendremos que autenticarnos con nuestra clave API:

# Set the API keyclient = OpenAI(api_key="your_api_key_here")

Reemplaza "your_api_key_here" por tu clave API real.

Una vez completada la conexión con el cliente, podemos empezar a generar texto utilizando GPT-4o:

MODEL = "gpt-4o"completion = client.chat.completions.create(    model=MODEL,    messages=[        {"role": "system", "content": "You are a helpful assistant that helps me with my math homework!"},        {"role": "user", "content": "Hello! Could you solve 20 x 5?"}    ])print("Assistant: " + completion.choices[0].message.content)

Este fragmento de código utiliza la API de autocompletado de chat con el modelo GPT-4o, que acepta preguntas relacionadas con las matemáticas como entrada y genera una respuesta:

GPT-4o API: Casos de uso de audio

La transcripción y el resumen de audio se han convertido en herramientas esenciales en diversas aplicaciones, desde la mejora de la accesibilidad hasta el aumento de la productividad. Con la API GPT-4o, podemos gestionar de forma eficiente tareas como la transcripción y el resumen de contenido de audio.

Aunque GPT-4o tiene el potencial de manejar audio directamente, la función de entrada de audio directa aún no está disponible a través de la API. Por ahora, podemos utilizar un proceso de dos pasos con la API GPT-4o para transcribir y luego resumir el contenido de audio.

Paso 1: Transcribir audio a texto

Para transcribir un archivo de audio con GPT-4o, debemos proporcionar los datos de audio a la API. Aquí tienes un ejemplo:

# Transcribe the audioaudio_path = "path/to/audio.mp3"transcription = client.audio.transcriptions.create(    model="whisper-1",    file=open(audio_path, "rb"),)

Reemplaza "path/to/audio.mp3" por la ruta real de tu archivo de audio. Este ejemplo utiliza el modelo de transcripción « whisper-1 » (palabra, frase, oración, párrafo, párrafo, oración, frase

Paso 2: Resume el texto del audio.

response = client.chat.completions.create(    model=MODEL,    messages=[        {            "role": "system",            "content": """You are generating a transcript summary. Create a summary of the provided transcription. Respond in Markdown."""        },        {            "role": "user",            "content": [                {"type": "text", "text": f"The audio transcription is: {transcription.text}"}            ],        }    ],    temperature=0,)print(response.choices[0].message.content)

GPT-4o API: Casos de uso de la visión

El análisis visual de datos es fundamental en diversos ámbitos, desde la sanidad hasta la seguridad, entre otros. Con la API GPT-4o, puedes analizar imágenes a la perfección, participar en conversaciones sobre contenido visual y extraer información valiosa de las imágenes.

Paso 1: Añadir datos de imagen a la API

Para analizar una imagen con GPT-4o, primero debemos proporcionar los datos de la imagen a la API. Podemos hacerlo codificando una imagen local como una cadena base64 o proporcionando una URL a una imagen en línea:

import base64IMAGE_PATH = "image_path"# Open the image file and encode it as a base64 stringdef encode_image(image_path):    with open(image_path, "rb") as image_file:        return base64.b64encode(image_file.read()).decode("utf-8")base64_image = encode_image(IMAGE_PATH)

 "url": "<https://images.saymedia-content.com/.image/c_limit%2Ccs_srgb%2Cq_auto:eco%2Cw_538/MTczOTQ5NDQyMzQ3NTc0NTc5/compound-shapes-how-to-find-the-area-of-a-l-shape.webp>"

Paso 2: Analiza los datos de la imagen.

Una vez procesada la imagen introducida, podemos pasar los datos de la imagen a la API para su análisis.

Intentemos analizar una imagen para determinar el área de una forma. Primero, utilicemos la imagen siguiente:

Ahora le pediremos a GPT-4o que calcule el área de esta forma. Observa que estamos utilizando una imagen en formato base64 como entrada:

response = client.chat.completions.create(    model=MODEL,    messages=[        {            "role": "system",            "content": "You are a helpful assistant that responds in Markdown. Help me with my math homework!"        },        {            "role": "user",            "content": [                {"type": "text", "text": "What's the area of the shape in this image?"},                {                    "type": "image_url",                    "image_url": {                        "url": f"data:image/png;base64,{base64_image}"                    }                }            ]        }    ],    temperature=0.0,)print(response.choices[0].message.content)

Consideremos ahora esta forma:

Pasaremos la URL de la imagen a GPT-4o para encontrar el área de la forma:

response = client.chat.completions.create(    model=MODEL,    messages=[        {            "role": "system",            "content": "You are a helpful assistant that responds in Markdown. Help me with my math homework!"        },        {            "role": "user",            "content": [                {"type": "text", "text": "What's the area of the shape in the image?"},                {                    "type": "image_url",                    "image_url": {                        "url": "https://images.saymedia-content.com/.image/c_limit%2Ccs_srgb%2Cq_auto:eco%2Cw_538/MTczOTQ5NDQyMzQ3NTc0NTc5/compound-shapes-how-to-find-the-area-of-a-l-shape.webp"                    }                }            ]        }    ],    temperature=0.0,)print(response.choices[0].message.content)

Observa que GPT-4o midió incorrectamente el ancho del rectángulo vertical: debería ser cuatro centímetros, no dos. Esta discrepancia se debe a la desalineación entre las etiquetas de medición y las proporciones reales del rectángulo. En todo caso, esto pone de relieve una vez más la importancia de la supervisión y la validación humanas.

Precios de la API GPT-4o

A partir de julio de 2025, el precio de pago por uso de GPT-4o será el siguiente:

• Tokens de entrada: 5,00 $ por cada millón de tokens

• Tokens de entrada almacenados en caché: 2,50 $ por cada millón de tokens

• Tokens de salida: 20,00 $ por cada millón de tokens

GPT-4o Mini: Una alternativa rentable

Para aplicaciones que requieren llamadas API de gran volumen, OpenAI ofrece GPT-4o Mini, una versión optimizada de GPT-4o:

• Tokens de entrada: 0,60 $ por cada millón de tokens

• Tokens de entrada almacenados en caché: 0,30 $ por millón de tokens

• Tokens de salida: 2,40 $ por millón de tokens

Descuentos por API por lotes

La API por lotes de OpenAI ofrece un descuento del 50 % en los costes de tokens de entrada y salida para GPT-4o:

• Tokens de entrada: 2,50 $ por cada millón de tokens

• Tokens de salida: 10,00 $ por cada millón de tokens

Esto es ideal para procesar grandes volúmenes de datos de forma asíncrona.

GPT-4o API: Consideraciones clave

Al trabajar con la API de GPT-4o, es importante tener en cuenta algunas consideraciones clave para garantizar un rendimiento óptimo, la rentabilidad y la alineación con cada caso de uso específico. Aquí hay tres factores cruciales a tener en cuenta:

Gestión de precios y costes

La API de OpenAI sigue un modelo de pago por uso, en el que los costes se incurren en función del número de tokens procesados.

Aunque GPT-4o es más barato que GPT-4 Turbo, planificar tu uso en consecuencia es fundamental para estimar y gestionar los costes.

Para minimizar los costes, puedes considerar técnicas como la agrupación y la optimización de las solicitudes para reducir el número de llamadas a la API y los tokens procesados.

Latencia y rendimiento

Aunque GPT-4o ofrece un rendimiento impresionante y una baja latencia, sigue siendo un modelo de lenguaje grande, lo que significa que el procesamiento de las solicitudes puede requerir un gran esfuerzo computacional, lo que da lugar a una latencia relativamente alta.

Necesitamos optimizar nuestro código y utilizar técnicas como el almacenamiento en caché y el procesamiento asíncrono para mitigar los problemas de latencia.

Además, podemos explorar el uso de instancias dedicadas de OpenAI o ajustar el modelo a vuestro caso de uso específico, lo que puede mejorar el rendimiento y reducir la latencia.

Alineación de casos de uso

GPT-4o es un potente modelo general con una amplia gama de capacidades, pero debemos asegurarnos de que vuestro caso de uso específico se ajusta a los puntos fuertes del modelo.

Antes de confiar únicamente en GPT-4o, debemos evaluar cuidadosamente nuestro caso de uso y considerar si las capacidades del modelo se ajustan a nuestras necesidades.

Si fuera necesario, podríamos ajustar modelos más pequeños o explorar otros modelos que puedan ser más adecuados para nuestra tarea concreta.

Conclusión

Las capacidades multimodales de GPT-4 superan las limitaciones de los modelos anteriores, que tenían dificultades para integrar y procesar diferentes tipos de datos de forma fluida.

Al aprovechar la API GPT-4o, los programadores pueden crear soluciones innovadoras que integran a la perfección datos de texto, audio y visuales.

Si deseas practicar más con GPT-4o, te recomiendo este código para crear asistentes de IA con GPT-4o. Del mismo modo, si deseas obtener más información sobre cómo trabajar con API, te recomiendo estos recursos:

• Trabajar con la API de OpenAI
• OpenAI Cookbook
• Hoja de referencia rápida de la API de OpenAI