Tutorial API GPT-4o: Mulai Menggunakan API OpenAI

GPT-4o dari OpenAI mengintegrasikan kemampuan audio, visi, dan teks ke dalam satu model bahasa yang andal.

Perkembangan ini menandai langkah signifikan menuju interaksi manusia–komputer yang lebih alami dan intuitif.

Dalam tutorial ini, saya akan memberikan panduan langkah demi langkah menggunakan GPT-4o melalui API OpenAI.

Meskipun OpenAI baru-baru ini merilis model o3—model penalaran mereka yang paling andal—GPT-4o dan GPT-4o mini tetap menjadi opsi terbaik untuk aplikasi yang memerlukan respons cepat, penanganan gambar, atau function calling. Jika proyek Anda membutuhkan penalaran tingkat lanjut, pastikan untuk melihat tutorial OpenAI O1 API ini, yang memandu Anda menggunakan model penalaran melalui API.

Apa itu GPT-4o?

GPT-4o, singkatan dari "omni," merupakan kemajuan penting dalam AI. Berbeda dengan GPT-4 yang hanya menangani teks, GPT-4o adalah model multimodal yang memproses dan menghasilkan data teks, audio, dan visual.

Dengan merangkul data audio dan visual di samping teks, GPT-4o keluar dari batasan model yang hanya berbasis teks, menciptakan interaksi yang lebih alami dan intuitif.

GPT-4o memiliki waktu respons yang lebih cepat, 50% lebih murah daripada GPT-4 Turbo, dan lebih baik dalam pemahaman audio serta visi dibanding model yang ada.

Jika Anda ingin mendapatkan gambaran yang lebih detail tentang GPT-4o, lihat artikel Apa itu GPT-4o dari OpenAI ini.

Use Case GPT-4o

Selain berinteraksi dengan GPT-4o melalui antarmuka ChatGPT, pengembang dapat berinteraksi dengan GPT-4o melalui API OpenAI, sehingga mereka dapat mengintegrasikan kemampuan GPT-4o ke dalam aplikasi dan sistem mereka.

API GPT-4o membuka beragam potensi use case dengan memanfaatkan kemampuan multimodalnya:

API GPT-4o: Cara Terhubung ke API OpenAI

Sekarang mari kita pelajari cara menggunakan GPT-4o melalui API OpenAI.

Langkah 1: Hasilkan kunci API

Sebelum menggunakan API GPT-4o, kita harus mendaftar akun OpenAI dan mendapatkan kunci API. Kita bisa membuat akun di situs web OpenAI API.

Setelah memiliki akun, kita dapat menuju ke halaman kunci API:

Sekarang kita dapat membuat kunci API. Kita harus menyimpannya dengan aman, karena kita tidak akan bisa melihatnya lagi. Namun kita selalu bisa membuat yang baru jika hilang atau butuh untuk proyek lain.

Langkah 2: Impor OpenAI API ke Python

Untuk berinteraksi dengan API GPT-4o secara terprogram, kita perlu memasang pustaka OpenAI untuk Python. Kita dapat melakukannya dengan menjalankan perintah berikut:

Setelah terpasang, kita dapat mengimpor modul yang diperlukan ke dalam skrip Python kita:

from openai import OpenAI

Langkah 3: Lakukan panggilan API

Sebelum kita dapat membuat permintaan API, kita perlu melakukan autentikasi dengan kunci API kita:

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

Ganti "your_api_key_here" dengan kunci API Anda yang sebenarnya.

Setelah koneksi klien selesai, kita dapat mulai menghasilkan teks menggunakan 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)

Cuplikan kode ini menggunakan API chat completions dengan model GPT-4o, yang menerima pertanyaan terkait matematika sebagai input dan menghasilkan respons:

API GPT-4o: Use Case Audio

Transkripsi dan peringkasan audio telah menjadi alat penting di berbagai aplikasi, mulai dari meningkatkan aksesibilitas hingga menunjang produktivitas. Dengan API GPT-4o, kita dapat menangani tugas seperti mentranskripsikan dan meringkas konten audio secara efisien.

Walau GPT-4o berpotensi menangani audio secara langsung, fitur input audio langsung belum tersedia melalui API. Untuk saat ini, kita dapat menggunakan proses dua langkah dengan API GPT-4o untuk mentranskripsikan lalu meringkas konten audio.

Langkah 1: Transkripsikan audio ke teks

Untuk mentranskripsikan berkas audio menggunakan GPT-4o, kita harus memberikan data audio ke API. Berikut contohnya:

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

Ganti "path/to/audio.mp3" dengan path sebenarnya ke berkas audio Anda. Contoh ini menggunakan model whisper-1 untuk transkripsi.

Langkah 2: Ringkas teks 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)

API GPT-4o: Use Case Visi

Analisis data visual sangat penting di berbagai domain, dari kesehatan hingga keamanan, dan seterusnya. Dengan API GPT-4o, Anda dapat menganalisis gambar secara mulus, berdiskusi mengenai konten visual, dan mengekstrak informasi berharga dari gambar.

Langkah 1: Tambahkan data gambar ke API

Untuk menganalisis gambar menggunakan GPT-4o, pertama-tama kita harus memberikan data gambar ke API. Kita dapat melakukannya dengan menyandikan gambar lokal sebagai string base64 atau menyediakan URL ke gambar daring:

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>"

Langkah 2: Analisis data gambar

Setelah kita memproses input gambar, kita dapat meneruskan data gambar ke API untuk dianalisis.

Mari coba menganalisis gambar untuk menentukan luas suatu bentuk. Pertama, gunakan gambar berikut:

Sekarang kita akan meminta GPT-4o mencari luas bentuk ini—perhatikan kita menggunakan input gambar base64 di bawah:

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)

Sekarang pertimbangkan bentuk berikut:

Kita akan meneruskan URL gambar ke GPT-4o untuk mencari luas bentuk tersebut:

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)

Perhatikan bahwa GPT-4o mengukur lebar persegi panjang vertikal secara keliru—seharusnya empat sentimeter, bukan dua. Ketidaksesuaian ini muncul karena ketidakselarasan antara label ukuran dan proporsi sebenarnya dari persegi panjang tersebut. Hal ini sekali lagi menegaskan pentingnya supervisi dan validasi oleh manusia.

Harga API GPT-4o

Per Juli 2025, harga pay-as-you-go untuk GPT-4o adalah:

• Token Masuk: $5,00 per satu juta token

• Token Masuk Tersimpan (Cached): $2,50 per satu juta token

• Token Keluar: $20,00 per satu juta token

GPT-4o Mini: Alternatif hemat biaya

Untuk aplikasi yang membutuhkan panggilan API dalam volume tinggi, OpenAI menawarkan GPT-4o Mini, versi ringkas dari GPT-4o:

• Token Masuk: $0,60 per satu juta token

• Token Masuk Tersimpan (Cached): $0,30 per satu juta token

• Token Keluar: $2,40 per satu juta token

Diskon Batch API

Batch API dari OpenAI menawarkan diskon 50% untuk biaya token masuk dan keluar bagi GPT-4o:

• Token Masuk: $2,50 per satu juta token

• Token Keluar: $10,00 per satu juta token

Ini ideal untuk memproses data dalam volume besar secara asinkron.

API GPT-4o: Hal-hal yang Perlu Diperhatikan

Saat bekerja dengan API GPT-4o, penting untuk mengingat beberapa hal kunci untuk memastikan kinerja optimal, efisiensi biaya, dan kesesuaian dengan setiap use case. Berikut tiga faktor krusial yang perlu dipertimbangkan:

Harga dan manajemen biaya

API OpenAI mengikuti model bayar sesuai penggunaan, di mana biaya dikenakan berdasarkan jumlah token yang diproses.

Meskipun GPT-4o lebih murah daripada GPT-4 Turbo, penting untuk merencanakan penggunaan kita guna memperkirakan dan mengelola biaya.

Untuk meminimalkan biaya, Anda dapat mempertimbangkan teknik seperti batching dan pengoptimalan prompt untuk mengurangi jumlah panggilan API dan token yang diproses.

Latensi dan kinerja

Walaupun GPT-4o menawarkan kinerja yang mengesankan dan latensi rendah, ini tetap merupakan model bahasa besar, yang berarti pemrosesan permintaan bisa intensif komputasi, sehingga latensinya relatif tinggi.

Kita perlu mengoptimalkan kode dan menggunakan teknik seperti caching dan pemrosesan asinkron untuk mengurangi masalah latensi.

Selain itu, kita dapat mengeksplorasi penggunaan dedicated instance OpenAI atau melakukan fine-tuning model pada use case spesifik kita, yang dapat meningkatkan kinerja dan mengurangi latensi.

Kesesuaian use case

GPT-4o adalah model umum yang andal dengan beragam kemampuan, tetapi kita perlu memastikan use case spesifik kita selaras dengan kekuatan model.

Sebelum sepenuhnya mengandalkan GPT-4o, kita harus mengevaluasi use case dengan saksama dan mempertimbangkan apakah kemampuan model sesuai dengan kebutuhan kita.

Jika perlu, kita bisa melakukan fine-tuning pada model yang lebih kecil atau mengeksplorasi model lain yang mungkin lebih sesuai untuk tugas kita.

Kesimpulan

Kemampuan multimodal GPT-4o menjawab keterbatasan model sebelumnya yang kesulitan mengintegrasikan dan memproses berbagai jenis data secara mulus.

Dengan memanfaatkan API GPT-4o, pengembang dapat membangun solusi inovatif yang mengintegrasikan data teks, audio, dan visual secara terpadu.

Jika Anda ingin berlatih lebih lanjut dengan GPT-4o, saya merekomendasikan code-along tentang membuat asisten AI dengan GPT-4o. Demikian pula, jika Anda ingin mempelajari lebih banyak tentang bekerja dengan API, saya merekomendasikan sumber daya berikut:

• Bekerja dengan OpenAI API
• OpenAI Cookbook
• Lembar Contekan OpenAI API