Tutorial API GPT-4o: primi passi con l'API di OpenAI

GPT-4o di OpenAI integra funzionalità audio, visione e testo in un unico, potente modello linguistico.

Questo sviluppo segna un passo importante verso interazioni uomo-computer più naturali e intuitive.

In questo tutorial, ti guiderò passo dopo passo all'uso di GPT-4o tramite l'API di OpenAI.

Anche se OpenAI ha rilasciato di recente il modello o3—il suo modello di ragionamento più avanzato—GPT-4o e GPT-4o mini restano le opzioni migliori per applicazioni che richiedono risposte rapide, gestione delle immagini o function calling. Se il tuo progetto richiede capacità di ragionamento avanzate, dai un'occhiata a questo tutorial sull'API OpenAI O1, che ti guida nell'uso di un modello di ragionamento via API.

Cos'è GPT-4o?

GPT-4o, abbreviazione di "omni", rappresenta un notevole avanzamento nell'IA. A differenza di GPT-4, che gestisce solo il testo, GPT-4o è un modello multimodale che elabora e genera testo, audio e dati visivi.

Abbracciando dati audio e visivi insieme al testo, GPT-4o supera i limiti dei modelli tradizionali basati solo su testo, creando interazioni più naturali e intuitive.

GPT-4o ha tempi di risposta più rapidi, costa il 50% in meno rispetto a GPT-4 Turbo ed è migliore nella comprensione di audio e immagini rispetto ai modelli esistenti.

Se vuoi una panoramica più dettagliata di GPT-4o, leggi questo articolo: Cos'è GPT-4o di OpenAI.

Casi d'uso di GPT-4o

Oltre a interagire con GPT-4o tramite l'interfaccia ChatGPT, gli sviluppatori possono interagirci tramite l'API di OpenAI, integrando così le capacità di GPT-4o nelle proprie applicazioni e nei propri sistemi.

L'API di GPT-4o apre un'ampia gamma di potenziali casi d'uso grazie alle sue capacità multimodali:

API GPT-4o: come connettersi all'API di OpenAI

Vediamo ora come usare GPT-4o tramite l'API di OpenAI.

Passaggio 1: Genera una chiave API

Prima di usare l'API GPT-4o, dobbiamo creare un account OpenAI e ottenere una chiave API. Possiamo creare un account sul sito dell'API OpenAI.

Una volta creato l'account, possiamo andare alla pagina delle chiavi API:

Ora possiamo generare una chiave API. Dobbiamo conservarla in modo sicuro, perché non potremo visualizzarla di nuovo. In ogni caso, possiamo sempre generarne una nuova se la perdiamo o se ce ne serve una per un progetto diverso.

Passaggio 2: Importa l'API di OpenAI in Python

Per interagire programmaticamente con l'API GPT-4o, dobbiamo installare la libreria Python di OpenAI. Possiamo farlo eseguendo il seguente comando:

Una volta installata, possiamo importare i moduli necessari nel nostro script Python:

from openai import OpenAI

Passaggio 3: Effettua una chiamata all'API

Prima di poter effettuare richieste all'API, dobbiamo autenticarci con la nostra chiave API:

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

Sostituisci "your_api_key_here" con la tua chiave API reale.

Dopo aver completato la connessione del client, possiamo iniziare a generare testo con 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)

Questo snippet usa l'API di chat completions con il modello GPT-4o, che accetta domande di matematica come input e genera una risposta:

API GPT-4o: casi d'uso audio

Trascrizione e sintesi dell'audio sono diventate strumenti essenziali in molte applicazioni, dal miglioramento dell'accessibilità all'aumento della produttività. Con l'API GPT-4o, possiamo gestire in modo efficiente attività come trascrivere e riassumere contenuti audio.

Sebbene GPT-4o abbia il potenziale per gestire direttamente l'audio, la funzionalità di input audio diretto non è ancora disponibile tramite API. Per il momento, possiamo usare un processo in due fasi con l'API GPT-4o per trascrivere e poi riassumere i contenuti audio.

Passaggio 1: Trascrivi l'audio in testo

Per trascrivere un file audio con GPT-4o, dobbiamo fornire i dati audio all'API. Ecco un esempio:

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

Sostituisci "path/to/audio.mp3" con il percorso reale del tuo file audio. Questo esempio usa il modello whisper-1 per la trascrizione.

Passaggio 2: Riassumi il testo dell'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: casi d'uso visione

L'analisi dei dati visivi è cruciale in vari ambiti, dalla sanità alla sicurezza e oltre. Con l'API GPT-4o, puoi analizzare immagini in modo fluido, conversare su contenuti visivi ed estrarre informazioni preziose dalle immagini.

Passaggio 1: Aggiungi i dati dell'immagine all'API

Per analizzare un'immagine con GPT-4o, dobbiamo prima fornire i dati dell'immagine all'API. Possiamo farlo codificando un'immagine locale come stringa base64 oppure fornendo un URL a un'immagine online:

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>"

Passaggio 2: Analizza i dati dell'immagine

Una volta elaborato l'input dell'immagine, possiamo passare i dati all'API per l'analisi.

Proviamo ad analizzare un'immagine per determinare l'area di una figura. Usiamo per prima la seguente immagine:

Ora chiederemo a GPT-4o l'area di questa figura—nota che qui sotto usiamo un input immagine in base64:

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)

Consideriamo ora questa figura:

Passeremo l'URL dell'immagine a GPT-4o per trovare l'area della figura:

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)

Nota che GPT-4o ha misurato in modo errato la larghezza del rettangolo verticale—dovrebbe essere quattro centimetri, non due. Questa discrepanza nasce dal disallineamento tra le etichette di misura e le reali proporzioni del rettangolo. Se non altro, questo evidenzia ancora una volta l'importanza della supervisione e della validazione umane.

Prezzi dell'API GPT-4o

A luglio 2025, il modello pay-as-you-go per GPT-4o è:

• Token in input: 5,00 $ per milione di token

• Token in input in cache: 2,50 $ per milione di token

• Token in output: 20,00 $ per milione di token

GPT-4o Mini: un'alternativa economica

Per applicazioni che richiedono un elevato volume di chiamate API, OpenAI offre GPT-4o Mini, una versione snellita di GPT-4o:

• Token in input: 0,60 $ per milione di token

• Token in input in cache: 0,30 $ per milione di token

• Token in output: 2,40 $ per milione di token

Sconti Batch API

La Batch API di OpenAI offre uno sconto del 50% sia sui costi dei token in input sia su quelli in output per GPT-4o:

• Token in input: 2,50 $ per milione di token

• Token in output: 10,00 $ per milione di token

È ideale per elaborare grandi volumi di dati in modo asincrono.

API GPT-4o: considerazioni chiave

Quando lavori con l'API GPT-4o, è importante ricordare alcune considerazioni chiave per garantire prestazioni ottimali, convenienza economica e allineamento con ogni specifico caso d'uso. Ecco tre fattori cruciali da considerare:

Prezzi e gestione dei costi

L'API di OpenAI segue un modello a consumo, in cui i costi dipendono dal numero di token elaborati.

Sebbene GPT-4o sia più economico di GPT-4 Turbo, è fondamentale pianificare di conseguenza l'uso per stimare e gestire i costi.

Per ridurre i costi, puoi considerare tecniche come il batching e l'ottimizzazione dei prompt per diminuire il numero di chiamate all'API e di token elaborati.

Latenza e prestazioni

Anche se GPT-4o offre prestazioni notevoli e bassa latenza, resta comunque un large language model: l'elaborazione delle richieste può essere intensiva dal punto di vista computazionale, con una latenza relativamente alta.

Dobbiamo ottimizzare il nostro codice e usare tecniche come caching ed elaborazione asincrona per mitigare i problemi di latenza.

Inoltre, possiamo valutare l'uso di istanze dedicate di OpenAI o il fine-tuning del modello per il nostro caso d'uso specifico, il che può migliorare le prestazioni e ridurre la latenza.

Allineamento al caso d'uso

GPT-4o è un potente modello generale con un ampio ventaglio di capacità, ma dobbiamo assicurarci che il nostro caso d'uso specifico sia in linea con i punti di forza del modello.

Prima di affidarci esclusivamente a GPT-4o, dobbiamo valutare con attenzione il nostro caso d'uso e considerare se le capacità del modello siano adatte alle nostre esigenze.

Se necessario, potremmo fare fine-tuning di modelli più piccoli o esplorare altri modelli più adatti al nostro compito.

Conclusione

Le capacità multimodali di GPT-4o affrontano i limiti dei modelli precedenti, che faticavano a integrare ed elaborare senza soluzione di continuità tipologie di dati diverse.

Sfruttando l'API GPT-4o, gli sviluppatori possono creare soluzioni innovative che integrano in modo fluido testo, audio e dati visivi.

Se vuoi fare più pratica con GPT-4o, ti consiglio questo code-along su come creare assistenti AI con GPT-4o. Allo stesso modo, se vuoi approfondire il lavoro con le API, ti consiglio queste risorse:

• Working with the OpenAI API
• OpenAI Cookbook
• OpenAI API Cheat Sheet