o1

通过兼容的聊天自动完成端点使用模型 ID o1。请注意，o1 在回复前需要更多时间思考，这会影响延迟和成本。

将 o1 的 max_tokens 设置为任务实际需要的最长响应长度，而不是 100,000 的 Token 上限。严格控制上限可以降低最坏情况下的开销并缩短尾延迟。仅当任务明显需要更长的输出时才提高此值。

在将生产流量切换到 o1 之前，请先在具有代表性的流量样本上运行试点，并检查输出质量、峰值并发时的延迟以及每次请求的成本。验证错误和重试行为，并确认您所依赖的请求限制与您的计划相符。

o1 按使用量计费，记录中未公布任何免费额度。当前公布的费率为：输入 $15.0000 / 1M 个 token，输出 $60.0000 / 1M 个 token。试用额度或促销配额与您的帐户绑定，而非与模型绑定，因此在规划免费额度之前，请务必查看控制台。

对于标准输入，在 o1 上启用提示缓存后，缓存的输入数据会存储在 $7.50／100 万 Token 而不是 $15.00／100 万 Token。这种节省仅适用于缓存的前缀部分；请求的其余部分仍按正常方式计费。

对 o1 的缓存命中要求所有请求的提示符前缀必须相同。请将稳定的指令和参考资料放在提示符的开头，保持字节一致，并将可变部分放在后面。这样，缓存读取操作将按缓存速率计费，而不是按输入速率计费。