...
Bloque de código |
---|
language | py |
---|
theme | RDark |
---|
title | Ejemplo en python usando la biblioteca de OpenAI (Modelos locales) |
---|
|
from openai import OpenAI
client = OpenAI(
base_url='<endpoint>',
api_key='<api_key>',
)
chat_completion = client.chat.completions.create(
messages=[
{
'role': 'user',
'content': 'Say this is a test',
}
],
model='poligpt:latest',
) |
Bloque de código |
---|
language | js |
---|
theme | RDark |
---|
title | Ejemplo en Javascript usando la biblioteca de OpenAI (Modelos locales) |
---|
|
import OpenAI from 'openai'
const openai = new OpenAI({
baseURL: '<endpoint>',
apiKey: '<api_key>',
})
const chatCompletion = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'poligpt:latest',
}) |
Bloque de código |
---|
language | py |
---|
theme | RDark |
---|
title | Ejemplo en python usando la biblioteca de OpenAI (Azure OpenAI Services) |
---|
|
from openai import |
...
...
AzureOpenAI(
azure_endpoint='<endpoint>',
api_key='<api_key>', |
...
api_version='2023-12-01-preview'
)
chat_completion = client.chat.completions.create(
messages=[
{
'role': 'user',
'content': 'Say this is a test',
}
],
model='gpt-4',
) |
En la documentación oficial de Microsoft. sobre Azure OpenAI Services puedes encontrar mas ejemplos de uso de la API REST. Tan solo es necesario sustituir el endpoint y el token de acceso por los proporcionados por el ASIC.