ခြုံငုံသုံးသပ်ချက်
တိုကင်များသည် စာသားကို စီမံရန် OpenAI မော်ဒယ်များအသုံးပြုသည့် ယူနစ်များဖြစ်သည်။ တိုကင်တစ်ခုသည် စာလုံးတစ်လုံး၊ စကားလုံး၏တစ်စိတ်တစ်ပိုင်း၊ စကားလုံးအပြည့်အစုံ သို့မဟုတ် ပုဒ်ဖြတ်ပုဒ်ရပ်ကို ကိုယ်စားပြုနိုင်သည်။ နေရာလွတ်များကလည်း စာသားကို တိုကင်များအဖြစ် ပိုင်းခြားပုံအပေါ် သက်ရောက်သည်။
တိုကင်အရေအတွက်နှင့် စကားလုံးအရေအတွက်သည် မတူပါ။ တူညီသည့်စာသားပင်ဖြစ်စေ မော်ဒယ်၊ ၎င်း၏ encoding နှင့် ဘာသာစကားပေါ် မူတည်၍ တိုကင်အရေအတွက် ကွဲပြားနိုင်သည်။
စာသားမှ တိုကင်များဖြစ်လာပုံကို နားလည်ခြင်း
မော်ဒယ်တစ်ခုထံ စာသားပို့သည့်အခါ—
စာသားကို တိုကင်များအဖြစ် ပိုင်းခြားသည်။
မော်ဒယ်က ထိုတိုကင်များကို စီမံသည်။
မော်ဒယ်က အထွက်တိုကင်များကို ထုတ်လုပ်သည်။ ၎င်းတို့တွင် သင်လက်ခံရရှိသည့် စာသားနှင့် ကျိုးကြောင်းသင့်လျော်စွာ စဉ်းစားပေးသော မော်ဒယ်များအတွက် အဖြေစာသားအဖြစ် မပြသသည့် အတွင်းပိုင်းကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော တိုကင်များ ပါဝင်နိုင်သည်။
အင်္ဂလိပ်စာသားအတွက် အကြမ်းဖျင်းခန့်မှန်းချက်များကို သုံးခြင်း
ဤခန့်မှန်းချက်များက အင်္ဂလိပ်စာသားအရွယ်အစားကို ခန့်မှန်းရာတွင် ကူညီနိုင်သည်။
တိုကင် ၁ ခုသည် စာလုံး ၄ လုံးခန့်နှင့် ညီမျှသည်။
တိုကင် ၁ ခုသည် စကားလုံးတစ်လုံး၏ လေးပုံသုံးပုံခန့်နှင့် ညီမျှသည်။
တိုကင် ၁၀၀ သည် စကားလုံး ၇၅ လုံးခန့်နှင့် ညီမျှသည်။
ဤအရေအတွက်များသည် ခန့်မှန်းချက်များသာဖြစ်ပြီး အတိအကျမဟုတ်ပါ။ ဝါကျနှင့် စာပိုဒ်အရှည်များ ကွဲပြားကြပြီး အခြားဘာသာစကားများတွင် စာလုံး၊ စကားလုံးနှင့် တိုကင်တို့၏ ဆက်နွှယ်ပုံလည်း ကွဲပြားနိုင်သည်။
နေရာလွတ်နှင့် စာလုံးအကြီးအသေးကို ထည့်သွင်းစဉ်းစားခြင်း
စကားလုံးတစ်လုံးသည် ၎င်း၏စာလုံးပေါင်း၊ စာလုံးအကြီးအသေးနှင့် ဘေးပတ်လည်စာသားပေါ် မူတည်၍ မတူညီသည့် တိုကင်များအဖြစ် ပိုင်းခြားခံရနိုင်သည်။
ဥပမာ red၊ Red နှင့် red တို့တွင် တူညီသောစာသား မပါဝင်ပါ။ နောက်ဆုံးဥပမာတွင် ရှေ့ဆုံးနေရာလွတ်တစ်ခု ပါသည်။ encoding တစ်ခုက ၎င်းတို့ကို မတူညီစွာ ကိုယ်စားပြုနိုင်သည်။
တိုကင် ID များသည်လည်း encoding ပေါ် မူတည်သည်။ နမူနာတိုကင် ID တစ်ခုကို မော်ဒယ်တိုင်းအတွက် အသုံးချနိုင်သည်ဟု မယူဆပါနှင့်။
အဝင်နှင့် အထွက်တိုကင်များကို ခွဲခြားခြင်း
| အမျိုးအစား | ဖော်ပြသည့်အရာ |
| အဝင်တိုကင်များ | တောင်းဆိုချက်တစ်ခုတွင် မော်ဒယ်ထံ ပေးပို့သည့် တိုကင်များ။ ၎င်းတို့ကို တုံ့ပြန်ညွှန်ကြားချက်တိုကင်များဟုလည်း ခေါ်သည်။ |
| အထွက်တိုကင်များ | မော်ဒယ်က ထုတ်လုပ်သည့် တိုကင်များ။ Chat Completions က ၎င်းတို့ကို ပြီးမြောက်မှုတိုကင်များဟု ခေါ်သည်။ |
| ကက်ရှ်လုပ်ထားသည့် အဝင်တိုကင်များ | prompt caching မှတစ်ဆင့် ပြန်လည်အသုံးပြုသည့် အဝင်တိုကင်များ။ ၎င်းတို့၏ဈေးနှုန်းသည် ကက်ရှ်မလုပ်ထားသည့် အဝင်တိုကင်များနှင့် ကွဲပြားနိုင်သည်။ |
| ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော တိုကင်များ | မြင်ရသည့်အဖြေ မထုတ်လုပ်မီ ကျိုးကြောင်းသင့်လျော်စွာ စဉ်းစားပေးသော မော်ဒယ်က အတွင်းပိုင်းတွင် သုံးသည့် တိုကင်များ။ |
ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော တိုကင်များကို အဖြေစာသားအဖြစ် မမြင်ရသော်လည်း အထွက်အသုံးပြုမှုတွင် ထည့်တွက်ပြီး အထွက်တိုကင်များအဖြစ် အခကြေးငွေကောက်ခံသည်။
ထို့ကြောင့် မြင်ရသည့်အဖြေတိုတစ်ခုသည် ပြသထားသည့်စာသားအရ ထင်ရသည်ထက် တိုကင်ပိုသုံးနိုင်သည်။
တောင်းဆိုချက်မပို့မီ တိုကင်များကို ရေတွက်ခြင်း
စာသားသက်သက်ကို ရေတွက်ခြင်း
စာသားကို တိုကင်များအဖြစ် ပိုင်းခြားပုံကြည့်ရန် တိုကင်ခွဲကိရိယာကို သုံးပါ။
စာသားသက်သက်ကို ပရိုဂရမ်ဖြင့် တိုကင်လုပ်ရန် tiktoken ကို သုံးပါ။ tiktoken.encoding_for_model(model) ကို အသုံးပြုခြင်းကဲ့သို့ သင့်ပစ်မှတ်မော်ဒယ်အတွက် encoding ကို ရွေးပါ။
စာသားသက်သက်၏ တိုကင်အရေအတွက်တွင် API တောင်းဆိုချက်ရှိ တိုကင်အားလုံး ပါဝင်မည်ဟု မဆိုနိုင်ပါ။ မက်ဆေ့ချ်ဖွဲ့စည်းပုံ၊ ကိရိယာများ၊ schema များ၊ ပုံများနှင့် ဖိုင်များက အဝင်အရေအတွက်စုစုပေါင်းအပေါ် သက်ရောက်နိုင်သည်။
Responses အဝင်အပြည့်အစုံကို ရေတွက်ခြင်း
Responses API အဝင်အပြည့်အစုံအတွက် အဝင်တိုကင်ရေတွက်ရေး APIကို သုံးပါ။
၎င်းသည် မက်ဆေ့ချ်များ၊ ပုံများ၊ ဖိုင်များ၊ ကိရိယာများနှင့် စကားဝိုင်းများအပါအဝင် Responses အဝင်ဖော်မတ်များကို လက်ခံသည်။ ၎င်း၏အရေအတွက်တွင် မက်ဆေ့ချ်အခန်းကဏ္ဍများနှင့် နယ်နိမိတ်များကဲ့သို့ တောင်းဆိုချက်ဖွဲ့စည်းပုံအတွက် သုံးသည့် ဖော်မတ်တိုကင်များ ပါဝင်သည်။
အဝင်အရေအတွက်က မော်ဒယ်ထုတ်လုပ်မည့် အထွက်တိုကင်အရေအတွက်ကို မခန့်မှန်းနိုင်ပါ။
တိုကင်အသုံးပြုမှုအမှန်ကို စစ်ဆေးခြင်း
တောင်းဆိုချက်တစ်ခုပြီးနောက် ၎င်း၏အသုံးပြုမှုအချက်အလက်ကို စစ်ဆေးပါ။ အဆုံးမှတ်အလိုက် အကွက်အမည်များ ကွဲပြားသည်။
Chat Completions တွင် prompt_tokens၊ completion_tokens နှင့် total_tokens တို့ကို ဖော်ပြသည်။
Responses တွင် input_tokens၊ output_tokens နှင့် total_tokens တို့ကို ဖော်ပြသည်။
Usage Dashboard တွင် အချိန်ကာလအလိုက် လုပ်ဆောင်ချက်များကိုလည်း ပြန်လည်စစ်ဆေးနိုင်သည်။ တိုက်ရိုက်ထုတ်လွှင့်အသုံးပြုမှုအပါအဝင် လမ်းညွှန်ချက်များအတွက် API အသုံးပြုမှုနှင့် ကုန်ကျစရိတ်များကို စစ်ဆေးခြင်းကို ကြည့်ပါ။
မော်ဒယ်ကန့်သတ်ချက်များအတွင်း ရှိနေစေခြင်း
သင့်မော်ဒယ်၏ context window နှင့် အများဆုံးအထွက်ကို ၎င်း၏စာရွက်စာတမ်းတွင် စစ်ဆေးပါ။ ဤကန့်သတ်ချက်များသည် မော်ဒယ်အလိုက် ကွဲပြားနိုင်သည်။
တောင်းဆိုချက်တစ်ခုတွင် မော်ဒယ်က ကိုင်တွယ်နိုင်သည့် တိုကင်များကို context window က ကန့်သတ်သည်။ မော်ဒယ်များတွင် အထွက်ကန့်သတ်ချက်လည်း ရှိသည်။ ကျိုးကြောင်းသင့်လျော်စွာ စဉ်းစားပေးသော မော်ဒယ်များအတွက် မြင်ရသည့်အဖြေအပြင် ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော တိုကင်များအတွက်လည်း နေရာချန်ထားပါ။
သင့်အဝင်သည် ကြီးလွန်းပါက အောက်ပါတို့ကို လုပ်နိုင်သည်။
တုံ့ပြန်ညွှန်ကြားချက်ကို တိုစေပါ သို့မဟုတ် ပြန်လည်ရေးသားပါ။
မလိုအပ်သည့် သို့မဟုတ် ထပ်နေသည့် နောက်ခံအကြောင်းအရာကို ဖယ်ရှားပါ။
အဝင်အကြီးများကို အပိုင်းငယ်များ ခွဲပါ။
စာသားကို မပို့မီ အနှစ်ချုပ်ပါ သို့မဟုတ် ကြိုတင်စီမံပါ။
သင့်အဆုံးမှတ်နှင့် မော်ဒယ်က ပံ့ပိုးသည့် အထွက်တိုကင်ဆက်တင်ကို သုံးပါ။ Chat Completions က max_completion_tokens ကို သုံးပြီး Responses က max_output_tokens ကို သုံးသည်။
ဤတောင်းဆိုချက်အရွယ်အစားကန့်သတ်ချက်များသည် API နှုန်းကန့်သတ်ချက်များ၊ လစဉ်အသုံးပြုမှု သို့မဟုတ် အသုံးစရိတ်ကန့်သတ်ချက်များနှင့် သီးခြားဖြစ်သည်။ သင်အသုံးပြုသည့် မော်ဒယ်အတွက် မော်ဒယ်စာရွက်စာတမ်းကို စစ်ဆေးပါ။
တိုကင်ဈေးနှုန်းကို နားလည်ခြင်း
တိုကင်အခြေပြု API ဈေးနှုန်းတွင် နှုန်းထားသည် မော်ဒယ်နှင့် တိုကင်အမျိုးအစားပေါ် မူတည်သည်။ အဝင်၊ ကက်ရှ်လုပ်ထားသည့် အဝင်နှင့် အထွက်တိုကင်များ၏ ဈေးနှုန်းများ ကွဲပြားနိုင်သည်။ အခြား API စွမ်းဆောင်ရည်များတွင် မတူညီသည့် ငွေတောင်းခံယူနစ်များကို သုံးနိုင်သည်။
လက်ရှိနှုန်းထားများအတွက် API ဈေးနှုန်းစာမျက်နှာကို စစ်ဆေးပါ။
မော်ဒယ်များကို နှိုင်းယှဉ်ရာတွင် သင့်လုပ်ဆောင်ချက်ပြီးမြောက်ရန် လိုအပ်သည့် တိုကင်စုစုပေါင်းနှင့် ကုန်ကျစရိတ်ကို ထည့်သွင်းစဉ်းစားပါ။ တိုကင်တစ်သန်းလျှင် ဈေးနှုန်းနိမ့်ခြင်းသည် စုစုပေါင်းကုန်ကျစရိတ် ပိုနည်းမည်ဟု မဆိုနိုင်ပါ။ မော်ဒယ်များသည် တူညီသည့်စာသားကို တိုကင်လုပ်ပုံ ကွဲပြားနိုင်ပြီး အထွက် သို့မဟုတ် ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော ပမာဏများလည်း ကွဲပြားစွာ ထုတ်လုပ်နိုင်သည်။
မြင်ရသည့် တုံ့ပြန်ချက်အရှည်ကိုသာ နှိုင်းယှဉ်မည့်အစား ကိုယ်စားပြုနိုင်သည့် လုပ်ဆောင်ချက်များဖြင့် စမ်းသပ်ပါ။
ပြီးမြောက်မှုအများအပြားကို ထည့်သွင်းတွက်ချက်ခြင်း
အဆုံးမှတ်နှင့် မော်ဒယ်က ပြီးမြောက်မှုအများအပြား ထုတ်လုပ်ခြင်းကို ပံ့ပိုးပါက ထပ်တိုးပြီးမြောက်မှုများကလည်း တိုကင်များကို သုံးသည်။
Chat Completions တွင် n ကို 1 ထက်ကြီးအောင် သတ်မှတ်ပါက ရွေးချယ်စရာများစွာ ထုတ်လုပ်သည်။ ထိုရွေးချယ်စရာများတွင် ထုတ်လုပ်ထားသည့် တိုကင်များအတွက် အခကြေးငွေ ကောက်ခံမည်။
အမွေဆက်ခံ Completions API တွင် best_of က အားလုံးပြန်မပေးသည့် အဖြေလောင်းများကို ထုတ်လုပ်နိုင်သည်။ ဥပမာ best_of = 3 သည် အဖြေလောင်းများတစ်လျှောက် အများဆုံး 3 × max_tokens ပြီးမြောက်မှုတိုကင်များကို ထုတ်လုပ်နိုင်သည်။
ဤကန့်သတ်ဘောင်များသည် အဆုံးမှတ်တစ်ခုစီအတွက် သီးခြားဖြစ်သည်။ အခြား API သို့မဟုတ် မော်ဒယ်က n သို့မဟုတ် best_of ကို ပံ့ပိုးသည်ဟု မယူဆပါနှင့်။
