OpenAI
定义
OpenAI 是一家总部位于旧金山的 AI 研究公司和开发者平台。成立于 2015 年，因 2022 年底发布 ChatGPT 而广为人知，OpenAI 运营着业界使用最广泛的模型 API 之一。该平台为开发者提供跨语言、视觉、音频和图像生成的模型系列的编程访问——使其成为大多数生成式 AI 用例的一站式平台。
截至 2025 年的 OpenAI 模型系列包括：GPT-4o（在单一模型中处理文本、图像和音频的旗舰多模态模型）、GPT-4o-mini（针对大批量任务的成本优化变体）、o 系列推理模型——o1、o1-mini、o3 和 o3-mini——这些模型使用扩展思维链推理来处理数学、编码和复杂分析，DALL-E 3 用于文本到图像生成，Whisper 用于语音到文本转录，TTS（文字转语音）用于音频合成。嵌入模型（text-embedding-3-small 和 text-embedding-3-large）驱动语义搜索和 RAG 管道。
从平台角度来看，OpenAI 提供分层 API 及基于使用量的定价、用于交互测试的 Playground、异步批量推理可降低 50% 成本的 Batch API、GPT-4o-mini 和 GPT-3.5-turbo 的微调、用于有状态代理式交互的 Assistants API，以及用于系统模型评估的 Evals 框架。Python SDK（openai）和 TypeScript/Node.js SDK 是主要的客户端库，该 API 格式已成为其他提供商（Mistral、Together、Groq）部分效仿的事实标准。
工作原理
聊天补全 API
聊天补全端点（POST /v1/chat/completions）是 OpenAI 平台的核心。您发送包含角色（system、user、assistant）的消息数组并接收补全。system 消息设置助手的角色和约束；user 消息携带用户输入；assistant 消息表示多轮对话的先前模型轮次。通过服务器发送事件支持流式传输，响应可以逐 token 显示。temperature 和 top-p 控制响应随机性；max_tokens 限制输出长度。
函数调用和工具
函数调用（也称为"工具使用"）让模型通过输出结构化 JSON 而不是自由文本来调用外部工具。您在请求中声明工具 schema；模型决定何时调用工具并填充其参数。您的代码执行函数并将结果作为 tool 消息返回；模型随后使用该结果产生最终答案。这是大多数代理框架的基础：模型充当推理和路由层，而实际计算在您的代码中进行。
嵌入 API
嵌入端点（POST /v1/embeddings）将文本转换为密集数值向量。这些向量编码语义含义：相似的文本产生相似的向量。text-embedding-3-large（3072 维）提供最佳检索质量；text-embedding-3-small（1536 维）更快更便宜。嵌入是 RAG 管道的支柱：在索引时嵌入文档，在搜索时嵌入查询，然后通过余弦相似度检索文档。
图像和音频 API
DALL-E 3（POST /v1/images/generations）从文本提示生成图像。您指定尺寸（1024×1024、1792×1024 或 1024×1792）、质量（标准或高清）和风格（生动或自然）。Whisper（POST /v1/audio/transcriptions）以高精度转录 57+ 种语言的音频文件。TTS（POST /v1/audio/speech）将文本转换为具有六种内置声音的自然语音。这些 API 与文本 API 共享相同的身份验证和计费模式，使在单个应用程序中构建多模态管道变得简单。
何时使用 / 何时不使用
| 使用 OpenAI 的场景 | 避免或考虑替代方案的场景 |
|---|---|
| 需要最广泛的生态系统：库、教程和社区支持都默认使用 OpenAI | 工作负载涉及高度敏感或受监管的数据，无法发送给美国第三方提供商 |
| 需要来自单一供应商的多模态支持（文本+图像+音频） | 需要深度微调或控制模型的每个方面——开放权重模型提供更多灵活性 |
| 需要在数学、代码或逻辑问题上的高级推理（o1、o3 系列） | 大规模成本过高——在极高 token 量时，开放权重托管通常优于按 token 定价 |
| 构建函数调用或代理工作流——OpenAI 的结构化输出和工具调用已成熟 | 需要非英语优先的体验——Qwen 或 Mistral 在某些语言上可能表现更好 |
| 希望有状态的、支持文件的代理的 Assistants API，无需自己构建状态层 | 需要来自冻结模型版本的可重现确定性输出——OpenAI 持续更新模型 |
比较
| 标准 | OpenAI | Anthropic | Google Gemini |
|---|---|---|---|
| 旗舰模型 | GPT-4o | Claude 3.7 Sonnet/Opus | Gemini 2.5 Pro |
| 推理模型 | o3、o1 | 扩展思考（Claude 3.7） | Gemini 2.5 Pro（思考） |
| 上下文窗口 | 128K（GPT-4o）、200K（o1） | 200K | 最高 1M（Gemini 1.5 Pro） |
| 多模态输入 | 文本、图像、音频、视频 | 文本、图像 | 文本、图像、音频、视频、代码 |
| 开放权重选项 | 否 | 否 | Gemma（部分） |
| 函数/工具调用 | 成熟，广泛采用 | 强大，支持计算机使用 | 成熟，Google 生态系统 |
| 定价（旗舰） | ~$2.50/1M 输入 token（GPT-4o） | ~$3/1M 输入 token（Sonnet） | ~$1.25/1M 输入 token（Gemini 1.5 Pro） |
| 安全方法 | 审核 API，使用政策 | 宪法 AI，拒绝调优 | 负责任 AI 准则 |
| 数据驻留 | 美国（默认），企业选项 | 美国（默认），企业选项 | 多区域，Google Cloud |
| 最适合 | 最广泛的生态系统、代理工具、推理 | 长文档、安全性、细致指令 | 长上下文、多模态、Google Cloud 用户 |
优缺点
| 优点 | 缺点 |
|---|---|
| 大多数框架和库采用的行业标准 API | 封闭模型——对权重或训练数据没有可见性 |
| 最广泛的模型系列：单一平台上的语言、视觉、音频、图像 | 默认托管在美国；数据驻留有限 |
| o 系列推理模型在数学、代码和逻辑上表现出色 | 大规模定价可能高于自托管开放模型 |
| 强大的生态系统：cookbook、evals、微调、批量 API | 模型版本持续更新——行为可能在不通知的情况下改变 |
| 可靠的速率限制和企业 SLA | 没有真正的开放权重产品 |
代码示例
带流式传输的聊天补全
from openai import OpenAI
client = OpenAI(api_key="sk-...") # or set OPENAI_API_KEY env var
# Basic completion
response = client.chat.completions.create(
model="gpt-4o",
messages=[
{"role": "system", "content": "You are a concise technical assistant."},
{"role": "user", "content": "Explain embeddings in two sentences."},
],
temperature=0.2,
max_tokens=256,
)
print(response.choices[0].message.content)
# Streaming response
with client.chat.completions.stream(
model="gpt-4o",
messages=[{"role": "user", "content": "Write a haiku about APIs."}],
) as stream:
for text in stream.text_stream:
print(text, end="", flush=True)
函数调用
import json
from openai import OpenAI
client = OpenAI()
# Define a tool schema
tools = [
{
"type": "function",
"function": {
"name": "get_weather",
"description": "Get the current weather for a city",
"parameters": {
"type": "object",
"properties": {
"city": {"type": "string", "description": "City name"},
"unit": {"type": "string", "enum": ["celsius", "fahrenheit"]},
},
"required": ["city"],
},
},
}
]
messages = [{"role": "user", "content": "What's the weather in Tokyo?"}]
# First call — model may decide to call a tool
response = client.chat.completions.create(
model="gpt-4o",
messages=messages,
tools=tools,
tool_choice="auto",
)
msg = response.choices[0].message
messages.append(msg)
# If the model called a tool, execute it and return the result
if msg.tool_calls:
for tc in msg.tool_calls:
args = json.loads(tc.function.arguments)
# Simulated function execution
result = {"city": args["city"], "temp": "18°C", "condition": "Partly cloudy"}
messages.append({
"role": "tool",
"tool_call_id": tc.id,
"content": json.dumps(result),
})
# Second call — model uses the tool result to answer
final = client.chat.completions.create(model="gpt-4o", messages=messages)
print(final.choices[0].message.content)
用于语义搜索的嵌入
from openai import OpenAI
import numpy as np
client = OpenAI()
def embed(texts: list[str], model: str = "text-embedding-3-small") -> list[list[float]]:
response = client.embeddings.create(input=texts, model=model)
return [item.embedding for item in response.data]
# Index documents
docs = [
"Python is a high-level programming language.",
"OpenAI provides a REST API for language models.",
"RAG combines retrieval with generation.",
]
doc_vectors = embed(docs)
# Query
query = "How do I call OpenAI from Python?"
query_vector = embed([query])[0]
# Cosine similarity
def cosine_sim(a, b):
a, b = np.array(a), np.array(b)
return float(np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b)))
scores = [(cosine_sim(query_vector, dv), doc) for dv, doc in zip(doc_vectors, docs)]
scores.sort(reverse=True)
for score, doc in scores:
print(f"{score:.3f} {doc}")
实用资源
- OpenAI API 参考 — 包含请求/响应 schema 的完整端点文档
- OpenAI 定价 — 所有模型的按 token 定价，包括批量折扣
- OpenAI Cookbook — 涵盖函数调用、RAG、微调、evals 等的实用示例
- OpenAI 模型概述 — 模型 ID、上下文窗口、能力和弃用时间表
- OpenAI Python SDK（GitHub） — 源码、变更日志和迁移指南