OpenAI微调模型API调用中的“模型不存在”错误解析与解决方案

const API_KEY = "/"; // 替换为您的OpenAI API Key
const ORG_ID = "/"; // 替换为您的OpenAI Organization ID
const headers = {
  "Content-Type": "application/json",
  Authorization: "Bearer " + API_KEY,
  "OpenAI-Organization": ORG_ID,
};

// 假设 ft-modelname 是基于 GPT-3 的微调模型
const res = await axios.post(
  "https://api.openai.com/v1/completions", // 更改为 completions 端点
  {
    model: "ft-modelname",
    prompt: "您的输入消息。", // 更改为 prompt 参数
    max_tokens: 150 // 可选：设置生成文本的最大长度
  },
  { headers }
);

console.log(res.data.choices[0].text); // Completions API 的响应结构不同

import os
import openai

openai.api_key = os.getenv("OPENAI_API_KEY")

# 对于基于 GPT-3 的微调模型
# 例如: ft-your-babbage-002-model
response_gpt3 = openai.Completion.create(
    model="ft-your-gpt3-model-name",
    prompt="这是您的输入文本。",
    max_tokens=150
)
print(response_gpt3.choices[0].text)

# 对于基于 GPT-3.5 Turbo 的微调模型
# 例如: ft-gpt-3.5-turbo-your-model-id
response_gpt35_turbo = openai.ChatCompletion.create(
    model="ft-your-gpt35-turbo-model-name",
    messages=[
        {"role": "system", "content": "你是一个乐于助人的助手。"},
        {"role": "user", "content": "这是您的输入文本。"}
    ],
    max_tokens=150
)
print(response_gpt35_turbo.choices[0].message.content)

const { Configuration, OpenAIApi } = require("openai");

const configuration = new Configuration({
  apiKey: process.env.OPENAI_API_KEY,
});

const openai = new OpenAIApi(configuration);

// 对于基于 GPT-3 的微调模型
// 例如: ft-your-babbage-002-model
async function callGpt3FineTune() {
  const response = await openai.createCompletion({
    model: "ft-your-gpt3-model-name",
    prompt: "这是您的输入文本。",
    max_tokens: 150
  });
  console.log(response.data.choices[0].text);
}

// 对于基于 GPT-3.5 Turbo 的微调模型
// 例如: ft-gpt-3.5-turbo-your-model-id
async function callGpt35TurboFineTune() {
  const response = await openai.createChatCompletion({
    model: "ft-your-gpt35-turbo-model-name",
    messages: [
      { role: "system", content: "你是一个乐于助人的助手。" },
      { role: "user", content: "这是您的输入文本。" }
    ],
    max_tokens: 150
  });
  console.log(response.data.choices[0].message.content);
}

callGpt3FineTune();
callGpt35TurboFineTune();

# 对于基于 GPT-3 的微调模型
curl https://api.openai.com/v1/completions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "ft-your-gpt3-model-name",
    "prompt": "这是您的输入文本。",
    "max_tokens": 150
  }'

# 对于基于 GPT-3.5 Turbo 的微调模型
curl https://api.openai.com/v1/chat/completions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "ft-your-gpt35-turbo-model-name",
    "messages": [
      {"role": "system", "content": "你是一个乐于助人的助手。"},
      {"role": "user", "content": "这是您的输入文本。"}
    ],
    "max_tokens": 150
  }'

# 对于基于 GPT-3 的微调模型
openai api completions.create -m <ft-your-gpt3-model-name> -p "这是您的输入文本。" --max-tokens 150

# 对于基于 GPT-3.5 Turbo 的微调模型
# 注意：CLI 目前对 chat completions 的微调模型调用可能需要特定版本或格式，
# 通常直接使用 API 客户端更灵活。以下是一个概念性示例，实际可能需要调整。
# 更好的做法是使用 Python/Node.js 客户端或 cURL。
# openai api chat.completions.create -m <ft-your-gpt35-turbo-model-name> \
#   -M '[{"role": "system", "content": "你是一个乐于助人的助手。"}, {"role": "user", "content": "这是您的输入文本。"}]' \
#   --max-tokens 150