跳到主要內容

【Azure OpenAI】o1 模型與 2024-09-01-preview API

距離上篇在 Early Access Playground 試用 o1 模型後又過了兩週,今天終於等到 API 開放使用啦!本篇將紀錄如何使用 Python SDK 存取 o1 模型。 系列文章 【Azure OpenAI】快速試用 o1 模型 模型佈署 在先前開放的 Early Access Playground 中使用 o1 是不需要另外佈署模型的,不過回到使用 API 來存取 o1 模型,就需要像之前的模型一樣先進行佈署才能使用,相信大家都很熟悉了。 使用 Python SDK 一樣使用熟悉的 openai 套件: 2024-09-01-preview 初始化的方式與先前模型都一樣,需要注意的是 o1 模型目前只能使用最新的 API 版本 2024-09-01-preview 來訪問。 Chat Completions 將 model 填入 o1-preview ,或是你的模型佈署名稱, messages 也一樣是歷史對話堆疊的 List。 回應如下: 查看 Token 使用量 內建 Chain of Thought 的 o1 比起過往的模型會消耗較多的 Token,因此我們特別把 Token 使用量拉出來看。 回應如下: 其中 prompt_tokens 、 completion_tokens 、 total_tokens 在先前的 API 就已經存在了,分別代表Token 的 Input、Output 與總使用量,而在新的 completion_tokens_details 中可以看到  reasoning_tokens 使用了 320 個 Tokens,居然佔了總輸出 Token 的 80% 以上! 控制 Token 成本 已往我們可以使用  max_tokens 參數來控制 Token 的用量,但在 o1 模型中棄用了 max_tokens ,取而代之的是使用  max_completion_tokens 參數,來看看這段程式碼: 回應如下: 沒東西?那再看一次 Token 量。 回應如下: Token 居然是有被使用的! 這表示 max_completion_tokens 並不像過往使用  max_tokens 這麼簡單,先前在回應遇到...

【Azure Blob Storage】用高 CP 值的方式在 Azure Blob Storage 上開啟 SFTP 功能(下)

在上一篇文章裡,我們已經在儲存體帳戶中開啟了 SFTP 的功能,並使用 FileZilla 將檔案上傳至容器中,如果還沒看過的話可以進入下方連結查看。

接續前篇一開始提到的,SFTP 功能在開啟的期間都會被收取費用,這邊會介紹使用 Azure Automation Runbook 這個服務,將開關 SFTP 的 PowerShell 腳本做成定時執行,來達到節省 SFTP 費用的目標。

相關連結:【Azure Blob Storage】用高 CP 值的方式在 Azure Blob Storage 上開啟 SFTP 功能(上)

建立 Azure Automation

從 Portal 進入 Azure Automation 介面,中文可以搜尋「自動化帳戶」,點擊左上角「建立」。

設定的選項不多,很簡單就能建起來(就喜歡這種單純的服務),其中第二個「進階」的頁籤中建議使用系統指派的受控識別,在服務建立起來時會順便把受控識別拉起來,等一下做授權時會比較方便,其他只要跟著 Portal 繼續下一步並建立即可。

建議在「進階」頁籤中勾選「系統指派」的受控識別

賦予 Automation 權限

因為接下來會使用 Automation 操作 SFTP 的開關,所以『他』必須具備對應的權限才能執行操作,而其中這個『他』就是剛剛自動建起來的受控識別。

首先回到稍早開啟 SFTP 的那一個儲存體帳戶,進入左側的「存取控制 (IAM)」,選擇「新增角色指派」。

在 IAM 中新增角色指派

這邊的權限為求方便,可以先給到「參與者」的角色,確保一定可以做開關 SFTP 的操作,後續可以依需求再自行做調整。

其中受控識別的名稱會與 Automation 服務名稱相同,直接在成員搜尋就會找到。

賦予 Automation 在儲存體帳戶中參與者的角色

在 Automation 中建立 Runbook

回到 Automation 的頁面,進入「程序自動化」→「Runbook」,點擊左上角「建立 Runbook」。

使用以下設定建立 Runbook:

    • 名稱:自行命名,這邊使用 sftp-disable

    • Runbook類型:PowerShell

    • 執行階段版本:7.2

    建立 Runbook 時的設定

    編輯 PowerShell Runbook

    Runbook 建立完成後會進入一個編輯畫面,貼上下面這段關閉 SFTP 功能的 PowerShell 腳本。

    Connect-AzAccount -Identity
    
    # 設定變數
    $resourceGroupName = "charlie-test"
    $storageAccountName = "charliestoragedemo"
    
    # 關閉 SFTP
    Set-AzStorageAccount -ResourceGroupName $resourceGroupName -Name $storageAccountName -EnableSftp $false

    在編輯頁面中貼上 PowerShell 腳本

    編輯完成後直接由左上角點擊「發行」即可,再來回到 Runbook 畫面點擊左上角「啟動」。

    從畫面直接啟動 Runbook

    大約一分鐘的時間,就可以看到 Runbook 執行成功的畫面,接著直接回到儲存體帳戶的「SFTP」頁籤。

    已停用此帳戶的本機使用者和/或 SFTP

    只要看到畫面上方會多一個已經停用 SFTP 的訊息就成功囉!

    幫 Runbook 掛上排程

    最後只差把 Runbook 掛上排程,就能做到定時自動關閉 SFTP,而排程的部分在 Automation 的介面做的不錯,這邊就不多贅述跟著畫面操作即可,設定完成就會如下:

    排程設定完成的畫面

    總結

    本篇建立了一個 Automation Runbook 的服務,並透過定時執行 PowerShell 腳本來做到自動關閉 SFTP 功能,另外也可以再建立另一個 Runbook,稍微修改 PowerShell 腳本也能做到自動開啟 SFTP 功能。

    試想一下,如果只有在上班時間的 8 小時內有使用 SFTP 的需求,掛上這兩個排程腳本後,就能省下 2/3 的費用,詳細的 SFTP 計價方式可以參考下方微軟文檔,另外也可以根據使用情境,再自行設定開關的時間,大家一起省錢吧!

    相關連結:Azure Blob Storage pricing | Microsoft Azure

    留言

    這個網誌中的熱門文章

    【Azure OpenAI】購買 PTU 時微軟不會告訴你的事

    Provisioned Throughput Units 一直是目前在 Azure OpenAI 對於延遲問題的最有效解法,同時也是官方最推薦的方案。有別於基本的隨付即用,PTU 具有穩定、可預測的延遲等優勢,適合用於正式上線的生產環境。 但 PTU 的成本是一個不可忽視的問題,儘管選購最小單位量的 PTU,也是需要應用到達一定規模後才看得出使用效益。在確認是否購買 PTU 時,除了詳細閱讀官方文件並使用官方推出的計算機規劃額度外,以下幾點或許也是你該注意的。 不可自行購買 PTU 首先,是的,截自撰文當日 (2024/07/09) PTU 只能透過微軟業務窗口洽詢購買細節,這可能對於多數用戶是不友善的,但我相信這個過程很快就能得到優化。 相關連結: https://learn.microsoft.com/en-us/azure/ai-services/openai/concepts/provisioned-throughput#how-do-i-get-access-to-provisioned PTU 的可用區域僅供參考 在官方文件中記錄了下述表格,其中詳細的呈現各種模型的 PTU 在不同地區的可用性,但這張表只是一個參考,因為當你洽詢業務窗口時你會得到另一張不同的表格。 其中對於台灣用戶可能最有影響的,是我們沒辦法在日本東部購買 gpt-4o 模型的 PTU,對於想透過購買 PTU 以降低模型延遲的用戶來說這是一個矛盾的選擇,當然更不用提隨之產生的跨區傳輸量成本。 一樣截至撰文為止,為何在打勾區域✅無法購買的問題,官方並沒有給出任何理由,或許是我們採購量沒有達到官方需要解釋的程度😔 相關連結: https://learn.microsoft.com/en-us/azure/ai-services/openai/concepts/provisioned-throughput#what-models-and-regions-are-available-for-provisioned-throughput 有別於你認知的定價策略 承如前述,PTU 的成本絕對是導入時的重要考量點。 PTU 的售價到底是多少 事實上 PTU 的官方售價早就是公開的秘密,稱之為秘密是因為 PTU 的售價截至目前並沒有被列在官方文件或定價計算機中,但在最新的 Azure OpenAI S...

    【Azure OpenAI】o1 模型與 2024-09-01-preview API

    距離上篇在 Early Access Playground 試用 o1 模型後又過了兩週,今天終於等到 API 開放使用啦!本篇將紀錄如何使用 Python SDK 存取 o1 模型。 系列文章 【Azure OpenAI】快速試用 o1 模型 模型佈署 在先前開放的 Early Access Playground 中使用 o1 是不需要另外佈署模型的,不過回到使用 API 來存取 o1 模型,就需要像之前的模型一樣先進行佈署才能使用,相信大家都很熟悉了。 使用 Python SDK 一樣使用熟悉的 openai 套件: 2024-09-01-preview 初始化的方式與先前模型都一樣,需要注意的是 o1 模型目前只能使用最新的 API 版本 2024-09-01-preview 來訪問。 Chat Completions 將 model 填入 o1-preview ,或是你的模型佈署名稱, messages 也一樣是歷史對話堆疊的 List。 回應如下: 查看 Token 使用量 內建 Chain of Thought 的 o1 比起過往的模型會消耗較多的 Token,因此我們特別把 Token 使用量拉出來看。 回應如下: 其中 prompt_tokens 、 completion_tokens 、 total_tokens 在先前的 API 就已經存在了,分別代表Token 的 Input、Output 與總使用量,而在新的 completion_tokens_details 中可以看到  reasoning_tokens 使用了 320 個 Tokens,居然佔了總輸出 Token 的 80% 以上! 控制 Token 成本 已往我們可以使用  max_tokens 參數來控制 Token 的用量,但在 o1 模型中棄用了 max_tokens ,取而代之的是使用  max_completion_tokens 參數,來看看這段程式碼: 回應如下: 沒東西?那再看一次 Token 量。 回應如下: Token 居然是有被使用的! 這表示 max_completion_tokens 並不像過往使用  max_tokens 這麼簡單,先前在回應遇到...

    【Azure OpenAI】快速試用 o1 模型

    在 OpenAI 與 Azure OpenAI 同時發佈 o1 系列模型的一週後,我也順利通過 Azure OpenAI 的使用申請啦!本篇就來快速試用一下最新的o1 系列模型。 提出申請 目前如果要使用 o1 系列模型都需要經過微軟的資格審查,申請表單可以參考以下連結,表單只需要填寫一份,申請通過後 o1-preview 和 o1-mini 兩個模型都能使用。 相關連結: https://aka.ms/oai/modelaccess 使用 AI Studio 首先你必須要有一個位於 美東 2 地區的 Azure OpenAI 資源,不管是原有的或是新建立的資源都可以。 因為目前 o1 系列模型還處於早期訪問階段,資源中不需要自行佈署模型,取而代之的是需要透過 Early Access Playground 才能使用到 o1 系列模型。 而這次比較特別的是只能使用 AI Studio 的 Playground,看得出來微軟要慢慢整併掉 Azure OpenAI Studio 了。 草莓問題 這次就拿近期已經被大家玩爛的草莓問題來測試,在這個問題中我們會詢問 GPT 在「Strawberry」這個單字裡包含了多少個字母「r」,沒錯,這個草莓問題就是這麼簡單無聊,但結果卻出乎意料。 gpt-4o:兩次 gpt-4o 會有非常高的機率回答:兩次,看似如此簡單的問題又能讓 gpt-4o 屢屢回答錯誤,這就是草莓問題出名的原因,大家也可以自己嘗試看看。 o1-preview:三次 反觀加入 Chain of Thought 概念的 o1-preview 就輕鬆解決了這個草莓問題 😂 總結 根據官方資訊,具有 Chain of Thought 的 o1 模型犧牲了回應的即時性,但大幅改善在邏輯與推理類型問題中的表現,同時成本方面 o1-preview 相較 gpt-4o-0806 貴了 6 倍,對於企業來說就需要好好思考是否有適用的情境了,不過現階段還是繼續期待 API 可用的那天。