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 Firewall】使用 Azure 防火牆限制出入站流量(上)

原先在工作上大多只接觸到應用層的服務,所以前期文章大概也都是這個領域,不過越來越深入(越花越多錢)後,發現踩的坑越來越多都跟網路有關,尤其在公司內還涉及到更多雲地網路有沒有通的麻煩事,所以近期也開始看一些網路的東西,同時順便紀錄一下學習的過程。

從一個常見的場景開始,在限制外網訪問的環境中開通幾個白名單網站,一般可能是自己架設的外部網頁,對於開發機可能需要開通 Azure Portal 或特定語言的套件庫,而對於生產環境可能需要訪問第三方服務,

至於由外部訪問內部服務,也有限制訪問來源、方式或阻擋惡意外部流量的需求。不論是出站還是入站,都可以透過 Azure Firewall 設定規則來滿足限制存取的需求,以下一個簡單的 Demo 情境。

架構說明

本次 Demo 架構如下圖,順帶一提,這張圖是由前篇介紹的 Draw.io 繪製,有興趣可以看看下方連結。

  • 簡化架構的單一 VNet,其中包含兩個 Subnet,分別佈署 Azure Firewall 與 Azure VM,用於模擬受到保護的內部環境。

  • 外部訪問方式僅接受透過 RDP 連線 Azure VM,同時訪問的流量不會直達 Azure VM,而是一律先經過 Azure Firewall 才能轉到後方。

  • Azure VM 所在的內部環境,只允許對外存取 www.google.com。
以上,開工!

相關連結:【Azure】Draw.io 線上架構圖繪製工具!完全免費!

本次 Demo 架構圖

建立 VNet 與 Subnet

所有服務建立的方式都一樣,在 Portal 上搜尋中文服務名稱:虛擬網路,點擊建立。

建立虛擬網路

第一個「基本」頁籤中可以建一個單獨的資源群組出來,這次練習建出來的服務都丟到同個資源群組就好,再來給 VNet 一個喜歡的名稱。

設定 VNet 的資源群組與名稱

接著到第三個「IP 位址」頁籤設定 IP,VNet 可以保持域設的 10.0.0.0/16 就好,而子網設定如下:

  • WorkloadSubnet:10.0.1.0/24,佈署 Azure VM 使用。

  • AzureFirewallSubnet:10.0.2.0/26,佈署 Azure Firewall 使用。

設定 VNet 的 IP 範圍

最後到「檢閱+建立」,再點擊「建立」,就完成 VNet 的設定。

建立 Azure Firewall

一樣搜尋到中文名稱「Azure 防火牆」後按下建立。

建立 Azure Firewall

上半部分一樣是服務名稱與資源群組,資源群組都放到同一個就好。

設定 Firewall 的資源群組與名稱

下半部分如下設定:

  • 防火牆 SKU:標準,差在一些進階的功能。
  • 防火牆管理:使用防火牆原則管理此防火牆。
  • Firewall Policy:建立新的,SKU 一樣選標準。

  • 選擇虛擬網路:使用現有項目,選我們剛剛建立好的 VNet。
  • 公用 IP 位址:建立新的,這會用在防火牆的對外 IP。

其他 Firewall 設定

以上都完成直接點擊「建立」就好,Firewall 的建立會稍微久一點,建立完成後先進入 Firewall 的頁面。

查看 Firewall 私人 IP

接著我們需要先記下 Firewall 的私人 IP 與公用 IP,私人 IP直接在頁面上可以看到,以我的來說是 10.0.2.4。

而公用 IP 需要再點入一層才能看到,以我的來說是 4.194.107.53,兩個 IP 都先記下備用。

查看 Firewall 公用 IP

基本設定差不多到此,下一篇會繼續入站與出站的流量設定,請繼續收看!

系列文章

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。