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...
張貼留言

【Azure Blob Storage】使用物件複寫同步儲存體帳戶

同步兩個儲存體帳戶內的 Blob 容器是個很常見的需求，做法也有非常多種，從單純的在 VM 中啟 Azcopy 服務，到 PaaS 方案的 Azure Data Factory 都可以做得到，但如果什麼東西都不想維護的話，那 Blob Storage 的物件複寫功能肯定是個好選擇。

架構說明

物件複寫可以跨地區、跨租用戶的在兩個 Storage Account 間運作，本篇為展示方便，將會在同一個租用戶下建立為於不同區域的 Storage Account。

注意事項

要使用物件複寫功能必須要先在 Azure Storage Account 上啟用以下兩個功能：

  • 在來源端的 Storage 啟用變更摘要。
  • 在來源端和目的地端的 Storage 啟用 Blob 版本控制。

要特別注意的是變更摘要與 Blob 版本控制這兩項功能都會產生額外的費用，開啟前還是要自己衡量一下使用量。

建立 Storage Account

來源的 Storage Account 我們選擇建立在東南亞地區，規格使用一般用途 V2。

做為來源的 Storage Account 記得要開啟「版本設定」與「變更摘要」。

建立完成後進到 Storage Account 再建立一個名為「source」的容器。

接著再使用相同規格在美國東部建立目地端 Storage Account 與 Blob 容器就可以了。

編寫複寫原則

Storage Account 建立完成後就能開始設定物件複寫，最簡單的方式是可以透過 Azure Portal 點擊設定完成，但如果有跨租用戶的需求就沒辦法只使用 UI 完成，再加上我覺得使用定義檔的方式比較清楚明瞭，所以一直以來都是使用這個方式。

物件複寫原則的定義檔使用的是 Json 格式，直接看以下範例：

  • properties.policyId：固定 default，後續會知道原因。

  • properties.sourceAccount & properties.destinationAccount：兩個 Storage Account 的完整識別碼，可以在「設定」→「端點」的頁籤中找到。

  • properties.rules[0].ruleId：先保持空字串。

  • properties.rules[0].sourceContainer & properties.rules.destinationContainer：兩個 Blob 容器的名稱。

  • properties.rules[0].filters.prefixMatch：用來塞選要進行複寫的檔案名稱開頭。

  • properties.rules[0].filters.minCreationTime：大於這個時間的檔案才會被複寫。

在目的地端的 Storage Account 上傳定義檔

沒有為什麼，這個流程就是一定要從目的地端開始。進到「資料管理」→「物件複寫」，點選上方的上傳複寫規則，選到剛剛編寫好的 Json 檔，檔案沒問題的話畫面就會像以下這樣：

上傳完成後再如下畫面下載下來：

觀察一下下載的這份 Json 檔：

最大的不同就是剛剛沒填好 properties.policyId 與 properties.rules[0].ruleId 已經被自動填上了，這也是我們需要的。

在來源端的 Storage Account 上傳定義檔

一樣的動作，我們在來源端的「資料管理」→「物件複寫」再上傳一次 Json 檔，但這次要用的是已經被填上 policyId 與 ruleId 的這份。

上傳稍待幾秒後就會看到規則設定完成了。

測試

這個測試就非常簡單了，直接進到來源端的 Blob 容器上傳一個名稱是 t 開頭的檔案。

再進到目地端的 Blob 容器：

觀察兩者的檔案修改時間，因為物件複寫是一個非同步的任務，所以會存在數秒到幾分鐘的時間差，但整體來說抄寫是成功的！👍

總結

物件複寫對於原封不動的同步需求來說非常方便，畢竟設定好後就沒有任何需要維護的東西，同時也附帶了簡單的檔案名稱塞選，但目前沒辦法做到雙向同步是比較可惜的地方，另外如果是更複雜的 ETL 也沒辦法使用這個方式，一切還是要視需求來選擇正確的工具。

標籤：
位置： 434台灣台中市龍井區

留言

張貼留言

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...
張貼留言
閱讀完整內容

【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...
張貼留言
閱讀完整內容

【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。
張貼留言
閱讀完整內容