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 Kubernetes Service】開始使用 AGIC

為了將運行在 Kubernetes 內的服務對外公開，最基本就是透過 ClusterIP 或 Nodeport 的方式，而到了雲端的 AKS 可以使用 LoadBalancer 搭配 Azure Load Balancer 這類的雲端服務，但對於有網址或 URL 規則等第七層的需求時，就會選擇使用 Ingress。

Ingress 最常見的選擇是使用 Nginx，但在雲端的 AKS 就多了 AGIC 的選項，AGIC 是搭配 Azure 的 Azure Application Gateway 運作的，可以直接想像成是 PaaS 版本的 Ingress，本篇將記錄在 AKS 上啟用 AGIC 的過程。

Application Gateway Ingress Control

借用一下官方的 AGIC 架構圖，當我們在 AKS 中啟用 AGIC 後，本質上 AGIC 就是一個在 AKS 內的 Deployment，其 Pod 將監控所有在 AKS 內的 Ingress YAML，並將設定同步到外部的 Application Gateway。

因為監控的 Pod 還是在 AKS 內部，這部分是會佔用到 AKS 效能的，但比起一般自架的 Nginx Ingress，AGIC 負責處理負載均衡的 Application Gateway 還是位於 AKS 外部，這部分就不會佔用到 AKS 本身的資源。


建立 Virtual Network

首先我們先建立一個 10.10.0.0/16 的虛擬網路，並且在其中切出兩個子網段，第一個 10.10.1.0/24 會分配給 AKS 使用。

而第二個子網段給 Application Gateway 使用。

建立 Public IP

接著因為我們會透過 Application Gateway 將 AKS 對外，所以需要一個公用 IP。

建立 Application Gateway

再來就是建立 Application Gateway 了，這邊記得要對應上剛剛建立的子網段與功用 IP。

另外如果沒記錯的話，Application Gateway 使用 Portal UI 創建時會需要設定一堆東西，這些設定在 AGIC 的情境是用不到的，但如果使用 AZ CLI 就可以跳過這些設定。

建立 AKS

最後就是建立 AKS 本體，這邊一樣記得要用剛開始建立的子網段。

AKS 建立時的設定參數非常多，這邊只做讓 AGIC 能正常運行的最少設定，其他還是要視個人需求自己加上。

在 AKS 上啟用 AGIC

AGIC 目前已經作為 addons 被加入 AKS 中，只需要以下指令就能很方便的啟用。

在啟用指令中需要指定一個現有的 Application Gateway，如此就能綁定 AKS 與這個 Application Gateway。

啟用成功後應該可以在 AKS 的 Deployment 中看到一個 ingress-appgw-deployment，這個就是 AGIC 的監控程式。

測試

測試方式很簡單，我們會佈署一個官方提供的 YAML，撰文當下這個測試用的 YAML 如以下：

使用 kubectl apply 指令佈署 YAML 檔。

接著等待 3 分鐘，AGIC 會把 Ingress 的設定同步到 Application Gateway，我們可以在 Portal 中找到「後端集區」來確認規則已經被同步到 Application Gateway。


一樣在 Application Gateway 的 Portal 畫面，找到剛剛設定給 Application Gateway 的 Public IP，以我自己的為例是 52.187.47.216。


在瀏覽器上進到 http://52.187.47.216 就會看到以下畫面，記得不要用 https，因為官方提供的 YAML 只設定了 80 埠。

最後我們可以確認畫面上的 Server IP address 與剛剛在「後端集區」看到的目標 IP 都是 10.10.1.28，測試成功！

總結

以上我們成功在一個現有的 AKS 上啟用 AGIC，並佈署了一個使用 Application Gateway 作為訪問入口的 .NET APP。整體來說設定的難度雖稱不上簡單，但至少流程是順暢的，主要也歸功於 AGIC 已經作為 addons 被加入 AKS 中，真正啟用的設定都是自動完成的。

而比起自架的 Nginx Ingress，AGIC 將負載均衡的工作交由外部的 Application Gateway，減少 AKS 本身的資源佔用外，也因為本身屬於 PaaS 級別的服務，降低了部分的維運工作。以上算是多一種作法提供給讀者 😉

標籤：
位置： 407台灣台中市西屯區

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