Azure OpenAI Service モデル

[アーティクル]
10/25/2024

Azure OpenAI Service では、さまざまな機能と価格ポイントを備えた多様なモデルセットが利用されています。モデルの可用性はリージョンとクラウドごとに異なります。 Azure Government モデルの可用性については、Azure Government の OpenAI Service に関するセクションを参照してください。

モデル	説明
o1-preview と o1-mini	推論と問題解決のタスクに取り組むために特別に設計され、絞られたフォーカスと高い能力を持つ、制限付きアクセスモデルです。
GPT-4o、GPT-4o mini、GPT-4 Turbo	最新の最も能力の高い Azure OpenAI モデルであり、テキストと画像の両方を入力として受け入れることができるマルチモーダルバージョンを備えています。
GPT-4o audio	低待機時間の "音声入力、音声出力" 会話をサポートする GPT-4o モデル。
GPT-4	GPT-3.5 を基に改善され、自然言語とコードを理解し、生成できるモデルのセット。
GPT-3.5	GPT-3 を基に改善され、自然言語とコードを理解し、生成できるモデルのセット。
埋め込み	テキストを数値ベクトル形式に変換して、テキストの類似性を促進できるモデルのセット。
DALL-E	自然言語からオリジナルの画像を生成できるモデルのシリーズ。
Whisper	音声を文字起こしして音声テキスト変換を翻訳できる一連のモデル。
テキスト読み上げ (プレビュー)	テキストを音声に合成できるプレビュー段階の一連のモデル。

o1-preview と o1-mini モデルの制限付きアクセス

Azure OpenAI の o1-preview と o1-mini モデルは、集中と能力を高めて推論と問題解決のタスクに取り組むために特に設計されています。これらのモデルは、ユーザーの要求の処理と理解により多くの時間を費やし、これまでのイテレーションと比較して、科学、コーディング、数学などの分野で非常に強力になっています。

モデル ID	説明	最大要求 (トークン)	トレーニングデータ (最大)
`o1-preview` (2024-09-12)	o1 シリーズの中で最も能力の高いモデルで、推論能力が強化されています。	入力: 128,000 出力: 32,768	2023年10月
`o1-mini` (2024-09-12)	o1 シリーズの中のより速く、よりコスト効率の高いオプションであり、速度を必要としリソース消費を削減する必要があるコーディングタスクに最適です。	入力: 128,000 出力: 65,536	2023年10月

可用性

o1-preview および o1-mini モデルで API アクセスとモデルデプロイが利用可能になりました。 登録が必要であり、Microsoft の適格性条件に基づいてアクセスが許可されます。

アクセスの要求: 制限付きアクセスモデルの申請

アクセス権が付与されたら、モデルごとにデプロイを作成する必要があります。

API のサポート

o1 シリーズ モデルのサポートが API バージョン 2024-09-01-preview に追加されました。

max_tokens パラメーターは非推奨となり、新しい max_completion_tokens パラメーターに置き換えられました。 o1 シリーズ モデルは、max_completion_tokens パラメーターでのみ機能します。

使用方法

これらのモデルでは、現在、Chat Completions API を使う他のモデルと同じパラメーターセットはサポートされていません。現在サポートされているのはごく限られたサブセットなので、temperature や top_p などの一般的なパラメーターは使用できず、それらを含めると要求が失敗します。 o1-preview と o1-mini モデルは、メッセージ配列の一部としてのシステムメッセージロールも受け入れません。

新しい max_completion_tokens パラメーターを利用するには、OpenAI Python ライブラリのバージョンのアップグレードが必要な場合があります。

pip install openai --upgrade

認証に Microsoft Entra ID を使うのが初めての場合は、「Microsoft Entra ID 認証を使用して Azure OpenAI Service を構成する方法」をご覧ください。

from openai import AzureOpenAI
from azure.identity import DefaultAzureCredential, get_bearer_token_provider

token_provider = get_bearer_token_provider(
    DefaultAzureCredential(), "https://cognitiveservices.azure.com/.default"
)

client = AzureOpenAI(
  azure_endpoint = os.getenv("AZURE_OPENAI_ENDPOINT"), 
  azure_ad_token_provider=token_provider,
  api_version="2024-09-01-preview"
)

response = client.chat.completions.create(
    model="o1-preview-new", # replace with the model deployment name of your o1-preview, or o1-mini model
    messages=[
        {"role": "user", "content": "What steps should I think about when writing my first Python API?"},
    ],
    max_completion_tokens = 5000

)

print(response.model_dump_json(indent=2))

新しい max_completion_tokens パラメーターを利用するには、OpenAI Python ライブラリのバージョンのアップグレードが必要な場合があります。

pip install openai --upgrade


from openai import AzureOpenAI

client = AzureOpenAI(
  azure_endpoint = os.getenv("AZURE_OPENAI_ENDPOINT"), 
  api_key=os.getenv("AZURE_OPENAI_API_KEY"),  
  api_version="2024-09-01-preview"
)

response = client.chat.completions.create(
    model="o1-preview-new", # replace with the model deployment name of your o1-preview, or o1-mini model
    messages=[
        {"role": "user", "content": "What steps should I think about when writing my first Python API?"},
    ],
    max_completion_tokens = 5000

)

print(response.model_dump_json(indent=2))

{
  "id": "chatcmpl-AEj7pKFoiTqDPHuxOcirA9KIvf3yz",
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "logprobs": null,
      "message": {
        "content": "Writing your first Python API is an exciting step in developing software that can communicate with other applications. An API (Application Programming Interface) allows different software systems to interact with each other, enabling data exchange and functionality sharing. Here are the steps you should consider when creating your first Python API:\n\n1. **Define the Purpose and Requirements**\n\n   - **Identify the Functionality**: Clearly outline what your API is supposed to do. What data or services will it provide to the users?\n   - **Determine the Endpoints**: Plan the different URLs (endpoints) through which users can access the API functionalities.\n   - **Specify Request and Response Formats**: Decide on the data formats (usually JSON) for incoming requests and outgoing responses.\n\n2. **Choose the Right Framework**\n\n   Python offers several frameworks for building APIs. Two of the most popular are:\n\n   - **Flask**: A lightweight and flexible web framework, great for small to medium-sized APIs.\n   - **FastAPI**: A modern, high-performance framework for building APIs with Python 3.6+ types, offering automatic interactive documentation.\n\n   **Example**:\n   ```bash\n   pip install flask\n   ```\n   or\n   ```bash\n   pip install fastapi uvicorn\n   ```\n\n3. **Set Up the Development Environment**\n\n   - **Create a Virtual Environment**: Isolate your project dependencies using `venv` or `conda`.\n   - **Install Required Packages**: Ensure all necessary libraries and packages are installed.\n\n   **Example**:\n   ```bash\n   python -m venv env\n   source env/bin/activate  # On Windows use `env\\Scripts\\activate`\n   ```\n\n4. **Implement the API Endpoints**\n\n   - **Write the Code for Each Endpoint**: Implement the logic that handles requests and returns responses.\n   - **Use Decorators to Define Routes**: In frameworks like Flask, you use decorators to specify the URL endpoints.\n\n   **Example with Flask**:\n   ```python\n   from flask import Flask, request, jsonify\n\n   app = Flask(__name__)\n\n   @app.route('/hello', methods=['GET'])\n   def hello_world():\n       return jsonify({'message': 'Hello, World!'})\n\n   if __name__ == '__main__':\n       app.run(debug=True)\n   ```\n\n5. **Handle Data Serialization and Deserialization**\n\n   - **Parsing Incoming Data**: Use libraries to parse JSON or other data formats from requests.\n   - **Formatting Output Data**: Ensure that responses are properly formatted in JSON or XML.\n\n6. **Implement Error Handling**\n\n   - **Handle Exceptions Gracefully**: Provide meaningful error messages and HTTP status codes.\n   - **Validate Input Data**: Check for required fields and appropriate data types to prevent errors.\n\n   **Example**:\n   ```python\n   @app.errorhandler(404)\n   def resource_not_found(e):\n       return jsonify(error=str(e)), 404\n   ```\n\n7. **Add Authentication and Authorization (If Necessary)**\n\n   - **Secure Endpoints**: If your API requires, implement security measures such as API keys, tokens (JWT), or OAuth.\n   - **Manage User Sessions**: Handle user login states and permissions appropriately.\n\n8. **Document Your API**\n\n   - **Use Tools Like Swagger/OpenAPI**: Automatically generate interactive API documentation.\n   - **Provide Usage Examples**: Help users understand how to interact with your API.\n\n   **Example with FastAPI**:\n   FastAPI automatically generates docs at `/docs` using Swagger UI.\n\n9. **Test Your API**\n\n   - **Write Unit and Integration Tests**: Ensure each endpoint works as expected.\n   - **Use Testing Tools**: Utilize tools like `unittest`, `pytest`, or API testing platforms like Postman.\n\n   **Example**:\n   ```python\n   import unittest\n   class TestAPI(unittest.TestCase):\n       def test_hello_world(self):\n           response = app.test_client().get('/hello')\n           self.assertEqual(response.status_code, 200)\n   ```\n\n10. **Optimize Performance**\n\n    - **Improve Response Times**: Optimize your code and consider using asynchronous programming if necessary.\n    - **Manage Resource Utilization**: Ensure your API can handle the expected load.\n\n11. **Deploy Your API**\n\n    - **Choose a Hosting Platform**: Options include AWS, Heroku, DigitalOcean, etc.\n    - **Configure the Server**: Set up the environment to run your API in a production setting.\n    - **Use a Production Server**: Instead of the development server, use WSGI servers like Gunicorn or Uvicorn.\n\n    **Example**:\n    ```bash\n    uvicorn main:app --host 0.0.0.0 --port 80\n    ```\n\n12. **Monitor and Maintain**\n\n    - **Logging**: Implement logging to track events and errors.\n    - **Monitoring**: Use monitoring tools to track performance and uptime.\n    - **Update and Patch**: Keep dependencies up to date and patch any security vulnerabilities.\n\n13. **Consider Versioning**\n\n    - **Plan for Updates**: Use versioning in your API endpoints to manage changes without breaking existing clients.\n    - **Example**:\n      ```python\n      @app.route('/v1/hello', methods=['GET'])\n      ```\n\n14. **Gather Feedback and Iterate**\n\n    - **User Feedback**: Encourage users to provide feedback on your API.\n    - **Continuous Improvement**: Use the feedback to make improvements and add features.\n\n**Additional Tips**:\n\n- **Keep It Simple**: Start with a minimal viable API and expand functionality over time.\n- **Follow RESTful Principles**: Design your API according to REST standards to make it intuitive and standard-compliant.\n- **Security Best Practices**: Always sanitize inputs and protect against common vulnerabilities like SQL injection and cross-site scripting (XSS).\nBy following these steps, you'll be well on your way to creating a functional and robust Python API. Good luck with your development!",
        "refusal": null,
        "role": "assistant",
        "function_call": null,
        "tool_calls": null
      },
      "content_filter_results": {
        "hate": {
          "filtered": false,
          "severity": "safe"
        },
        "protected_material_code": {
          "filtered": false,
          "detected": false
        },
        "protected_material_text": {
          "filtered": false,
          "detected": false
        },
        "self_harm": {
          "filtered": false,
          "severity": "safe"
        },
        "sexual": {
          "filtered": false,
          "severity": "safe"
        },
        "violence": {
          "filtered": false,
          "severity": "safe"
        }
      }
    }
  ],
  "created": 1728073417,
  "model": "o1-preview-2024-09-12",
  "object": "chat.completion",
  "service_tier": null,
  "system_fingerprint": "fp_503a95a7d8",
  "usage": {
    "completion_tokens": 1843,
    "prompt_tokens": 20,
    "total_tokens": 1863,
    "completion_tokens_details": {
      "audio_tokens": null,
      "reasoning_tokens": 448
    },
    "prompt_tokens_details": {
      "audio_tokens": null,
      "cached_tokens": 0
    }
  },
  "prompt_filter_results": [
    {
      "prompt_index": 0,
      "content_filter_results": {
        "custom_blocklists": {
          "filtered": false
        },
        "hate": {
          "filtered": false,
          "severity": "safe"
        },
        "jailbreak": {
          "filtered": false,
          "detected": false
        },
        "self_harm": {
          "filtered": false,
          "severity": "safe"
        },
        "sexual": {
          "filtered": false,
          "severity": "safe"
        },
        "violence": {
          "filtered": false,
          "severity": "safe"
        }
      }
    }
  ]
}

利用可能なリージョン

承認されたお客様に対して、米国東部、米国東部 2、米国中北部、米国中南部、スウェーデン中部、米国西部、米国西部 3 での標準およびグローバル標準の展開に使用できます。

GPT-4o audio

gpt-4o-realtime-preview モデルは GPT-4o モデルファミリの一部であり、低待機時間の "音声入力、音声出力" の会話をサポートします。 GPT-4o audio は、リアルタイムで低待機時間の会話を処理するように設計されており、サポートエージェント、アシスタント、翻訳者、およびユーザーとの応答性の高いやり取りを必要とするその他のユースケースに最適です。

GPT-4o audio が利用できるのは、米国東部 2 (eastus2) とスウェーデン中部 (swedencentral) のリージョンにおいてです。 GPT-4o audio を使用するには、サポートされているリージョンのいずれかの中のリソースを作成するか、既存のリソースを使用する必要があります。

リソースが作成されたら、GPT-4o audio モデルをデプロイできます。プログラムによるデプロイを実行する場合、モデル名は gpt-4o-realtime-preview となります。 GPT-4o audio の使用方法の詳細については、GPT-4o audio のドキュメントを参照してください。

次の表では、最大要求トークン数とトレーニングデータに関する詳細を確認できます。

モデル ID	説明	最大要求 (トークン)	トレーニングデータ (最大)
`gpt-4o-realtime-preview` (2024-10-01-preview) GPT-4o audio	リアルタイムオーディオ処理のためのオーディオモデル	入力: 128,000 出力: 4,096	2023年10月

GPT-4o および GPT-4 Turbo

GPT-4o は、テキストと画像を 1 つのモデルに統合し、複数のデータ型を同時に処理できるようにします。このマルチモーダルアプローチにより、人間とコンピューターの対話における精度と応答性が向上します。 GPT-4o は、英語以外の言語とビジョンタスクで優れたパフォーマンスを提供しながら、英語のテキストとコーディングタスクにおいて GPT-4 Turbo に匹敵し、AI 機能の新しいベンチマークを設定します。

GPT-4o と GPT-4o mini のモデルにアクセスする方法

GPT-4o と GPT-4o mini は、Standard と Global-Standard のモデルデプロイで利用できます。

このモデルを利用できるサポート対象の標準リージョンまたはグローバル標準リージョンに、新しいリソースを作成するか既存のリソースを使用する必要があります。

リソースの作成が済んだ後、GPT-4o モデルをデプロイできます。プログラムでデプロイを実行する場合、モデルの名前は次のとおりです。

gpt-4o バージョン 2024-08-06
gpt-4o、バージョン 2024-05-13
gpt-4o-mini バージョン 2024-07-18

GPT-4 Turbo

GPT-4 Turbo は、大規模なマルチモーダルモデル (テキストまたは画像の入力を受け入れ、テキストを生成します) であり、OpenAI の以前のモデルよりも高い精度で困難な問題を解決できます。 GPT-3.5 Turbo や以前の GPT-4 モデルと同様に、GPT-4 Turbo はチャット用に最適化されており、従来の入力候補タスクでも適切に動作します。

GPT-4 Turbo の最新の GA リリースは次のとおりです。

gpt-4 バージョン turbo-2024-04-09

これは、次のプレビューモデルに代わるものです。

gpt-4 バージョン 1106-Preview
gpt-4 バージョン 0125-Preview
gpt-4 バージョン vision-preview

OpenAI と Azure OpenAI GPT-4 Turbo GA モデルの違い

OpenAI の最新の 0409 ターボモデルバージョンでは、すべての推論要求に対して JSON モードと関数呼び出しがサポートされています。
Azure OpenAI の最新の turbo-2024-04-09 バージョンでは、現在、画像 (ビジョン) 入力による推論要求を行う場合、JSON モードと関数呼び出しの使用はサポートされていません。テキストベース入力の要求 (image_url とインラインイメージがない要求) では、JSON モードと関数呼び出しがサポートされています。

gpt-4 vision-preview との違い

Azure AI 固有の Vision 拡張機能と GPT-4 Turbo with Vision の統合は、gpt-4 バージョン: turbo-2024-04-09 ではサポートされません。これには、光学式文字認識 (OCR)、オブジェクトグラウンディング、ビデオプロンプト、画像を含むデータの処理の改善が含まれます。

GPT-4 Turbo のプロビジョニングされたマネージド可用性

gpt-4 バージョン turbo-2024-04-09 は、標準デプロイとプロビジョニングされたデプロイの両方で使用できます。現在、このモデルのプロビジョニングされたバージョンでは、イメージ/ビジョン推論要求はサポートされていません。このモデルのプロビジョニングされたデプロイでは、テキスト入力のみ受け入れます。標準のモデルデプロイでは、テキストと画像/ビジョンの両方の推論要求を受け入れます。

GPT-4 Turbo with Vision GA のデプロイ

Studio UI から GA モデルをデプロイするには、GPT-4 を選択し、ドロップダウンメニューから turbo-2024-04-09 バージョンを選択します。 gpt-4-turbo-2024-04-09 モデルの既定のクォータは、GPT-4-Turbo の現在のクォータと同じになります。リージョン別のクォータ制限を参照してください。

GPT-4

GPT-4 は、GPT-4 Turbo の前身です。 GPT-4 と GPT-4 Turbo のどちらのモデルも、基本モデル名は gpt-4 です。モデルのバージョンを調べると、GPT-4 モデルと Turbo モデルを区別できます。

gpt-4 バージョン 0314
gpt-4 バージョン 0613
gpt-4-32k バージョン 0613

各モデルでサポートされているトークンコンテキストの長さは、モデルの概要テーブルで確認できます。

GPT-4 モデルと GPT-4 Turbo モデル

これらのモデルは Chat Completion API でのみ使用できます。

モデルバージョンを参照して、Azure OpenAI Service がモデルバージョンのアップグレードを処理する方法と、モデルを使用して GPT-4 デプロイのモデルバージョン設定を表示および構成する方法について説明します。

モデル ID	説明	最大要求 (トークン)	トレーニングデータ (最大)
`gpt-4o` (2024-08-06) GPT-4o (Omni)	最新の大きい GA モデル - 構造化出力 - テキスト、画像処理 - JSON モード - 並列関数呼び出し - 精度と応答性の向上 - GPT-4 Turbo with Vision と比較した英語のテキストおよびコーディングタスクの同等性 - 英語以外の言語とビジョンタスクでの優れたパフォーマンス	入力: 128,000 出力: 16,384	2023年10月
`gpt-4o-mini` (2024-07-18) GPT-4o mini	最新の小さい GA モデル - GPT-3.5 Turbo シリーズのモデルを置き換えるのに最適な、高速で安価で高機能のモデル。 - テキスト、画像処理 - JSON モード - 並列関数呼び出し	入力: 128,000 出力: 16,384	2023年10月
`gpt-4o` (2024-05-13) GPT-4o (Omni)	テキスト、画像処理 - JSON モード - 並列関数呼び出し - 精度と応答性の向上 - GPT-4 Turbo with Vision と比較した英語のテキストおよびコーディングタスクの同等性 - 英語以外の言語とビジョンタスクでの優れたパフォーマンス	入力: 128,000 出力: 4,096	2023年10月
`gpt-4` (turbo-2024-04-09) GPT-4 Turbo with Vision	新しい GA モデル - 以前のすべての GPT-4 プレビューモデル (`vision-preview`、`1106-Preview`、`0125-Preview`) についての代替モデル。現在、- 機能の使用の可否は、入力方法とデプロイの種類によって異なります。	入力: 128,000 出力: 4,096	2023年12月
`gpt-4` (0125-Preview)* GPT-4 Turbo プレビュー	プレビューモデル - 1106-Preview に代わるものです - コード生成パフォーマンスが向上 - モデルがタスクを完了しないケースを減らします。 - JSON モード - 並列関数呼び出し - 再現可能な出力 (プレビュー)	入力: 128,000 出力: 4,096	2023年12月
`gpt-4` (vision-preview) GPT-4 Turbo with Vision Preview	プレビューモデル - テキストと画像の入力を受け入れます。 - 機能強化に対応します - JSON モード - 並列関数呼び出し - 再現可能な出力 (プレビュー)	入力: 128,000 出力: 4,096	2023 年 4 月
`gpt-4` (1106-Preview) GPT-4 Turbo プレビュー	プレビューモデル - JSON モード - 並列関数呼び出し - 再現可能な出力 (プレビュー)	入力: 128,000 出力: 4,096	2023 年 4 月
`gpt-4-32k` (0613)	古い GA モデル - ツールによる基本的な関数呼び出し	32,768	2021 年 9 月
`gpt-4` (0613)	古い GA モデル - ツールによる基本的な関数呼び出し	8,192	2021 年 9 月
`gpt-4-32k`(0314)	古い GA モデル - 廃止に関する情報	32,768	2021 年 9 月
`gpt-4` (0314)	古い GA モデル - 廃止に関する情報	8,192	2021 年 9 月

注意事項

運用環境でプレビューモデルを使用することはおすすめしません。プレビューモデルのすべてのデプロイは、将来のプレビューバージョンか最新の安定 GA バージョンにアップグレードされます。プレビューに指定されたモデルは、標準の Azure OpenAI モデルのライフサイクルに従っていません。

GPT-4 バージョン 0125-preview は、以前にバージョン 1106-preview としてリリースされた GPT-4 Turbo プレビューの更新バージョンです。
GPT-4 バージョン 0125-preview は、gpt-4-1106-preview と比較して、コード生成などのタスクをより完全に完了します。このため、タスクによっては、GPT-4-0125-preview が gpt-4-1106-preview と比較してより多くの出力を生成することがあります。お客様には、新しいモデルの出力を比較することをお勧めします。 GPT-4-0125-preview では、英語以外の言語の UTF-8 処理に関する gpt-4-1106-preview のバグにも対処しています。
GPT-4 バージョン turbo-2024-04-09 は最新の GA リリースであり、0125-Preview、1106-preview、vision-preview に代わるものです。

重要

GPT-4 (gpt-4) バージョン 1106-Preview、0125-Preview、vision-preview は、将来的に安定バージョンの gpt-4 でアップグレードされます。

"既定値に自動更新する" と "期限切れになったときにアップグレードする" に設定された gpt-4 のバージョン 1106-Preview、0125-Preview、vision-preview のデプロイに対しては、安定バージョンがリリースされるとアップグレードが開始されます。デプロイごとに、API 呼び出しのサービスを中断せず、モデルバージョンのアップグレードが行われます。アップグレードはリージョン別にステージングされ、完全なアップグレードプロセスには 2 週間かかると予想されます。
"自動更新なし" に設定された gpt-4 のバージョン 1106-Preview、0125-Preview、vision-preview のデプロイはアップグレードされず、リージョン内でプレビューバージョンがアップグレードされると動作を停止します。アップグレードのタイミングについては、Azure OpenAI モデルの提供終了と非推奨に関する記事を参照してください。

GPT-3.5

GPT-3.5 モデルは、自然言語とコードを理解および生成できます。 GPT-3.5 ファミリで最も能力とコスト効率の高いモデルは GPT-3.5 Turbo です。これはチャット用に最適化されており、従来の補完タスクでも適切に動作します。 GPT-3.5 Turbo は、Chat Completions API で使用できます。 GPT-3.5 Turbo Instruct には、Chat Completions API の代わりに Completions API を使用する text-davinci-003 のと同様の機能があります。 GPT-3.5 および GPT-3 のレガシモデルよりも GPT-3.5 Turbo および GPT-3.5 Turbo Instruct を使用することをお勧めします。

モデル ID	説明	最大要求 (トークン)	トレーニングデータ (最大)
`gpt-35-turbo` (0125) 新規	最新の GA モデル - JSON モード - 並列関数呼び出し - 再現可能な出力 (プレビュー) - 要求された形式での応答精度の向上。 - 英語以外の言語の関数呼び出しに対してテキストエンコードの問題が発生していたバグの修正。	入力: 16,385 出力: 4,096	2021 年 9 月
`gpt-35-turbo` (1106)	古い GA モデル - JSON モード - 並列関数呼び出し - 再現可能な出力 (プレビュー)	入力: 16,385 出力: 4,096	2021 年 9 月
`gpt-35-turbo-instruct` (0914)	入力候補エンドポイントのみ - レガシ補完モデルの置き換え	4,097	2021 年 9 月
`gpt-35-turbo-16k` (0613)	古い GA モデル - ツールによる基本的な関数呼び出し	16,384	2021 年 9 月
`gpt-35-turbo` (0613)	古い GA モデル - ツールによる基本的な関数呼び出し	4,096	2021 年 9 月
`gpt-35-turbo`¹ (0301)	古い GA モデル - 廃止に関する情報	4,096	2021 年 9 月

GPT-3.5 Turbo と Chat Completions API の使用方法について詳しくは、詳細なハウツーをご覧ください。

¹ このモデルは、> 4096 個のトークン要求を受け入れます。モデルの新しいバージョンは 4,096 個のトークンに制限されるため、4,096 個の入力トークンの制限を超えないようにすることをお勧めします。このモデルで 4,096 個の入力トークンを超えたときに問題が発生した場合、この構成は公式にはサポートされていません。

埋め込み

text-embedding-3-large は、最新かつ最も高性能の埋め込みモデルです。埋め込みモデル間でアップグレードすることはできません。 text-embedding-ada-002 の使用から text-embedding-3-large の使用に移行するには、新しい埋め込みを生成する必要があります。

text-embedding-3-large
text-embedding-3-small
text-embedding-ada-002

OpenAI の報告によると、テストでは、大規模と小規模の第 3 世代埋め込みモデルのいずれも、MIRACL ベンチマークで多言語検索の平均パフォーマンスが向上しており、さらに MTEB ベンチマークで英語タスクのパフォーマンスを維持しています。

評価ベンチマーク	`text-embedding-ada-002`	`text-embedding-3-small`	`text-embedding-3-large`
MIRACL 平均	31.4	44.0	54.9
MTEB 平均	61.0	62.3	64.6

第 3 世代の埋め込みモデルは、新しい dimensions パラメーターを使った埋め込みのサイズ削減をサポートしています。通常、埋め込みが大きくなると、コンピューティング、メモリ、ストレージの観点からコストが高くなります。ディメンション数を調整できるので、全体的なコストとパフォーマンスをより詳細に制御できます。 dimensions パラメーターは OpenAI 1.x Python ライブラリのすべてのバージョンでサポートされているわけではありません。このパラメーターを利用するには、最新バージョンの pip install openai --upgrade にアップグレードすることをお勧めします。

OpenAI の MTEB ベンチマークテストにより、第 3 世代モデルのディメンションは、text-embeddings-ada-002 1,536 ディメンション未満に減らした場合でも、パフォーマンスはわずかに優れていることがわかりました。

DALL-E

DALL-E モデルは、ユーザーが提供するテキストプロンプトから画像を生成します。 DALL-E 3 は、REST API との併用で一般提供されています。クライアント SDK を使用する DALL-E 2 と DALL-E 3 は、プレビュー段階です。

Whisper

Whisper モデルは、音声テキスト変換に使用できます。

Azure AI Speech バッチ文字起こし API を使用して、ささやきモデルを使用することもできます。 Azure AI 音声と Azure OpenAI Service の使い分けの詳細については、「Whisper モデルとは」を参照してください。

テキスト読み上げ (プレビュー)

現在プレビュー段階にある OpenAI テキスト読み上げモデルを使って、テキストを音声に合成できます。

Azure AI 音声経由で OpenAI テキスト読み上げの音声を使うこともできます。詳細については、Azure OpenAI Service または Azure AI 音声経由の OpenAI テキスト読み上げ音声のガイドを参照してください。

モデルの概要テーブルとリージョンの可用性

デプロイの種類別モデル

Azure OpenAI では、お客様はビジネスと使用のパターンに合ったホスティング構造を選択できます。このサービスで提供されるデプロイの 2 つの主要な種類は、以下のとおりです。

標準にはグローバルデプロイオプションが用意されており、トラフィックをグローバルにルーティングしてスループットを向上させます。
プロビジョニング済みはグローバルデプロイオプションでも提供されており、お客様はプロビジョニングされたスループットユニットを購入して Azure グローバルインフラストラクチャ全体にデプロイできます。

実行される推論操作はどのデプロイもまったく同じですが、課金、スケール、パフォーマンスは大きく異なります。 Azure OpenAI のデプロイの種類の詳細については、デプロイの種類に関するガイドを参照してください。

Global-Standard モデルの提供状況

リージョン	o1-preview、2024-09-12	o1-mini、2024-09-12	gpt-4o、2024 年 5 月 13 日	gpt-4o、2024-08-06	gpt-4o-mini、2024-07-18	gpt-4o-realtime-preview、2024-10-01	gpt-4、turbo-2024-04-09
australiaeast	-	-	✅	-	✅	-	✅
brazilsouth	-	-	✅	-	✅	-	✅
canadaeast	-	-	✅	-	✅	-	✅
eastus	✅	✅	✅	✅	✅	-	✅
eastus2	✅	✅	✅	✅	✅	✅	✅
francecentral	-	-	✅	-	✅	-	✅
germanywestcentral	-	-	✅	-	✅	-	✅
japaneast	-	-	✅	-	✅	-	✅
koreacentral	-	-	✅	-	✅	-	✅
northcentralus	✅	✅	✅	✅	✅	-	✅
norwayeast	-	-	✅	-	✅	-	✅
polandcentral	-	-	✅	-	✅	-	✅
southafricanorth	-	-	✅	-	✅	-	✅
southcentralus	✅	✅	✅	✅	✅	-	✅
southindia	-	-	✅	-	✅	-	✅
spaincentral	-	-	✅	✅	✅	-	✅
swedencentral	✅	✅	✅	✅	✅	✅	✅
switzerlandnorth	-	-	✅	-	✅	-	✅
uksouth	-	-	✅	-	✅	-	✅
westeurope	-	-	✅	-	✅	-	✅
westus	✅	✅	✅	✅	✅	-	✅
westus3	✅	✅	✅	✅	✅	-	✅

グローバルにプロビジョニングされたマネージドモデルの可用性

リージョン	gpt-4o、2024-08-06	gpt-4o-mini、2024-07-18
australiaeast	✅	✅
brazilsouth	✅	✅
canadacentral	✅	✅
canadaeast	✅	✅
eastus	✅	✅
eastus2	✅	✅
francecentral	✅	✅
germanywestcentral	✅	✅
japaneast	✅	✅
koreacentral	✅	✅
northcentralus	✅	✅
norwayeast	✅	✅
polandcentral	✅	✅
southafricanorth	✅	✅
southcentralus	✅	✅
southindia	✅	✅
spaincentral	✅	✅
swedencentral	✅	✅
switzerlandnorth	✅	✅
switzerlandwest	✅	✅
uksouth	✅	✅
westeurope	✅	✅
westus	✅	✅
westus3	✅	✅

グローバルバッチモデルの可用性

リージョン	gpt-4o、2024 年 5 月 13 日	gpt-4o、2024-08-06	gpt-4o-mini、2024-07-18	gpt-4、0613	gpt-4、turbo-2024-04-09	gpt-35-turbo、0613	gpt-35-turbo、1106	gpt-35-turbo、0125
eastus	✅	✅	✅	✅	✅	✅	✅	✅
swedencentral	✅	✅	✅	✅	✅	✅	✅	✅
westus	✅	✅	✅	✅	✅	✅	✅	✅

標準の展開モデルの可用性

リージョン	o1-preview、2024-09-12	o1-mini、2024-09-12	gpt-4o、2024 年 5 月 13 日	gpt-4o、2024-08-06	gpt-4o-mini、2024-07-18	gpt-4、0613	gpt-4、1106-Preview	gpt-4、0125-Preview	gpt-4、vision-preview	gpt-4、turbo-2024-04-09	gpt-4-32k、0613	gpt-35-turbo、0301	gpt-35-turbo、0613	gpt-35-turbo、1106	gpt-35-turbo、0125	gpt-35-turbo-16k、0613	gpt-35-turbo-instruct、0914	text-embedding-3-small、1	text-embedding-3-large、1	text-embedding-ada-002、1	text-embedding-ada-002、2	dall-e-2、2.0	dall-e-3、3.0	babbage-002、1	davinci-002、1	tts、001	tts-hd、001	whisper、001
australiaeast	-	-	-	-	-	✅	✅	-	✅	-	✅	-	✅	✅	-	✅	-	-	-	-	✅	-	✅	-	-	-	-	-
brazilsouth	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	✅	-	-	-	-	-	-	-
canadaeast	-	-	-	-	-	✅	✅	-	-	-	✅	-	✅	✅	✅	✅	-	✅	✅	-	✅	-	-	-	-	-	-	-
eastus	✅	✅	✅	✅	✅	-	-	✅	-	✅	-	✅	✅	-	✅	✅	✅	✅	✅	✅	✅	✅	✅	-	-	-	-	-
eastus2	✅	✅	✅	✅	✅	-	✅	-	-	✅	-	-	✅	-	✅	✅	-	✅	✅	-	✅	-	-	-	-	-	-	✅
francecentral	-	-	-	-	-	✅	✅	-	-	-	✅	✅	✅	✅	-	✅	-	-	✅	-	✅	-	-	-	-	-	-	-
japaneast	-	-	-	-	-	-	-	-	✅	-	-	-	✅	-	✅	✅	-	✅	✅	-	✅	-	-	-	-	-	-	-
northcentralus	✅	✅	✅	✅	✅	-	-	✅	-	✅	-	-	✅	-	✅	✅	-	-	-	-	✅	-	-	✅	✅	✅	✅	✅
norwayeast	-	-	-	-	-	-	✅	-	-	-	-	-	-	-	-	-	-	-	✅	-	✅	-	-	-	-	-	-	✅
southafricanorth	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	✅	-	-	-	-	-	-	-
southcentralus	✅	✅	✅	✅	✅	-	-	✅	-	✅	-	✅	-	-	✅	-	-	-	-	✅	✅	-	-	-	-	-	-	-
southindia	-	-	-	-	-	-	✅	-	-	-	-	-	-	✅	-	-	-	-	✅	-	✅	-	-	-	-	-	-	✅
swedencentral	✅	✅	✅	✅	✅	✅	✅	-	✅	✅	✅	-	✅	✅	-	✅	✅	-	✅	-	✅	-	✅	✅	✅	✅	✅	✅
switzerlandnorth	-	-	-	-	-	✅	-	-	✅	-	✅	-	✅	-	-	✅	-	-	-	-	✅	-	-	-	-	-	-	✅
uksouth	-	-	-	-	-	-	✅	✅	-	-	-	✅	✅	✅	✅	✅	-	-	✅	-	✅	-	-	-	-	-	-	-
westeurope	-	-	-	-	-	-	-	-	-	-	-	✅	-	-	-	-	-	-	-	-	✅	-	-	-	-	-	-	✅
westus	✅	✅	✅	✅	✅	-	✅	-	✅	✅	-	-	-	✅	✅	-	-	-	-	-	✅	-	-	-	-	-	-	-
westus3	✅	✅	✅	✅	✅	-	✅	-	-	✅	-	-	-	-	✅	-	-	-	✅	-	✅	-	-	-	-	-	-	-

プロビジョニング済みデプロイモデルの可用性

リージョン	gpt-4o、2024 年 5 月 13 日	gpt-4o、2024-08-06	gpt-4o-mini、2024-07-18	gpt-4、0613	gpt-4、1106-Preview	gpt-4、0125-Preview	gpt-4、turbo-2024-04-09	gpt-4-32k、0613	gpt-35-turbo、1106	gpt-35-turbo、0125
australiaeast	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
brazilsouth	✅	-	✅	✅	✅	✅	-	✅	✅	-
canadacentral	-	-	-	✅	-	-	-	✅	-	✅
canadaeast	✅	-	✅	✅	✅	-	✅	-	✅	-
eastus	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
eastus2	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
francecentral	✅	-	✅	✅	✅	✅	-	✅	-	✅
germanywestcentral	✅	-	-	✅	✅	✅	✅	✅	✅	-
japaneast	✅	-	✅	-	✅	✅	✅	-	-	✅
koreacentral	✅	-	✅	✅	-	-	✅	✅	✅	-
northcentralus	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
norwayeast	✅	-	✅	✅	-	✅	-	✅	-	-
polandcentral	✅	-	-	✅	✅	✅	✅	✅	✅	✅
southafricanorth	✅	-	-	✅	✅	-	✅	✅	✅	-
southcentralus	✅	-	-	✅	✅	✅	✅	✅	✅	✅
southindia	✅	-	✅	✅	✅	✅	-	✅	✅	✅
swedencentral	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
switzerlandnorth	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
switzerlandwest	-	-	-	-	-	-	-	-	-	✅
uksouth	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
westus	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
westus3	✅	✅	-	✅	✅	✅	✅	✅	✅	✅

Note

gpt-4 バージョン: turbo-2024-04-09 のプロビジョニングされたバージョンは、現在、テキストのみに制限されています。

プロビジョニング済みデプロイに関する詳細については、プロビジョニング済みに関するガイダンスを参照してください。

この表には、微調整のリージョン別の提供状況は含まれていません。この情報については、微調整についてのセクションをご覧ください。

エンドポイント別の標準モデル

チャット入力候補

リージョン	o1-preview、2024-09-12	o1-mini、2024-09-12	gpt-4o、2024 年 5 月 13 日	gpt-4o、2024-08-06	gpt-4o-mini、2024-07-18	gpt-4、0613	gpt-4、1106-Preview	gpt-4、0125-Preview	gpt-4、vision-preview	gpt-4、turbo-2024-04-09	gpt-4-32k、0613	gpt-35-turbo、0301	gpt-35-turbo、0613	gpt-35-turbo、1106	gpt-35-turbo、0125	gpt-35-turbo-16k、0613
australiaeast	-	-	-	-	-	✅	✅	-	✅	-	✅	-	✅	✅	-	✅
canadaeast	-	-	-	-	-	✅	✅	-	-	-	✅	-	✅	✅	✅	✅
eastus	✅	✅	✅	✅	✅	-	-	✅	-	✅	-	✅	✅	-	✅	✅
eastus2	✅	✅	✅	✅	✅	-	✅	-	-	✅	-	-	✅	-	✅	✅
francecentral	-	-	-	-	-	✅	✅	-	-	-	✅	✅	✅	✅	-	✅
japaneast	-	-	-	-	-	-	-	-	✅	-	-	-	✅	-	✅	✅
northcentralus	✅	✅	✅	✅	✅	-	-	✅	-	✅	-	-	✅	-	✅	✅
norwayeast	-	-	-	-	-	-	✅	-	-	-	-	-	-	-	-	-
southcentralus	✅	✅	✅	✅	✅	-	-	✅	-	✅	-	✅	-	-	✅	-
southindia	-	-	-	-	-	-	✅	-	-	-	-	-	-	✅	-	-
swedencentral	✅	✅	✅	✅	✅	✅	✅	-	✅	✅	✅	-	✅	✅	-	✅
switzerlandnorth	-	-	-	-	-	✅	-	-	✅	-	✅	-	✅	-	-	✅
uksouth	-	-	-	-	-	-	✅	✅	-	-	-	✅	✅	✅	✅	✅
westeurope	-	-	-	-	-	-	-	-	-	-	-	✅	-	-	-	-
westus	✅	✅	✅	✅	✅	-	✅	-	✅	✅	-	-	-	✅	✅	-
westus3	✅	✅	✅	✅	✅	-	✅	-	-	✅	-	-	-	-	✅	-

GPT-4 および GPT-4 Turbo モデルの可用性

お客様のアクセスを選択する

Azure OpenAI のすべてのお客様が利用できる上記のリージョンに加え、一部の既存のお客様には、その他のリージョンでの GPT-4 のバージョンへのアクセスが許可されています。

モデル	リージョン
`gpt-4` (0314) `gpt-4-32k` (0314)	米国東部フランス中部米国中南部英国南部
`gpt-4` (0613) `gpt-4-32k` (0613)	米国東部米国東部 2 東日本英国南部

GPT-3.5 モデル

モデルバージョンを参照して、Azure OpenAI Service がモデルバージョンのアップグレードを処理する方法と、モデルを使用して GPT-3.5 Turbo デプロイのモデルバージョン設定を表示および構成する方法について説明します。

埋め込みモデル

リージョン	text-embedding-3-small、1	text-embedding-3-large、1	text-embedding-ada-002、1	text-embedding-ada-002、2
australiaeast	-	-	-	✅
brazilsouth	-	-	-	✅
canadaeast	✅	✅	-	✅
eastus	✅	✅	✅	✅
eastus2	✅	✅	-	✅
francecentral	-	✅	-	✅
japaneast	✅	✅	-	✅
northcentralus	-	-	-	✅
norwayeast	-	✅	-	✅
southafricanorth	-	-	-	✅
southcentralus	-	-	✅	✅
southindia	-	✅	-	✅
swedencentral	-	✅	-	✅
switzerlandnorth	-	-	-	✅
uksouth	-	✅	-	✅
westeurope	-	-	-	✅
westus	-	-	-	✅
westus3	-	✅	-	✅

これらのモデルは埋め込み API 要求でのみ使用できます。

Note

モデル ID	最大要求 (トークン)	出力ディメンション	トレーニングデータ (最大)
`text-embedding-ada-002` (バージョン 2)	8,192	1,536	2021 年 9 月
`text-embedding-ada-002` (バージョン 1)	2,046	1,536	2021 年 9 月
`text-embedding-3-large`	8,192	3,072	2021 年 9 月
`text-embedding-3-small`	8,192	1,536	2021 年 9 月

Note

埋め込み用に入力の配列を送信する場合、埋め込みエンドポイントへの呼び出しにつき、配列内での入力項目の最大数は 2048 です。

画像生成モデル

リージョン	dall-e-2、2.0	dall-e-3、3.0
australiaeast	-	✅
eastus	✅	✅
swedencentral	-	✅

DALL-E モデル

モデル ID	最大要求数 (文字)
dalle2 (プレビュー)	1,000
dall-e-3	4,000

オーディオモデル

リージョン	tts、001	tts-hd、001	whisper、001
eastus2	-	-	✅
northcentralus	✅	✅	✅
norwayeast	-	-	✅
southindia	-	-	✅
swedencentral	✅	✅	✅
switzerlandnorth	-	-	✅
westeurope	-	-	✅

Whisper モデル

モデル ID	最大要求数 (オーディオファイルサイズ)
`whisper`	25 MB

テキスト読み上げモデル (プレビュー)

モデル ID	説明
`tts`	速度を重視して最適化された、最新の Azure OpenAI テキスト読み上げモデル。
`tts-hd`	品質を重視して最適化された、最新の Azure OpenAI テキスト読み上げモデル。

入力候補モデル

babbage-002 と davinci-002 は、指示に従ってトレーニングされていません。これらの基本モデルのクエリは、トレーニングの進行状況を評価するために、微調整されたバージョンへの参照ポイントとしてのみ実行する必要があります。

リージョン	gpt-35-turbo-instruct、0914	babbage-002、1	davinci-002、1
eastus	✅	-	-
northcentralus	-	✅	✅
swedencentral	✅	✅	✅

モデルの微調整

gpt-35-turbo - このモデルの微調整はリージョンのサブセットに限定され、基本モデルが使用可能なすべてのリージョンで使用できるわけではありません。

モデル ID	リージョンの微調整	最大要求 (トークン)	トレーニングデータ (最大)
`babbage-002`	米国中北部スウェーデン中部スイス西部	16,384	2021 年 9 月
`davinci-002`	米国中北部スウェーデン中部スイス西部	16,384	2021 年 9 月
`gpt-35-turbo` (0613)	米国東部 2 米国中北部スウェーデン中部スイス西部	4,096	2021 年 9 月
`gpt-35-turbo` (1106)	米国東部 2 米国中北部スウェーデン中部スイス西部	入力: 16,385 出力: 4,096	2021 年 9 月
`gpt-35-turbo` (0125)	米国東部 2 米国中北部スウェーデン中部スイス西部	16,385	2021 年 9 月
`gpt-4` (0613) ¹	米国中北部スウェーデン中部	8192	2021 年 9 月
`gpt-4o-mini` ¹ (2024-07-18)	米国中北部スウェーデン中部	入力: 128,000 出力: 16,384 トレーニング例のコンテキスト長: 64,536	2023年10月
`gpt-4o` ¹ (2024-08-06)	米国東部 2 米国中北部スウェーデン中部	入力: 128,000 出力: 16,384 トレーニング例のコンテキスト長: 64,536	2023年10月

¹ GPT-4 は現在パブリックプレビューの段階です。

アシスタント (プレビュー)

アシスタントの場合は、サポートされているモデルとサポートされているリージョンの組み合わせが必要です。特定のツールと機能には最新モデルが必要です。 Assistants API、SDK、Azure AI Studio では、次のモデルを使用できます。次の表は、従量課金制に関するものです。プロビジョニング済みスループットユニット (PTU) の可用性については、プロビジョニング済みスループットに関する記事を参照してください。一覧で示されているモデルとリージョンは、Assistants v1 と v2 の両方で使用できます。以下に示すリージョンでサポートされている場合に、グローバル標準モデルを使用できます。

リージョン	`gpt-35-turbo (0613)`	`gpt-35-turbo (1106)`	`fine tuned gpt-3.5-turbo-0125`	`gpt-4 (0613)`	`gpt-4 (1106)`	`gpt-4 (0125)`	`gpt-4o (2024-05-13)`	`gpt-4o-mini (2024-07-18)`
オーストラリア東部	✅	✅		✅	✅
米国東部	✅					✅	✅	✅
米国東部 2	✅		✅	✅	✅		✅
フランス中部	✅	✅		✅	✅
東日本	✅
ノルウェー東部					✅
スウェーデン中部	✅	✅	✅	✅	✅		✅
英国南部	✅	✅			✅	✅
米国西部		✅			✅		✅
米国西部 3					✅		✅

モデルの廃止

モデルの廃止に関する最新情報については、モデル廃止ガイドに関する記事をご覧ください。

次の方法で共有

Azure OpenAI Service モデル

o1-preview と o1-mini モデルの制限付きアクセス

可用性

API のサポート

使用方法

利用可能なリージョン

GPT-4o audio

GPT-4o および GPT-4 Turbo

GPT-4o と GPT-4o mini のモデルにアクセスする方法

GPT-4 Turbo

OpenAI と Azure OpenAI GPT-4 Turbo GA モデルの違い

gpt-4 vision-preview との違い

GPT-4 Turbo のプロビジョニングされたマネージド可用性

GPT-4 Turbo with Vision GA のデプロイ

GPT-4

GPT-4 モデルと GPT-4 Turbo モデル

GPT-3.5

埋め込み

DALL-E

Whisper

テキスト読み上げ (プレビュー)

モデルの概要テーブルとリージョンの可用性

デプロイの種類別モデル

Global-Standard モデルの提供状況

エンドポイント別の標準モデル

チャット入力候補

GPT-4 および GPT-4 Turbo モデルの可用性

お客様のアクセスを選択する

GPT-3.5 モデル

モデルの微調整

アシスタント (プレビュー)

モデルの廃止

次のステップ

フィードバック

その他のリソース