什么是 Azure OpenAI Service？
AzureOpenAIService提供对OpenAI强大语言模型（包括GPT-3、Codex和Embeddings模型系列）的RESTAPI访问。此外，新的GPT-4和ChatGPT（gpt-35-turbo）模型系列现已正式上市。这些模型可以轻松适应您的特定任务，包括但不限于内容生成、摘要、语义搜索和自然语言到代码的翻译。用户可以通过RESTAPI、PythonSDK或我们在AzureOpenAIStudio中基于Web的界面访问该服务。功能概述特征AzureOpenAI可用型号新GPT-4系列GPT
Azure OpenAI Service 提供对 OpenAI 强大语言模型（包括 GPT-3、Codex 和 Embeddings 模型系列）的 REST API 访问。此外，新的GPT-4和ChatGPT（gpt-35-turbo）模型系列现已正式上市。这些模型可以轻松适应您的特定任务，包括但不限于内容生成、摘要、语义搜索和自然语言到代码的翻译。用户可以通过 REST API、Python SDK 或我们在 Azure OpenAI Studio 中基于 Web 的界面访问该服务。
功能概述
| 特征 | Azure OpenAI |
|---|---|
| 可用型号 | 新 GPT-4 系列 GPT-3 基础系列 新查特 （gpt-35-涡轮增压） 法典系列 嵌入系列 在我们的模型页面了解更多信息。 |
| 微调 | Ada Babbage Curie Cushman Davinci 微调目前不适用于新客户。 |
| 价格 | 可在此处获得 |
| 虚拟网络支持和专用链接支持 | 是的 |
| 托管标识 | 是的，通过 Azure Active Directory |
| 用户界面体验 | Azure Portal 用于帐户和资源管理， Azure OpenAI Service Studio 用于模型探索和微调 |
| 区域可用性 | 美国东部 中南部 美国 西欧 |
| 内容过滤 | 使用自动化系统根据我们的内容政策对提示和完成进行评估。将筛选高严重性内容。 |
负责任的人工智能
在 Microsoft，我们致力于以以人为本的原则推动 AI 的发展。生成模型（例如 Azure OpenAI 中提供的模型）具有显著的潜在优势，但如果没有仔细的设计和深思熟虑的缓解措施，此类模型可能会生成不正确甚至有害的内容。Microsoft 已进行大量投资来帮助防止滥用和意外伤害，其中包括要求申请人展示定义明确的用例、纳入 Microsoft 负责任地使用 AI 的原则、构建内容筛选器以支持客户，以及向已加入的客户提供负责任的 AI 实施指南。
如何访问 Azure OpenAI？
如何访问 Azure OpenAI？
目前，由于我们了解高需求、即将推出的产品改进以及微软对负责任 AI 的承诺，访问受到限制。目前，我们正在与与 Microsoft 建立合作伙伴关系的客户、风险较低的用例以及致力于合并缓解措施的客户合作。
申请表中包含更具体的信息。我们感谢您的耐心等待，因为我们努力负责任地实现对 Azure OpenAI 的更广泛访问。
Apply here for access:
Apply now
Comparing Azure OpenAI and OpenAI
Azure OpenAI Service gives customers advanced language AI with OpenAI GPT-4, GPT-3, Codex, and DALL-E models with the security and enterprise promise of Azure. Azure OpenAI co-develops the APIs with OpenAI, ensuring compatibility and a smooth transition from one to the other.
With Azure OpenAI, customers get the security capabilities of Microsoft Azure while running the same models as OpenAI. Azure OpenAI offers private networking, regional availability, and responsible AI content filtering.
关键概念
提示和完成
完成终结点是 API 服务的核心组件。此 API 提供对模型的文本输入、文本输出接口的访问。用户只需提供包含英文文本命令的输入提示，模型就会生成文本补全。
下面是一个简单的提示和完成的示例：
提示：
""" count to 5 in a for loop """完成：
for i in range(1, 6): print(i)
令 牌
Azure OpenAI 通过将文本分解为令牌来处理文本。标记可以是单词，也可以只是字符块。例如，单词“汉堡包”被分解为标记“ham”，“bur”和“ger”，而像“梨”这样的简短而常见的单词是单个令牌。许多标记以空格开头，例如“hello”和“bye”。
给定请求中处理的令牌总数取决于输入、输出和请求参数的长度。正在处理的令牌数量也会影响模型的响应延迟和吞吐量。
资源
Azure OpenAI是Azure上的新产品。你可以像在 Azure 订阅中创建资源或服务实例的任何其他 Azure 产品一样开始使用 Azure OpenAI。可以阅读有关 Azure 资源管理设计的详细信息。
部署
创建 Azure OpenAI 资源后，必须先部署模型，然后才能开始进行 API 调用和生成文本。可以使用部署 API 完成此操作。这些 API 允许您指定要使用的模型。
上下文学习
Azure OpenAI 使用的模型使用生成调用期间提供的自然语言指令和示例来确定所请求的任务和所需的技能。使用此方法时，提示的第一部分包括自然语言指令和/或所需特定任务的示例。然后，模型通过预测最可能的下一段文本来完成任务。这种技术被称为“上下文中”学习。在此步骤中，不会重新训练这些模型，而是根据提示中包含的上下文提供预测。
上下文学习主要有三种方法：少镜头、单镜头和零镜头。这些方法因提供给模型的任务特定数据量而异：
少数镜头：在这种情况下，用户在呼叫提示中包含几个示例，这些示例演示了预期的应答格式和内容。以下示例显示了一个几个镜头提示，其中我们提供了多个示例（模型将生成最后一个答案）：
Convert the questions to a command:Q: Ask Constance if we need some bread.A: send-msg `find constance` Do we need some bread?Q: Send a message to Greg to figure out if things are ready for Wednesday.A: send-msg `find greg` Is everything ready for Wednesday?Q: Ask Ilya if we're still having our meeting this evening.A: send-msg `find ilya` Are we still having a meeting this evening?Q: Contact the ski store and figure out if I can get my skis fixed before I leave on Thursday.A: send-msg `find ski store` Would it be possible to get my skis fixed before I leave on Thursday?Q: Thank Nicolas for lunch.A: send-msg `find nicolas` Thank you for lunch!Q: Tell Constance that I won't be home before 19:30 tonight — unmovable meeting.A: send-msg `find constance` I won't be home before 19:30 tonight. I have a meeting I can't move.Q: Tell John that I need to book an appointment at 10:30.A:
示例数通常介于 0 到 100 之间，具体取决于单个提示的最大输入长度可以容纳多少个示例。最大输入长度可能因您使用的特定型号而异。少样本学习可以大大减少准确预测所需的特定于任务的数据量。此方法通常不如微调模型准确。
单镜头：这种情况与少数镜头方法相同，只是只提供了一个示例。
零镜头：在这种情况下，不会向模型提供任何示例，而只会提供任务请求。
模型
该服务为用户提供对几种不同模型的访问权限。每种型号都提供不同的功能和价格点。
GPT-4 型号是最新的可用型号。由于需求量大，目前只能应要求提供该型号系列。若要请求访问权限，现有 Azure OpenAI 客户可以通过填写此表单进行申请
GPT-3 基本模型被称为达芬奇、居里、巴贝奇和阿达，按能力递减顺序和速度递增顺序排列。
Codex 系列模型是 GPT-3 的后代，并经过自然语言和代码训练，以支持自然语言到代码用例。在我们的模型概念页面上了解有关每个模型的更多信息。
相关文章
如何在Excel中突出显示重复项
如何在Excel中突出显示重复项 以下是有关如何在Excel中突出显示重复项的步骤： 选择您怀疑可能重复的数据。 单击“开始”>条件格式>突出显示单元格规则>重复值。 默认情况下，打开“重复值”对话框时，“填充...
如何使用附近共享将文本从Windows PC共享到Android
如何使用“附近共享” 无论您是共享文件、照片、视频，还是现在共享文本和 URL，这款多功能工具都简化了我们的数字生活，让共享变得轻而易举。以下是使用“附近共享”将文本从 PC 共享到 Android 时必须执行的步骤： ...
Advanced Formula Environment 正在成为 Excel Labs，一个 Microsoft Garage Project！
实验是开启任何领域创新的关键。这是我们学习和成长的方式，也是帮助我们继续创建可帮助您做更多事情的功能的原因。 所以今天，我们很高兴地宣布，我们通过发布Microsoft Garage项目Excel Labs继续投资于...
现在可以在 Linux 系统上设置 ChromeOS Flex USB
谷歌发布了适用于 PC 和 Mac 的ChromeOS Flex 。谷歌当时做出的一个非常恼人的决定是安装程序 USB 必须使用与 Ubuntu 和 Linux Mint 等 Linux 发行版不兼容的 Chromebook 恢复实用程序来设置。除非你身边有另一个...
本文指导After Effects新手完成从打开软件到制作简单动画的完整流程。内容涵盖新建合成、导入素材、添加关键帧及预览验证，适用于AE基础学习。读者可依据步骤快速完成首个可播放的动效项目。
本文详解电影剪辑核心流程，从素材整理、镜头空间组织到叙事节奏压缩，再到J-cut/L-cut声音衔接技巧。通过粗剪保逻辑、精剪压停顿、反应镜头缓冲及电平统一检查，帮助创作者打造空间清晰、情绪连贯且听感自然的成片。
本文详解硬切、遮挡转场和运镜转场的适用场景与操作逻辑。通过对比三种转场的核心区别，提供基于素材条件和叙事目的的判断标准，帮助剪辑师避免滥用特效，掌握自然衔接画面的实战技巧。
本文指导GitLab新手完成创建项目并推送第一次提交的最小闭环。涵盖远程项目创建、本地仓库初始化、添加远程地址及执行git push。重点说明HTTPS与SSH认证差异、分支名（master/main）核对及提交验证标准，确保远程仓库真正建立。
本教程针对抖音竖屏视频制作，涵盖拍摄前构思、稳定运镜、粗剪筛选、音乐卡点及导出检查全流程。重点在于拍摄时预留字幕空间、利用动作节点辅助剪辑，以及通过鼓点对齐画面。适用于新手快速完成第一条完整成片，强调素材质量与节奏自然，避免过度特效与版权风险。
针对饭圈舞台照光线乱、噪点多、背景抢眼的痛点，本文提供“保脸、控光、突出主体”的修图方案。核心步骤包括：利用Lightroom降噪面板处理高ISO颗粒，控制曝光避免高光死白或脸部死黑；通过压低背景色彩、提升人物亮度与对比度来修正舞台灯光导致的肤色偏差；最后通过裁剪去除杂乱元素，确保人物主体清晰且肤色自然。
本文提供Photoshop完整安装指南，涵盖Windows/macOS系统要求、Creative Cloud客户端部署及常见启动故障排查。通过安装前磁盘与账号检查、安装中网络监控、安装后功能测试三步法，解决安装中断、登录失败及启动卡顿问题，确保软件稳定可用。
本文提供创维电视通过U盘安装第三方APK的完整操作指南。核心步骤包括：准备格式化的U盘与正规APK文件，在酷开系统“应用管理”中找到安装入口，临时开启“允许安装未知来源应用”权限，以及安装后的功能测试与权限关闭。适用于解决电视无法识别U盘、提示解析失败或权限受限等问题，确保安装安全且不影响系统稳定。
本教程演示如何在Excel中筛选大于指定数值的数据。核心步骤包括：确保数据连续、选中表头、通过“开始→排序和筛选”开启筛选，并在“数字筛选”中选择“大于”输入阈值。筛选仅隐藏不符合条件的行，不删除数据。完成后需逐行验证可见数据是否均大于阈值，并可通过取消筛选恢复全部数据。
本教程指导Creo初学者完成首个拉伸实体建模。通过新建零件、选择mmns_part_solid模板、定义草绘平面及绘制封闭轮廓，生成三维实体。内容涵盖操作路径、参数设置及常见错误排查，帮助新手建立正确的建模逻辑与单位概念。
Windows 10 是一款微软推出的经典操作系统，拥有硬件兼容性与多任务处理能力。它更偏向把系统状态查看和常用调节动作放在一起，适合需要持续观察和微调设备状态的场景。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
