OpenAI API 几乎可以应用于任何涉及理解或生成自然语言或代码的任务。
提供了一系列适合不同任务的不同级别的模型，以及微调自定义模型的能力。
这些模型可以用于从内容生成到语义搜索和分类的所有方面。
关键概念
prompt 和 completion
应答 (completion) 端位于 API 的核心。它为模型提供了一个非常灵活和强大的简单接口。输入一些文本，我们称之为提问(prompt)，模型将生成一个文本，该文本将尝试与你提供的上下文或模式进行匹配。例如，如果向API提问，“为冰淇淋店写一条标语”，它将返回一个应答，如“我们用每一勺勺盛出微笑!”
设计提问本质上是如何对模型进行编程，这通常通过提供一些说明或示例来进行。这与大多数其他为单个任务(如例如情感分类或命名实体识别)设计的NLP(自然语言处理)服务不同。相反，应答端实际上几乎可以用于任何任务，包括内容或代码生成、摘要、扩展、对话、创意写作、风格转换等。
Token(标记)
模型通过将文本分解为标记(token)来理解和处理。标记可以是单词，也可以是字符块。例如，“hamburger”一词被分解为“ham”、“bur”和“ger”，而像“pear”这样的简短而常见的词是一个单一的标记。许多标记以空格开头，例如“ hello”和“ bye”。
特定API请求中处理的标记数取决于输入和输出的长度。粗略来讲，对于英语文本，1个标记大约是4个字符或0.75个单词。要记住的一个限制是，提问和生成文本的组合必须不超过模型的最大上下文长度(对于大多数模型，是2048个标记，或大约1500个单词)。
Model(模型)
API 由一组具有不同功能和价位的模型提供支持。GPT-3 基础模型有 Davinci、Curie、Babbage 和 Ada。Codex 系列是 GPT-3 的后代，它接受了自然语言和代码的培训。