Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
openai6. August 2024 · Q007361

Introducing Structured Outputs in the API

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

OpenAI stellt Structured Outputs vor, eine API-Funktion, die Antworten an vorgegebene JSON-Schemata bindet und sowohl für Funktionsaufrufe als auch für strukturierte Antworten gedacht ist. OpenAI berichtet von 100 Prozent Schema-Treue in eigenen Tests mit `gpt-4o-2024-08-06`; die Funktion unterstützt jedoch nur einen Teil von JSON Schema und verhindert weder inhaltliche Fehler noch Abweichungen bei Ablehnungen oder vorzeitigem Abbruch.

Mittel

Der Bericht kündigt OpenAI Structured Outputs an: API-Ausgaben sollen damit einem vorgegebenen JSON-Schema entsprechen. Im Unterschied zum JSON-Modus, der laut Bericht lediglich gültiges JSON sicherstellt, soll die neue Funktion Anwendungen bei strukturierten Daten, Funktionsaufrufen und mehrstufigen Abläufen unterstützen. Sie lässt sich entweder mit `strict: true` für Funktionsdefinitionen oder über `response_format` und `json_schema` für strukturierte Antworten aktivieren. Python- und Node-SDKs bieten laut OpenAI native Unterstützung für Pydantic- und Zod-Modelle.

OpenAI berichtet, dass `gpt-4o-2024-08-06` in eigenen Tests komplexe Schemata zu 100 Prozent befolgt habe, gegenüber unter 40 Prozent bei `gpt-4-0613`. Technisch kombiniere das Unternehmen Modelltraining mit eingeschränkter Token-Auswahl: Ein Schema werde in eine kontextfreie Grammatik umgewandelt, die bei der Generierung gültige nächste Tokens vorgibt. Die erste Anfrage mit einem neuen Schema kann dadurch zusätzliche Latenz verursachen; die vorbereiteten Daten würden anschließend zwischengespeichert.

Grenzen bleiben: Unterstützt wird nur ein Teil von JSON Schema. Ablehnungen oder vorzeitige Abbrüche können Schema-Treue verhindern, und korrekte Struktur schließt inhaltliche Fehler nicht aus. Parallele Funktionsaufrufe sind nicht kompatibel; außerdem sind die Schemata laut Bericht nicht Zero-Data-Retention-fähig. Leistungsangaben und Verfügbarkeit stammen aus der Darstellung von OpenAI, nicht aus einer unabhängigen Prüfung.

Ausführlich lesen

Der Bericht stellt OpenAI zufolge „Structured Outputs“ als API-Funktion vor, mit der Modellausgaben zuverlässig einem von Entwicklern vorgegebenen JSON-Schema entsprechen sollen. Die Funktion baut auf dem zuvor eingeführten JSON-Modus auf: Dieser könne gültiges JSON erzeugen, garantiere aber nicht, dass die Antwort einer bestimmten Struktur folgt. Structured Outputs soll dieses Problem für Anwendungen lösen, die Daten aus unstrukturierten Eingaben extrahieren, Funktionen aufrufen oder mehrstufige Abläufe steuern. OpenAI zufolge mussten Entwickler dafür bislang häufig zusätzliche Werkzeuge, sorgfältige Prompts und wiederholte Anfragen einsetzen.

Die Funktion ist laut Bericht auf zwei Arten nutzbar. Bei Funktionsaufrufen wird sie über `strict: true` in der Funktionsdefinition aktiviert. Bei Antworten ohne Tool-Aufruf lässt sich ein Schema über `response_format` und `json_schema` festlegen. Die Beispiele zeigen unter anderem eine strukturierte Datenbankabfrage, eine schrittweise Matheantwort, die Erzeugung verschachtelter Benutzeroberflächen und das Auslesen von Aufgaben, Zuständigkeiten und Fristen aus Besprechungsnotizen. Die Python- und Node-SDKs unterstützen die Funktion laut OpenAI nativ: Sie können Pydantic- beziehungsweise Zod-Modelle in unterstützte Schemata umwandeln, Antworten in typisierte Datenstrukturen überführen und Ablehnungen verarbeiten.

Als Ergebnis berichtet OpenAI, dass `gpt-4o-2024-08-06` in eigenen Tests zur Befolgung komplexer JSON-Schemata 100 Prozent erreicht habe; `gpt-4-0613` habe unter 40 Prozent erzielt. Im Abschnitt zur technischen Umsetzung erläutert OpenAI zwei Bestandteile: Das neue Modell sei auf das Verständnis komplexer Schemata trainiert worden; zusätzlich begrenze ein Verfahren namens „constrained decoding“ die jeweils möglichen nächsten Tokens auf solche, die mit dem Schema vereinbar sind. Dafür werde das JSON-Schema in eine kontextfreie Grammatik umgewandelt und vor der Generierung verarbeitet. Die erste Anfrage mit einem neuen Schema kann deshalb laut Bericht zusätzliche Latenz verursachen: typische Schemata benötigten weniger als zehn Sekunden, komplexere bis zu einer Minute. Danach würden vorbereitete Daten zwischengespeichert.

Der Bericht nennt mehrere Einschränkungen. Unterstützt werde nur eine Teilmenge von JSON Schema. Eine Ablehnung einer unsicheren Anfrage oder ein vorzeitiger Abbruch, etwa durch das Erreichen von `max_tokens`, kann verhindern, dass die Ausgabe dem Schema entspricht; eine Ablehnung werde über ein eigenes Antwortfeld angezeigt. Schema-Treue verhindere außerdem keine inhaltlichen Fehler innerhalb der Werte. Parallele Funktionsaufrufe seien nicht kompatibel, und für solche Fälle empfiehlt der Bericht, `parallel_tool_calls` zu deaktivieren. Schemata seien zudem nicht für Zero Data Retention geeignet.

Zur Verfügbarkeit heißt es, Structured Outputs mit Funktionsaufrufen sei für API-Modelle mit Funktionsaufruf-Unterstützung verfügbar, während die Variante für Antwortformate zunächst für bestimmte GPT‑4o-Modelle und darauf basierende Fine-Tunes angeboten werde. Beide Varianten seien laut Bericht mit mehreren APIs und Vision-Eingaben kompatibel. OpenAI beziffert außerdem die Preiseinsparung beim Wechsel von `gpt-4o-2024-05-13` auf `gpt-4o-2024-08-06` auf 50 Prozent bei Eingabe- und 33 Prozent bei Ausgabetokens. Diese Leistungs-, Verfügbarkeits- und Preisangaben sind Aussagen des Berichts; er beschreibt keine unabhängige Prüfung.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Beide Zusammenfassungen geben den Bericht inhaltlich korrekt wieder; die Mängel betreffen Auslassungen. Luna stuft die Fragen SF-V5 und SF-A1 mit Stufe 4 zu hoch ein, weil der Bericht dort nur am Rande Bezug nimmt. Für SF-E1 und SF-V5-T02 sowie SF-A1-T02 liegt kein inhaltlicher Bezug vor, Luna hat hier teils zu hoch oder ungenau bewertet. Die Anteilswerte in Lunas Einordnung lassen sich am Bericht nicht prüfen und wurden daher nicht bewertet.

Im Bericht, aber nicht in der Zusammenfassung

  • Die kurze Zusammenfassung nennt weder den Vergleich mit gpt-4-0613 (unter 40 Prozent) noch die Technik des Constrained Decoding oder die SDK-Unterstützung für Pydantic und Zod.
  • Keine der beiden Zusammenfassungen erwähnt das neue Feld „refusal“ in der API-Antwort.
  • Keine der beiden Zusammenfassungen nennt die 93-Prozent-Benchmark-Angabe vor dem Constrained Decoding oder die Preisangaben für gpt-4o-2024-08-06.
  • Keine der beiden Zusammenfassungen erwähnt die Unterstützung rekursiver Schemata, die der Bericht als Grund für den grammatikbasierten Ansatz nennt.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 41 %Hintergrund, keine Belege
    • JEV 28 %umfangreiche Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 67 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 25 %gleiches Oberthema, hilft nicht
    • Luna 100 %kein Bezug
    • JEV 44 %einzelne zitierbare Belege
    • amos 25 %Hintergrund, keine Belege
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Tempo und Grenzen
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 29 %einzelne zitierbare Belege
    • amos 27 %Hintergrund, keine Belege
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 31 %einzelne zitierbare Belege
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 24 %gleiches Oberthema, hilft nicht
    • Luna 43 %einzelne zitierbare Belege
    • JEV 49 %beantwortet direkt und ausführlich
    • amos 24 %Hintergrund, keine Belege
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 31 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 42 %einzelne zitierbare Belege
    • JEV 40 %einzelne zitierbare Belege
    • amos 26 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 33 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Modelle teilen und schützen
  1. SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
    • clef 100 %kein Bezug
    • Luna 48 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 23 %einzelne zitierbare Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 56 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
    • Haiku-Prüfung kein Bezug
  2. SF-E3 Welche Stellen sind in einem Staat für KI-Sicherheit und Prüfungen zuständig, und was davon gibt es schon?
    • clef 100 %kein Bezug
    • Luna 33 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  3. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 45 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
  4. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 31 %einzelne zitierbare Belege
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
Information und Öffentlichkeit

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →