[Bug] `gpt-3.5-turbo` was retired on October 23 and now fails
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 1/5
- Tempo stimato
- Meno di un'ora
- Idoneità per principianti
- 82/100
Direzione di ricerca
I nomi dei modelli ritirati compaiono nelle opzioni del menu a tendina dei modelli LLM in funclip/launch.py, intorno alle righe 261-263, e nella chiamata demo a OpenAI in funclip/llm/openai_api.py alla riga 93. Inizia controllando questi punti e conferma i nomi sostitutivi nella pagina delle deprecazioni di OpenAI, come descritto nella issue. È fatto quando il menu a tendina e la chiamata demo non fanno più riferimento ai tre modelli ritirati e i sostituti sono quelli indicati nella issue.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Summary
OpenAI retired gpt-3.5-turbo, gpt-3.5-turbo-0125 and gpt-4-turbo on October 23, 2026 (https://developers.openai.com/api/docs/deprecations). Requests that name them now fail, and FunClip still offers them.
Environment
- FunClip version or commit: cdcb53fe3d4b37365178ae4f779296e72b7beb6a (current
main) - LLM provider/model: OpenAI,
gpt-3.5-turbo,gpt-3.5-turbo-0125orgpt-4-turbo
Steps to reproduce
- Open the web UI and pick
gpt-3.5-turbo,gpt-3.5-turbo-0125orgpt-4-turboin the LLM model dropdown. - Run LLM clipping with an OpenAI key.
Expected behavior
The dropdown offers models OpenAI still serves.
Actual behavior
The request names a retired model, so it fails. The places:
- https://github.com/modelscope/FunClip/blob/cdcb53fe3d4b37365178ae4f779296e72b7beb6a/funclip/launch.py#L261-L263 (three of the dropdown choices)
- https://github.com/modelscope/FunClip/blob/cdcb53fe3d4b37365178ae4f779296e72b7beb6a/funclip/llm/openai_api.py#L93 (the model in the OpenAI demo call)
OpenAI's replacements are gpt-5.6-terra for gpt-3.5-turbo and gpt-3.5-turbo-0125, and gpt-5.6-sol for gpt-4-turbo.
Everything Since found in this repo: https://since.dev/scan/modelscope/FunClip
Happy to open a PR if that helps.
- Lingua principale
- Python
- Stelle
- 6.5k
- Fork
- 773
- Merge medio
- 2m
- PR unite (30g)
- 3
Preparare l'ambiente
- Nessun Dockerfile né file Docker Compose
- Ha un modello di pull request
- Leggi la guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di modelscope/FunClip
-
[Bug] Concatenated audio clips reset each SRT segment to time zeroForse già presa @burakeyler l’ha presa 63 giorni fa. Apertabug
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
modelscope/FunClip#216 ·
-
求一个conda虚拟环境的安装命令，不是很喜欢用uvAperta
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 55/100
modelscope/FunClip#230 · 1 commento ·
-
[Bug] SenseVoice Chinese text clipping misses multi-character queries and uses incorrect timestamp indicesForse già presa @Minh3132 l’ha presa 62 giorni fa. Apertabug
Difficoltà 3/5 1-2 giorni Idoneità per principianti 66/100
modelscope/FunClip#215 · 3 commenti ·
-
[Bug] Non-16 kHz audio is resampled on the channel axis and exported with a stale sample rateForse già presa @Minh3132 l’ha presa 62 giorni fa. Apertabug
Difficoltà 3/5 1-2 giorni Idoneità per principianti 76/100
modelscope/FunClip#214 · 1 commento ·
-
为什么总显示各种库未安装呢Apertaneeds feedback question
Difficoltà 3/5 1-2 giorni Idoneità per principianti 35/100
modelscope/FunClip#147 · 4 commenti ·
Tutte le issue di modelscope/FunClip
Issue simili
-
enhancement
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100
Sienna-Platform/SiennaSchemas#130 ·
I maintainer di solito rispondono entro 3 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 85/100
firedrakeproject/Irksome#293 ·
I maintainer di solito rispondono entro 2 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
ida-arbeitszeit/workers-control#1578 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
aws-samples/sample-per-model-bedrock#898 ·
I maintainer di solito rispondono entro 1 giorno