​
1️⃣ 실시간 웹 검색: LLM 시간 제한을 깨고 더 정확하고 신뢰할 수 있는 출력 제공

OpenAI 및 Gemini 시리즈 모델에 웹의 최신 정보에 액세스하는 기능을 향상시켜 다음을 지원합니다:
  • ✅ 최신 정보 액세스: 현재 이벤트, 최신 연구 또는 실시간 데이터에 대한 실시간 업데이트 받기
  • ✅ 지식 격차 해소: 훈련 후 정보에 액세스하여 LLM 훈련 데이터의 시간 제한 극복
  • ✅ 환각 감소: 실시간 웹 검색을 통해 사실 기반 답변을 제공하여 AI의 허위 정보 생성을 크게 줄임
  • ✅ 의사 결정 품질 향상: 현재 사실에 근거한 분석 및 권장 사항을 기반으로 더 자신감 있는 결정 내리기
지원되는 모델: 현재 두 가지 통합 방법을 통해 OpenAI 및 Gemini 모델 시리즈를 지원합니다: 1. 기본 검색 기능이 있는 모델 Gemini 시리즈 (Google 검색 기반):
  • gemini-2.0-pro-exp-02-05-search
  • gemini-2.0-flash-exp-search
  • gemini-2.0-flash-search
OpenAI 시리즈 (Bing 검색):
  • gpt-4o-search-preview
  • gpt-4o-mini-search-preview
2. 매개변수 기반 지원 web_search_options={} 매개변수를 추가하기만 하면 모든 Gemini 및 OpenAI 모델에 대해 웹 연결을 활성화할 수 있습니다. Gemini 모델의 검색 요금은 1,000회 검색당 35달러입니다.

​
사용 가이드

사용하기 전에 pip install -U openai를 실행하여 openai 패키지를 업그레이드하십시오. 예시: 
from openai import OpenAI

client = OpenAI(
    api_key="AIHUBMIX_API_KEY", # AiHubMix에서 생성한 키로 교체
    base_url="https://aihubmix.com/v1"
)

chat_completion = client.chat.completions.create(
    model="gemini-2.0-flash-exp",
    # 🌐 검색 활성화
    web_search_options={},
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "AIhubmix LLM API 플랫폼에 대한 정보를 검색하고 간략한 소개와 관련 링크를 제공하세요."
                }
            ]
        }
    ]
)

print(chat_completion.choices[0].message.content)

​
2️⃣ 스마트 서핑: AI가 인터넷을 자유롭게 탐색하도록 허용

모델 ID에 :surfing을 추가하면 모든 대규모 언어 모델에 검색 기능이 탑재될 수 있습니다.
  • 복잡한 통합 없이 접미사를 추가하기만 하면 됩니다.
  • 이 방법은 기본적으로 사용자의 요청을 Tavily 검색 서비스로 전달하며, LLM은 응답을 위해 검색 결과를 참조합니다.
  • 검색 요금: 검색당 0.006달러
  • 요금은 현재 “크레딧 변경”에서 직접 차감되며, “로그 세부 정보”에는 아직 검색 요금이 표시되지 않지만 향후 표시될 예정입니다.
모델 ID는 모델 갤러리에서 복사할 수 있습니다.
예시: 
import requests
import json
import os

try:
    response = requests.post(
        url="https://aihubmix.com/v1/chat/completions",
        headers={
            "Authorization": f"Bearer {os.environ.get('AIHUBMIX_API_KEY')}",
            "Content-Type": "application/json",
        },
        data=json.dumps({
            "model": "gpt-4o-mini:surfing", # 검색을 지원하려면 모델 ID에 :surfing을 추가합니다.
            "messages": [
                {
                    "role": "user",
                    "content": "ChatGPT 메모리 기능에 대한 마지막 사실을 검색하고 URL과 함께 반환하세요."
                }
            ]
        })
    )

    result = response.json()
    print("API 응답:", json.dumps(result, ensure_ascii=False, indent=2))

except requests.exceptions.RequestException as e:
    print(f"요청 오류: {e}")
except json.JSONDecodeError as e:
    print(f"JSON 디코딩 오류: {e}")
except Exception as e:
    print(f"기타 오류: {e}")
API 응답 예시: 
{
  "id": "chatcmpl-BLN21dGcrv8MrbeHfForjY4bYZHBF",
  "model": "gpt-4o-mini-2024-07-18",
  "object": "chat.completion",
  "created": 1744433121,
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "ChatGPT의 메모리 기능에 대한 최신 업데이트에 따르면 이제 사용자가 수동으로 기억하도록 요청하는 “저장된 메모리”와 향후 상호 작용을 개선하기 위한 “참조 채팅 기록”의 두 가지 방식으로 정보를 회상할 수 있는 확장된 메모리 기능이 있습니다. 자세한 내용은 URL: [The Verge 기사](https://www.theverge.com/news/646968/openai-chatgpt-long-term-memory-upgrade)를 방문하십시오."
      },
      "finish_reason": "stop"
    }
  ],
  "system_fingerprint": "fp_ded0d14823",
  "usage": {
    "prompt_tokens": 604,
    "completion_tokens": 89,
    "total_tokens": 693,
    "prompt_tokens_details": {
      "audio_tokens": 0,
      "cached_tokens": 0
    },
    "completion_tokens_details": {
      "accepted_prediction_tokens": 0,
      "audio_tokens": 0,
      "reasoning_tokens": 0,
      "rejected_prediction_tokens": 0
    }
  }
}