OpenAI: o3 Mini

OpenAI o3 Mini ist ein Textmodell von OpenAI, veröffentlicht am 31. Januar 2025. Es ist als kosteneffizientes Sprachmodell positioniert, das für STEM-Reasoning-Aufgaben optimiert ist, mit besonderer Stärke in Wissenschaft, Mathematik und Programmierung. Es gehört zur Textkategorie und richtet sich an Entwickler, die reasoning-intensive Antworten benötigen, ohne zu einem größeren Modell greifen zu müssen.

Das Modell akzeptiert Text- und Dateieingaben und gibt Textausgaben zurück. Es hat ein Kontextfenster von 200.000 Tokens und eine maximale Ausgabe von 100.000 Tokens, sodass sowohl lange Eingaben als auch lange Antworten in einer einzigen Anfrage machbar sind. Der Knowledge Cutoff ist der 31. Oktober 2023. Reasoning ist ein grundlegender Bestandteil der Funktionsweise des Modells: Zu den unterstützten Parametern gehören reasoning und include_reasoning, und die Anbieterbeschreibung erwähnt die Unterstützung des Parameters reasoning_effort, mit dem Sie steuern können, wie viel Reasoning-Aufwand das Modell für eine Anfrage aufwendet.

Diese Fähigkeiten deuten auf eine ziemlich spezifische Gruppe von Anwendungsfällen hin. Der STEM-Fokus macht es zu einer sinnvollen Wahl für das Lösen und Erklären von Mathematikaufgaben, das Durcharbeiten von wissenschaftlichen Fragen und das Generieren oder Überprüfen von Code. Da es neben Text auch Dateieingaben akzeptiert, kann es in Workflows eingesetzt werden, in denen ein Dokument bereitgestellt und das Modell gebeten wird, über dessen Inhalt zu reasoning. Die Reasoning-Steuerungen sind nützlich, wenn Sie Tiefe gegen Latenz oder Ausgabelänge pro Anfrage abwägen möchten, und das große Kontextfenster hilft, wenn die Reasoning-Aufgabe von viel umgebendem Material abhängt.

Sie rufen das Modell über die OpenAI-kompatible API von api14 mit der Modell-ID "openai/o3-mini" auf. Die unterstützten Anfrageparameter sind include_reasoning, max_tokens, reasoning, response_format, seed, structured_outputs, tool_choice und tools. In der Praxis bedeutet das, dass Sie die Ausgabelänge mit max_tokens begrenzen, Reasoning-Traces anfordern oder offenlegen, die Antwortform mit response_format oder structured_outputs einschränken, Läufe mit seed reproduzierbarer machen und dem Modell über tools und tool_choice aufrufbare Funktionen bereitstellen können.

Der wichtigste Punkt zum Abwägen ist der Umfang. Dies ist ein reines Textmodell: Es nimmt Text- und Dateieingaben entgegen und erzeugt Text, sodass Aufgaben, die Bild- oder Audioverständnis erfordern, außerhalb seiner Möglichkeiten liegen. Der Knowledge Cutoff vom 31. Oktober 2023 bedeutet, dass alles nach diesem Datum aus dem Prompt oder aus Tools stammen muss und nicht aus dem Modell selbst. Wenn Ihre Arbeitslast nicht reasoning-intensiv ist oder wenn sie von Modalitäten abhängt, die dieses Modell nicht akzeptiert, ist ein anderes Modell wahrscheinlich besser geeignet.