OpenAI: o3 Mini High

OpenAI o3 Mini High es un modelo de texto de OpenAI. Es el mismo modelo subyacente que o3-mini, con el parámetro reasoning_effort efectivamente fijado en high, por lo que obtienes la versión más deliberada del comportamiento de razonamiento del modelo en lugar de una arquitectura separada. OpenAI posiciona o3-mini como un modelo de lenguaje rentable optimizado para razonamiento STEM, y esta variante de alto esfuerzo está orientada a trabajos donde esa profundidad de razonamiento adicional importa más que la latencia.

El modelo acepta entradas de texto y archivos y devuelve texto. Tiene una ventana de contexto de 200.000 tokens y puede producir hasta 100.000 tokens de salida, por lo que tanto las entradas largas como las respuestas estructuradas largas son viables dentro de una sola solicitud. Su fecha de corte de conocimiento es el 31 de octubre de 2023. El razonamiento es una parte de primera clase de cómo se comporta el modelo en lugar de un complemento, lo que da forma tanto a sus fortalezas como a la manera en que configuras las llamadas a él.

Esas capacidades apuntan a casos de uso bastante específicos. Los problemas de ciencia y matemáticas, incluidas las derivaciones de varios pasos y el análisis cuantitativo, son el encaje más claro dado el enfoque STEM del modelo. La combinación de entrada de archivos, una ventana de contexto grande y salidas estructuradas lo hace razonable para tareas como extraer y razonar sobre documentos técnicos, revisar código o especificaciones en busca de corrección, y producir JSON con restricciones de esquema que los sistemas posteriores puedan consumir. El llamamiento a herramientas extiende esto a flujos de trabajo donde el modelo necesita invocar funciones o servicios externos como parte de una cadena de razonamiento más larga. Debido a que puedes solicitar la salida de razonamiento, también se adapta a casos donde un rastro auditable del pensamiento del modelo es útil junto con la respuesta final.

A través de api14 lo llamas con el id de modelo "openai/o3-mini-high" usando la API compatible con OpenAI, por lo que los SDK y clientes de OpenAI existentes funcionan con un cambio de URL base y clave. Los parámetros de solicitud admitidos son include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, tool_choice y tools. En la práctica, eso significa que puedes establecer un presupuesto de tokens de salida, controlar si se devuelve contenido de razonamiento, dirigir el comportamiento de razonamiento, solicitar respuestas JSON o conformes a esquema, fijar una semilla para reproducibilidad, y adjuntar herramientas con una política de tool_choice elegida.

Lo principal que hay que sopesar es que esta es la configuración de alto esfuerzo de una línea de modelos deliberadamente rentable en lugar de un modelo de frontera, y el esfuerzo de razonamiento no es algo que ajustes a la baja aquí si quieres el comportamiento previsto de la variante. La fecha de corte de conocimiento del 31 de octubre de 2023 significa que cualquier cosa posterior a esa fecha tiene que venir de tu prompt, archivos o herramientas. Si una tarea no depende de un razonamiento STEM profundo, un modelo más ligero puede ser el valor predeterminado más sensato.