OpenAI: o3 Mini High

OpenAI o3 Mini High est un modèle de texte d'OpenAI. Il s'agit du même modèle sous-jacent que o3-mini, avec le paramètre reasoning_effort effectivement fixé à high, de sorte que vous obtenez la version la plus réfléchie du comportement de raisonnement du modèle plutôt qu'une architecture distincte. OpenAI positionne o3-mini comme un modèle de langage économique optimisé pour le raisonnement STEM, et cette variante à effort élevé vise les travaux où cette profondeur de raisonnement supplémentaire compte plus que la latence.

Le modèle accepte des entrées de texte et de fichiers et renvoie du texte. Il dispose d'une fenêtre de contexte de 200 000 tokens et peut produire jusqu'à 100 000 tokens en sortie, de sorte que les entrées longues et les réponses structurées longues sont toutes deux réalisables dans une seule requête. Sa date limite de connaissances est le 31 octobre 2023. Le raisonnement fait partie intégrante du comportement du modèle plutôt que d'être un ajout, ce qui façonne à la fois ses points forts et la manière dont vous configurez les appels vers celui-ci.

Ces capacités orientent vers des cas d'usage assez spécifiques. Les problèmes de science et de mathématiques, y compris les dérivations à plusieurs étapes et l'analyse quantitative, constituent l'adéquation la plus évidente compte tenu de l'orientation STEM du modèle. La combinaison de l'entrée de fichiers, d'une grande fenêtre de contexte et de sorties structurées le rend raisonnable pour des tâches telles que l'extraction et le raisonnement sur des documents techniques, la vérification de l'exactitude de code ou de spécifications, et la production de JSON contraint par schéma que les systèmes en aval peuvent consommer. L'appel d'outils étend cela à des flux de travail où le modèle doit invoquer des fonctions ou des services externes dans le cadre d'une chaîne de raisonnement plus longue. Comme vous pouvez demander une sortie de raisonnement, il convient également aux cas où une trace auditable de la réflexion du modèle est utile en plus de la réponse finale.

Via api14, vous l'appelez avec l'identifiant de modèle "openai/o3-mini-high" en utilisant l'API compatible OpenAI, de sorte que les SDK et clients OpenAI existants fonctionnent avec un changement d'URL de base et de clé. Les paramètres de requête pris en charge sont include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, tool_choice et tools. En pratique, cela signifie que vous pouvez définir un budget de tokens de sortie, contrôler si le contenu de raisonnement est renvoyé, orienter le comportement de raisonnement, demander des réponses JSON ou conformes à un schéma, fixer une graine pour la reproductibilité, et attacher des outils avec une politique tool_choice choisie.

Le principal point à peser est qu'il s'agit de la configuration à effort élevé d'une gamme de modèles délibérément économique plutôt que d'un modèle de pointe, et l'effort de raisonnement n'est pas quelque chose que vous réduisez ici si vous voulez le comportement prévu de la variante. La date limite de connaissances du 31 octobre 2023 signifie que tout ce qui est postérieur à cette date doit provenir de votre prompt, de vos fichiers ou de vos outils. Si une tâche ne dépend pas d'un raisonnement STEM approfondi, un modèle plus léger peut être le choix par défaut plus judicieux.