OpenAI: o3 Mini (batch)

OpenAI o3 Mini (batch) OpenAI की एक टेक्स्ट मॉडल है, जिसे प्रदाता ने 31 जनवरी 2025 को जारी किया था। यह एक तर्क-केंद्रित मॉडल है, लागत-कुशल और STEM कार्यों के लिए अनुकूलित, विशेष रूप से विज्ञान, गणित और कोडिंग में मजबूत। batch लेबल यह दर्शाता है कि मॉडल api14 के माध्यम से कैसे परोसा जाता है, न कि यह एक अलग क्षमता स्तर है, इसलिए आप batch में काम जमा करते समय o3 Mini के समान मूल व्यवहार की अपेक्षा कर सकते हैं।

मॉडल टेक्स्ट और फ़ाइल इनपुट स्वीकार करता है और केवल टेक्स्ट लौटाता है। इसकी context window 200,000 tokens है और अधिकतम आउटपुट 100,000 tokens है, जो एक ही अनुरोध में लंबे इनपुट और लंबे उत्पन्न उत्तरों के लिए काफी जगह छोड़ता है। इसका knowledge cutoff 31 अक्टूबर 2023 है, इसलिए उस तारीख के बाद की कोई भी बात आपके prompt या आपके द्वारा जोड़े गए tools से आनी चाहिए।

चूंकि यह STEM तर्क के लिए ट्यून किया गया है, स्वाभाविक उपयोगों में गणितीय समस्या समाधान, चरण-दर-चरण वैज्ञानिक विश्लेषण और कोड जनरेशन या डीबगिंग शामिल हैं। फ़ाइल इनपुट इसे दस्तावेज़ों पर काम करने के लिए उपयोगी बनाता है, उदाहरण के लिए किसी specification से संरचित डेटा निकालना या किसी paper के बारे में प्रश्नों का उत्तर देना। reasoning पैरामीटर आपको आंतरिक तर्क की गहराई और latency के बीच संतुलन बनाने देता है, और include_reasoning उस तर्क को response में उजागर करता है जब आप उसे जांचना चाहते हैं। Tool calling इसे retrieval, calculators या code execution तक बढ़ाता है, और structured outputs तथा response_format तब मदद करते हैं जब downstream system को पूर्वानुमेय JSON आकार के परिणाम चाहिए।

आप इसे api14 के OpenAI-संगत API के माध्यम से model id "openai/o3-mini:batch" का उपयोग करके कॉल करते हैं। समर्थित request parameters हैं include_reasoning, max_tokens, reasoning, response_format, seed, structured_outputs, tool_choice और tools। seed सेट करने पर आपको अधिक पुनरुत्पादनीय sampling मिलती है, max_tokens उत्पन्न आउटपुट को सीमित करता है, और tools के साथ tool_choice नियंत्रित करता है कि मॉडल आपके द्वारा परिभाषित functions को कॉल करता है या नहीं और कैसे करता है। इस मॉडल के साथ किसी अन्य पैरामीटर के काम करने की धारणा नहीं बनानी चाहिए।

एक बाधा ध्यान देने योग्य है, 31 अक्टूबर 2023 का knowledge cutoff, इसलिए हाल की घटनाओं पर निर्भर कार्यों के लिए अनुरोध में ताज़ा context देना आवश्यक है। यदि आपका workload पूरी तरह संवादात्मक है या इसमें तर्क-भारी चरण शामिल नहीं हैं, तो सामान्य प्रयोजन वाला टेक्स्ट मॉडल अधिक सरल और तेज़ हो सकता है। यदि आपको tool उपयोग के साथ बड़े इनपुट पर मजबूत STEM तर्क चाहिए, तो o3 Mini (batch) पहले मूल्यांकन करने के लिए एक उचित default है।