OpenAI: o4 Mini High

OpenAI: o4 Mini High adalah model teks dari OpenAI, dirilis pada 16 April 2025. Model ini termasuk dalam seri o dari model penalaran, dan merupakan model yang sama dengan o4-mini dengan parameter reasoning_effort yang diatur ke high. Varian "high" karena itu mewakili ujung yang lebih deliberatif dari rentang penalaran model tersebut, sambil mempertahankan desain ringkas dan berorientasi efisiensi dari o4-mini.

Model ini menerima input gambar, teks dan file, dan menghasilkan output teks. Model ini memiliki jendela konteks 200.000 token dan output maksimum 100.000 token, dengan knowledge cutoff 30 Juni 2024. Parameter permintaan yang didukung meliputi include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, tool_choice dan tools. Kehadiran tools dan tool_choice berarti model ini dapat digunakan dalam pemanggilan fungsi dan alur kerja bergaya agen, sementara response_format dan structured_outputs memungkinkan Anda membatasi bentuk teks yang dikembalikan.

Kemampuan tersebut mengarah pada serangkaian kasus penggunaan yang cukup spesifik. Karena model ini bernalar sebelum menjawab dan dapat menerima file serta gambar bersama teks, model ini cocok untuk tugas di mana model harus mengerjakan suatu masalah alih-alih mencocokkan pola jawaban: analisis multi langkah dokumen, menafsirkan bagan atau tangkapan layar bersama konteks tertulis, dan masalah kode atau logika yang diuntungkan oleh rantai pemikiran yang cermat. Parameter tool membuatnya cukup cocok untuk pipeline agentic yang memanggil fungsi eksternal, dan structured_outputs berguna ketika hasilnya harus diurai oleh program lain. Jendela konteks 200.000 token memungkinkan input besar, seperti laporan panjang atau beberapa file, ditangani dalam satu permintaan.

Anda memanggil model ini melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "openai/o4-mini-high". Karena antarmukanya mengikuti format chat completions OpenAI, pustaka klien dan SDK OpenAI yang ada berfungsi hanya dengan perubahan base URL dan key. Dalam permintaan Anda dapat mengatur parameter yang tercantum di atas, termasuk reasoning_effort untuk mengontrol seberapa banyak penalaran yang diterapkan model, max_tokens untuk membatasi output, dan tools atau tool_choice ketika Anda ingin pemanggilan fungsi. Parameter include_reasoning memungkinkan Anda memutuskan apakah konten penalaran dikembalikan bersama respons.

Satu pertimbangan praktis adalah varian ini didefinisikan oleh upaya penalaran tinggi, sehingga berorientasi pada masalah yang lebih sulit alih-alih pertukaran cepat dengan latensi rendah. Untuk pembuatan teks yang sederhana atau bervolume tinggi di mana penalaran mendalam hanya menambah sedikit nilai, o4-mini dasar atau model teks lain mungkin lebih cocok. Model ini hanya menghasilkan output teks, sehingga tugas yang memerlukan gambar atau audio yang dihasilkan berada di luar cakupannya.