OpenAI: o4 Mini (batch)

OpenAI o4 Mini (batch) adalah model penalaran ringkas dari seri o milik OpenAI, yang ditawarkan melalui api14 dengan id model openai/o4-mini:batch. Model ini termasuk dalam kategori teks dan dirancang untuk performa cepat serta hemat biaya, sambil tetap mempertahankan kemampuan multimodal dan agentic yang kuat. Varian batch adalah model yang sama yang disajikan untuk beban kerja bergaya batch, sehingga perilaku penalaran yang Anda dapatkan di sini sesuai dengan yang Anda harapkan dari o4 Mini secara umum.

Model ini menerima teks, gambar, dan file sebagai input, lalu mengembalikan teks. Model ini memiliki context window 200.000 token dan dapat menghasilkan hingga 100.000 output token, yang cukup besar untuk jejak penalaran panjang, jawaban panjang, atau payload terstruktur berukuran besar. Batas pengetahuan (knowledge cutoff) nya adalah 30 Juni 2024. Karena ini adalah model penalaran, model ini dapat menampilkan langkah penalarannya saat Anda memintanya, dan mendukung penggunaan tool, sehingga cocok untuk pola agentic, bukan hanya tanya jawab satu putaran biasa.

Kemampuan tersebut mengarah pada beberapa penggunaan praktis. Input multimodal ditambah pemanggilan tool cocok untuk agen yang perlu membaca screenshot atau dokumen, memutuskan langkah berikutnya, dan memanggil fungsi selama proses berjalan. Context window yang besar membantu untuk dokumen panjang, basis kode, atau percakapan multi putaran di mana konteks sebelumnya penting. Dukungan structured outputs dan response format menjadikannya pilihan yang masuk akal untuk ekstraksi, klasifikasi, dan tugas lain yang membutuhkan hasil yang dapat dibaca mesin. Output penalaran berguna ketika Anda ingin memeriksa bagaimana model mencapai suatu jawaban, untuk debugging, atau untuk tugas di mana langkah perantara itu penting.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan id model openai/o4-mini:batch. Parameter permintaan yang didukung adalah include_reasoning, max_tokens, reasoning, response_format, seed, structured_outputs, tool_choice, dan tools. Dalam praktiknya, itu berarti Anda dapat mengontrol perilaku penalaran dan apakah penalaran dikembalikan, membatasi panjang output dengan max_tokens, meminta output JSON atau yang dibatasi skema melalui response_format dan structured_outputs, menetapkan seed untuk sampling yang lebih reprodusibel, serta mendefinisikan tool dengan tool_choice untuk menggerakkan pemanggilan fungsi.

Perhatikan batas pengetahuan (knowledge cutoff): apa pun setelah 30 Juni 2024 berada di luar apa yang dipelajari model, jadi pertanyaan yang sensitif terhadap waktu mungkin memerlukan retrieval atau tool untuk menyediakan fakta terbaru. Model ini hanya menghasilkan teks, jadi jika Anda membutuhkan gambar atau audio yang dihasilkan, Anda perlu mencari di tempat lain. Dalam batasan tersebut, model ini adalah default yang masuk akal untuk pekerjaan yang berat penalaran, multimodal, dan digerakkan oleh tool, di mana kecepatan dan efisiensi itu penting.