OpenAI: o3

OpenAI o3 to model skupiony na tekście od OpenAI, wydany przez dostawcę 16 kwietnia 2025. Należy do kategorii tekstowej i jest opisywany przez OpenAI jako wszechstronny i potężny model w wielu dziedzinach, ze szczególną mocną stroną w matematyce, nauce, kodowaniu i rozumowaniu wizualnym, a także w pisaniu technicznym i podążaniu za instrukcjami. Jego data odcięcia wiedzy to 30 czerwca 2024, więc wszystko po tej dacie wykracza poza to, czego model nauczył się podczas treningu.

Po stronie wejścia o3 przyjmuje tekst, obrazy i pliki, co oznacza, że możesz wysłać prompt łączący pisemne instrukcje ze zrzutem ekranu, diagramem, wykresem lub dokumentem. Wyjście jest tylko tekstowe. Okno kontekstu wynosi 200 000 tokenów, a maksymalne wyjście to 100 000 tokenów, więc długie wejścia i długie generowania są możliwe w tym samym żądaniu. Połączenie wejścia obrazowego i plikowego z dużym kontekstem czyni go odpowiednim do zadań, w których model musi przeczytać materiał źródłowy przed odpowiedzią, zamiast polegać wyłącznie na pamięci.

Praktyczne zastosowania wynikają z tych możliwości. Zadania kodowania, w tym czytanie istniejącego kodu i rozumowanie o zmianach, pasują naturalnie, podobnie jak problemy matematyczne i naukowe wymagające krok po kroku pracy. Zadania rozumowania wizualnego, takie jak interpretowanie wykresów, diagramów lub zrzutów ekranu, działają, ponieważ obrazy są przyjmowane jako wejście. Pisanie techniczne i podążanie za instrukcjami czynią go rozsądnym wyborem do dokumentacji, ustrukturyzowanych raportów i każdego obciążenia, w którym wyjście musi mieć precyzyjny format. Ponieważ pliki można dostarczać bezpośrednio, streszczanie lub wyodrębnianie z dłuższych dokumentów jest również wykonalne bez wstępnego przetwarzania ich na zwykły tekst.

Model wywołujesz przez API zgodne z OpenAI w api14, używając identyfikatora modelu "openai/o3". Obsługiwane parametry żądania to include_reasoning, max_tokens, reasoning, response_format, seed, structured_outputs, tool_choice i tools. W praktyce oznacza to, że możesz kontrolować długość wyjścia za pomocą max_tokens, poprosić o ujawnienie rozumowania za pomocą include_reasoning i reasoning, ograniczyć kształt odpowiedzi za pomocą response_format lub structured_outputs, uczynić uruchomienia bardziej powtarzalnymi za pomocą seed oraz dać modelowi funkcje do wywołania przez tools i tool_choice.

Głównym ograniczeniem do zapamiętania jest data odcięcia wiedzy 30 czerwca 2024, więc pytania o nowsze wydarzenia trzeba obsłużyć, dostarczając odpowiedni materiał w prompcie, co wejścia plikowe i obrazowe czynią prostym. Wyjście jest tylko tekstowe, więc jeśli potrzebujesz generowanych obrazów lub dźwięku, wymagany jest inny model. W przypadku obciążeń, które nie potrzebują rozumowania, wejścia obrazowego ani kontekstu 200 000 tokenów, mniejszy model tekstowy może być prostszy i szybszy w użyciu.