OpenAI: o3

OpenAI o3 é um modelo focado em texto da OpenAI, lançado pelo fornecedor em 16 de abril de 2025. Ele está na categoria de texto e é descrito pela OpenAI como um modelo completo e poderoso em diversos domínios, com força particular em matemática, ciência, programação e raciocínio visual, além de redação técnica e seguimento de instruções. Seu corte de conhecimento é 30 de junho de 2024, então qualquer coisa após essa data está fora do que o modelo aprendeu durante o treinamento.

No lado da entrada, o3 aceita texto, imagens e arquivos, o que significa que você pode enviar um prompt que combina instruções escritas com uma captura de tela, diagrama, gráfico ou documento. A saída é apenas texto. A janela de contexto é de 200.000 tokens, e a saída máxima é de 100.000 tokens, então entradas longas e gerações longas são ambas possíveis dentro da mesma requisição. A combinação de entrada de imagem e arquivo com um contexto grande o torna adequado para tarefas em que o modelo precisa ler o material de origem antes de responder, em vez de depender apenas da memória.

Os usos práticos decorrem dessas capacidades. Tarefas de programação, incluindo ler código existente e raciocinar sobre mudanças, são um encaixe natural, assim como problemas de matemática e ciência que precisam de resolução passo a passo. Tarefas de raciocínio visual, como interpretar gráficos, diagramas ou capturas de tela, funcionam porque imagens são aceitas como entrada. Redação técnica e seguimento de instruções o tornam uma escolha razoável para documentação, relatórios estruturados e qualquer carga de trabalho em que a saída precise seguir um formato preciso. Como arquivos podem ser fornecidos diretamente, resumir ou extrair de documentos mais longos também é viável sem pré-processá-los em texto simples por conta própria.

Você chama o modelo através da API compatível com OpenAI da api14 usando o id de modelo "openai/o3". Os parâmetros de requisição suportados são include_reasoning, max_tokens, reasoning, response_format, seed, structured_outputs, tool_choice e tools. Na prática, isso significa que você pode controlar o comprimento da saída com max_tokens, pedir que o raciocínio seja exposto com include_reasoning e reasoning, restringir o formato da resposta com response_format ou structured_outputs, tornar as execuções mais reproduzíveis com seed, e dar ao modelo funções para chamar através de tools e tool_choice.

A principal restrição a ter em mente é o corte de conhecimento de 30 de junho de 2024, então perguntas sobre eventos mais recentes precisam ser tratadas fornecendo o material relevante no prompt, o que as entradas de arquivo e imagem tornam simples. A saída é apenas texto, então se você precisa de imagens ou áudio gerados, um modelo diferente é necessário. Para cargas de trabalho que não precisam de raciocínio, entrada de imagem ou um contexto de 200.000 tokens, um modelo de texto menor pode ser mais simples e rápido de usar.