OpenAI: o3 Mini High

OpenAI o3 Mini High é um modelo de texto da OpenAI. É o mesmo modelo subjacente que o o3-mini, com o parâmetro reasoning_effort efetivamente fixado em high, pelo que obtém a versão mais deliberada do comportamento de raciocínio do modelo em vez de uma arquitetura separada. A OpenAI posiciona o o3-mini como um modelo de linguagem económico, otimizado para raciocínio STEM, e esta variante de alto esforço destina-se a trabalho em que essa profundidade extra de raciocínio importa mais do que a latência.

O modelo aceita entradas de texto e ficheiros e devolve texto. Tem uma janela de contexto de 200.000 tokens e pode produzir até 100.000 tokens de saída, pelo que entradas longas e respostas estruturadas longas são ambas viáveis num único pedido. O seu limite de conhecimento é 31 de outubro de 2023. O raciocínio é uma parte fundamental do comportamento do modelo, e não um complemento, o que molda tanto os seus pontos fortes como a forma como configura as chamadas para ele.

Essas capacidades apontam para casos de uso bastante específicos. Problemas de ciência e matemática, incluindo derivações com vários passos e análise quantitativa, são o encaixe mais claro dado o foco STEM do modelo. A combinação de entrada de ficheiros, uma janela de contexto grande e saídas estruturadas torna-o razoável para tarefas como extrair e raciocinar sobre documentos técnicos, rever código ou especificações quanto à correção, e produzir JSON com restrições de esquema que sistemas a jusante possam consumir. A chamada de ferramentas estende isto a fluxos de trabalho em que o modelo precisa de invocar funções ou serviços externos como parte de uma cadeia de raciocínio mais longa. Como pode solicitar saída de raciocínio, também se adequa a casos em que um registo auditável do pensamento do modelo é útil a par da resposta final.

Através da api14, chama-o com o id de modelo "openai/o3-mini-high" usando a API compatível com OpenAI, pelo que os SDKs e clientes OpenAI existentes funcionam com uma alteração de URL base e chave. Os parâmetros de pedido suportados são include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, tool_choice e tools. Na prática, isso significa que pode definir um orçamento de tokens de saída, controlar se o conteúdo de raciocínio é devolvido, orientar o comportamento de raciocínio, solicitar respostas JSON ou conformes a esquema, fixar uma seed para reprodutibilidade, e anexar ferramentas com uma política tool_choice escolhida.

O principal aspeto a ponderar é que esta é a configuração de alto esforço de uma linha de modelos deliberadamente económica, e não um modelo de fronteira, e o esforço de raciocínio não é algo que se reduza aqui se quiser o comportamento pretendido da variante. O limite de conhecimento de 31 de outubro de 2023 significa que tudo o que seja posterior a essa data tem de vir do seu prompt, ficheiros ou ferramentas. Se uma tarefa não depender de raciocínio STEM profundo, um modelo mais leve pode ser a predefinição mais sensata.