OpenAI: o4 Mini (batch)

OpenAI o4 Mini (batch) é um modelo de raciocínio compacto da série o da OpenAI, oferecido através da api14 sob o id de modelo openai/o4-mini:batch. Pertence à categoria de texto e foi concebido para um desempenho rápido e económico, mantendo fortes capacidades multimodais e agênticas. A variante batch é o mesmo modelo disponibilizado para cargas de trabalho do tipo batch, pelo que o comportamento de raciocínio que obtém aqui corresponde ao que esperaria do o4 Mini em geral.

O modelo aceita texto, imagens e ficheiros como entrada e devolve texto. Tem uma janela de contexto de 200.000 tokens e pode produzir até 100.000 tokens de saída, o que é generoso para longos traços de raciocínio, respostas extensas ou grandes cargas úteis estruturadas. O seu limite de conhecimento é 30 de junho de 2024. Por ser um modelo de raciocínio, pode expor os seus passos de raciocínio quando os solicita, e suporta o uso de ferramentas, o que o torna adequado para padrões agênticos e não apenas para respostas simples de pergunta e resposta num único turno.

Estas capacidades apontam para alguns usos práticos. A entrada multimodal mais a chamada de ferramentas adequa-se a agentes que precisam de ler uma captura de ecrã ou um documento, decidir o que fazer a seguir e chamar funções ao longo do caminho. A grande janela de contexto ajuda com documentos longos, bases de código ou conversas com vários turnos em que o contexto anterior é importante. O suporte para saídas estruturadas e formato de resposta torna-o uma escolha razoável para extração, classificação e outras tarefas em que precisa de resultados legíveis por máquina. A saída de raciocínio é útil quando quer inspecionar como o modelo chegou a uma resposta, para depuração ou para tarefas em que os passos intermédios são importantes.

Chama-o através da API compatível com OpenAI da api14 usando o id de modelo openai/o4-mini:batch. Os parâmetros de pedido suportados são include_reasoning, max_tokens, reasoning, response_format, seed, structured_outputs, tool_choice e tools. Na prática, isso significa que pode controlar o comportamento de raciocínio e se o raciocínio é devolvido, limitar o comprimento da saída com max_tokens, pedir saída JSON ou restringida por esquema através de response_format e structured_outputs, definir uma seed para uma amostragem mais reproduzível, e definir ferramentas com tool_choice para orientar a chamada de funções.

Tenha em conta o limite de conhecimento: qualquer coisa após 30 de junho de 2024 está fora do que o modelo aprendeu, pelo que perguntas sensíveis ao tempo podem precisar de recuperação ou de ferramentas para fornecer factos atualizados. O modelo produz apenas texto, por isso, se precisar de imagens ou áudio gerados, terá de procurar noutro lado. Dentro destes limites, é uma opção predefinida sensata para trabalho intensivo em raciocínio, multimodal e orientado por ferramentas, onde a velocidade e a eficiência são importantes.