OpenAI: o4 Mini (batch)

o4-mini er OpenAI’s kompakte ræsonneringsmodel i o-serien, optimeret til hurtig og effektiv ræsonnering ved programmering og visuelle opgaver. Den modtager tekst og billeder og producerer tekst. Dens nyttige rolle er et klart defineret teknisk problem, der kræver analyse før svaret: at forstå en fejl i kode, fortolke et diagram, forbinde fakta i det leverede materiale eller udarbejde et struktureret resultat, som et efterfølgende trin kan bruge.

Ved programmering skal modellen have den relevante funktion eller de relevante filer, den forventede adfærd og det præcise input eller den fejlmeddelelse, hvor problemet opstår. Medtag oplysninger om programmeringssprog og miljø, som påvirker resultatet. En målrettet anmodning kan efterspørge den sandsynlige årsag, et mindst muligt rettelsesforslag og en forklaring på, hvordan ændringen afhjælper den observerede adfærd. Definer ændringens grænser, eksempelvis at bevare den offentlige grænseflade eller eksisterende datas betydning, så resultatet kan vurderes i forhold til den faktiske opgave.

Til et visuelt problem skal der leveres et læseligt skærmbillede, diagram eller en graf, og spørgsmålet, som det skal besvare, skal angives. Hold betydningsfulde mærkater, akser og enheder synlige. En eksempelopgave er at forklare, hvilken påstand en graf understøtter, identificere de anvendte observationer og skelne mellem en synlig værdi og en slutning. Ved en dokumentopgave skal kildematerialet mærkes, og de felter eller relationer, der kræves i svaret, skal defineres. Også en kompakt model har gavn af fuldstændige oplysninger om problemet og en præcis beskrivelse af det ønskede output.

OpenAI angiver et kontekstvindue på 200.000 tokens, et maksimalt output på 100.000 tokens og en vidensgrænse den 1. juni 2024. Ræsonneringstokens bruger både kontekst- og outputkapacitet, så giv plads til analyse og det endelige svar frem for at fylde hele budgettet med input. Hvis en kontekst- eller outputgrænse nås, kan resultatet være et ufuldstændigt svar, før noget synligt svar foreligger. Et kort slutsvar kan stadig kræve intern ræsonnering; den synlige længde alene beskriver ikke hele tokenbudgettet.

Den specifikke modelside for o4-mini angiver grænseflader til Chat Completions, Responses, Batch og finjustering. De dokumenterede funktioner omfatter streaming, Structured Outputs, funktionskald, filuploads, billedinput, filsøgning, promptcaching og finjustering. Værktøjssættet omfatter web- og filsøgning, kodefortolkning og MCP-forbindelser. Giv et applikationsværktøj et klart formål og en inputkontrakt, returner det faktiske resultat, og bed modellen bruge dette resultat til den næste beslutning. Et anmodet funktionskald er et handlingsforslag, mens et struktureret slutsvar organiserer de oplysninger, som opgaven frembringer.

OpenAI’s vejledning i prompts til o-serien anbefaler et enkelt, direkte mål med eksplicitte krav og tydelige afgrænsningstegn omkring kildemateriale. Lad modellen gennemarbejde problemet internt; anmod om den endelige forklaring, dokumentation eller beregning, der er brug for, frem for en transskription af skjult ræsonnering. Prøv først en klar opgavebeskrivelse, og tilføj derefter eksempler, hvis et påkrævet format eller en kategorigrænse fortsat er uklar. Et eksempel skal demonstrere de samme regler som den faktiske opgave, herunder hvordan manglende oplysninger gengives.

Til applikationer, der har brug for en valgfri forklaring af ræsonneringsprocessen, dokumenterer OpenAI’s ræsonneringsvejledning udtrykkeligt detaljerede ræsonneringsresuméer for o4-mini. Et resumé skal anmodes om og er forskelligt fra de rå interne ræsonneringstokens, som ikke vises. Det endelige svar skal fortsat indeholde det resultat, brugeren bad om: for eksempel en foreslået kodeændring, en graffortolkning med relevante observationer eller udtrukne felter med forbindelse til det leverede materiale. Lever aktuelle fakta, når de er vigtige, kontroller væsentlige påstande mod deres kilde, og hold arbejdsgangen fokuseret med en afgrænset opgave og et afslutningskriterium.