o3-mini (High) designa o3-mini de OpenAI con un esfuerzo de razonamiento alto. El modelo base es un modelo compacto de razonamiento de la serie o centrado en tareas STEM, incluidas ciencia, matemáticas y programación. Acepta y devuelve texto. High identifica el ajuste de razonamiento y conserva la identidad base de o3-mini, sin crear un nuevo conjunto independiente de pesos del modelo.
Para un problema técnico, proporciona el enunciado completo, las definiciones y las condiciones que determinan una respuesta válida. Una tarea ilustrativa consiste en examinar un algoritmo con varios casos de entrada, explicar la relación entre ellos y proponer una solución que respete las restricciones indicadas. Para matemáticas, especifica los dominios de las variables, el resultado exigido y la notación o precisión necesarias en la respuesta final.
El fabricante documenta los niveles de esfuerzo de razonamiento low, medium y high para o3-mini. La variante High dedica más análisis a la pregunta y puede tardar más en devolver un resultado. Esto es independiente de la longitud de la respuesta: una tarea puede pedir una conclusión breve aunque la pregunta subyacente requiera un razonamiento más detallado. Proporciona al modelo un objetivo claro, restricciones precisas y las pruebas necesarias para evaluar su conclusión.
La especificación de OpenAI indica una ventana de contexto de 200.000 tokens, una salida máxima de 100.000 tokens y una fecha de corte de conocimientos del 1 de octubre de 2023. Este modelo solo acepta texto y no admite visión. Si un problema parte de un diagrama o una captura de pantalla, proporciona la información pertinente como condiciones escritas. Deja espacio para el razonamiento y el resultado visible solicitado dentro del contexto disponible.
El proveedor incluye las interfaces Responses, Chat Completions, Assistants y Batch, respuestas en flujo, Structured Outputs, llamadas a funciones y entrada o búsqueda de archivos. La documentación de la versión también contempla mensajes developer para instrucciones y contexto. El conjunto de herramientas de su ficha incluye funciones, búsqueda en archivos, interpretación de código, conexiones MCP y herramientas de generación de imágenes. Esas operaciones de herramientas son independientes de la entrada y la salida textuales del modelo; la aplicación ejecuta sus acciones y devuelve resultados reales.
Define el entregable final y cómo debe comprobarse. Pide una propuesta de implementación, fórmula, comparación o resultado estructurado que identifique las condiciones que lo respaldan. Para una consulta posterior, aporta las nuevas pruebas e indica la parte de la solución que necesita revisión. Una respuesta final útil relaciona la conclusión con el problema original y distingue un cálculo o una operación de herramienta completados de otros que todavía son propuestas.
", "aboutText": "o3-mini (High) designa o3-mini de OpenAI con un esfuerzo de razonamiento alto. El modelo base es un modelo compacto de razonamiento de la serie o centrado en tareas STEM, incluidas ciencia, matemáticas y programación. Acepta y devuelve texto. High identifica el ajuste de razonamiento y conserva la identidad base de o3-mini, sin crear un nuevo conjunto independiente de pesos del modelo.\n\nPara un problema técnico, proporciona el enunciado completo, las definiciones y las condiciones que determinan una respuesta válida. Una tarea ilustrativa consiste en examinar un algoritmo con varios casos de entrada, explicar la relación entre ellos y proponer una solución que respete las restricciones indicadas. Para matemáticas, especifica los dominios de las variables, el resultado exigido y la notación o precisión necesarias en la respuesta final.\n\nEl fabricante documenta los niveles de esfuerzo de razonamiento low, medium y high para o3-mini. La variante High dedica más análisis a la pregunta y puede tardar más en devolver un resultado. Esto es independiente de la longitud de la respuesta: una tarea puede pedir una conclusión breve aunque la pregunta subyacente requiera un razonamiento más detallado. Proporciona al modelo un objetivo claro, restricciones precisas y las pruebas necesarias para evaluar su conclusión.\n\nLa especificación de OpenAI indica una ventana de contexto de 200.000 tokens, una salida máxima de 100.000 tokens y una fecha de corte de conocimientos del 1 de octubre de 2023. Este modelo solo acepta texto y no admite visión. Si un problema parte de un diagrama o una captura de pantalla, proporciona la información pertinente como condiciones escritas. Deja espacio para el razonamiento y el resultado visible solicitado dentro del contexto disponible.\n\nEl proveedor incluye las interfaces Responses, Chat Completions, Assistants y Batch, respuestas en flujo, Structured Outputs, llamadas a funciones y entrada o búsqueda de archivos. La documentación de la versión también contempla mensajes developer para instrucciones y contexto. El conjunto de herramientas de su ficha incluye funciones, búsqueda en archivos, interpretación de código, conexiones MCP y herramientas de generación de imágenes. Esas operaciones de herramientas son independientes de la entrada y la salida textuales del modelo; la aplicación ejecuta sus acciones y devuelve resultados reales.\n\nDefine el entregable final y cómo debe comprobarse. Pide una propuesta de implementación, fórmula, comparación o resultado estructurado que identifique las condiciones que lo respaldan. Para una consulta posterior, aporta las nuevas pruebas e indica la parte de la solución que necesita revisión. Una respuesta final útil relaciona la conclusión con el problema original y distingue un cálculo o una operación de herramienta completados de otros que todavía son propuestas.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Check an algorithm on boundary cases\n\nA binary-search function starts with lo=0 and hi=len(items), then reads items[mid] while lo <= hi. Analyze the boundary error for an empty sorted list and for a target above all elements. Propose a consistent inclusive-bound version in Python and tests for empty, singleton, found and missing cases. Return a concise explanation with code.A boundary-error explanation, corrected binary search and tests covering the named cases.The code never indexes an empty list or index len(items), and every loop iteration shrinks the search interval.openai/o3-mini-higho3-mini con esfuerzo de razonamiento High para matemáticas, ciencia y programación basadas en texto. Devuelve texto y admite respuestas en flujo, llamadas a funciones y Structured Outputs, con un nivel de razonamiento más alto para abordar las condiciones interrelacionadas de una tarea.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
o3-mini (High) designa o3-mini de OpenAI con un esfuerzo de razonamiento alto. El modelo base es un modelo compacto de razonamiento de la serie o centrado en tareas STEM, incluidas ciencia, matemáticas y programación. Acepta y devuelve texto. High identifica el ajuste de razonamiento y conserva la identidad base de o3-mini, sin crear un nuevo conjunto independiente de pesos del modelo.
Para un problema técnico, proporciona el enunciado completo, las definiciones y las condiciones que determinan una respuesta válida. Una tarea ilustrativa consiste en examinar un algoritmo con varios casos de entrada, explicar la relación entre ellos y proponer una solución que respete las restricciones indicadas. Para matemáticas, especifica los dominios de las variables, el resultado exigido y la notación o precisión necesarias en la respuesta final.
El fabricante documenta los niveles de esfuerzo de razonamiento low, medium y high para o3-mini. La variante High dedica más análisis a la pregunta y puede tardar más en devolver un resultado. Esto es independiente de la longitud de la respuesta: una tarea puede pedir una conclusión breve aunque la pregunta subyacente requiera un razonamiento más detallado. Proporciona al modelo un objetivo claro, restricciones precisas y las pruebas necesarias para evaluar su conclusión.
La especificación de OpenAI indica una ventana de contexto de 200.000 tokens, una salida máxima de 100.000 tokens y una fecha de corte de conocimientos del 1 de octubre de 2023. Este modelo solo acepta texto y no admite visión. Si un problema parte de un diagrama o una captura de pantalla, proporciona la información pertinente como condiciones escritas. Deja espacio para el razonamiento y el resultado visible solicitado dentro del contexto disponible.
El proveedor incluye las interfaces Responses, Chat Completions, Assistants y Batch, respuestas en flujo, Structured Outputs, llamadas a funciones y entrada o búsqueda de archivos. La documentación de la versión también contempla mensajes developer para instrucciones y contexto. El conjunto de herramientas de su ficha incluye funciones, búsqueda en archivos, interpretación de código, conexiones MCP y herramientas de generación de imágenes. Esas operaciones de herramientas son independientes de la entrada y la salida textuales del modelo; la aplicación ejecuta sus acciones y devuelve resultados reales.
Define el entregable final y cómo debe comprobarse. Pide una propuesta de implementación, fórmula, comparación o resultado estructurado que identifique las condiciones que lo respaldan. Para una consulta posterior, aporta las nuevas pruebas e indica la parte de la solución que necesita revisión. Una respuesta final útil relaciona la conclusión con el problema original y distingue un cálculo o una operación de herramienta completados de otros que todavía son propuestas.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/o3-mini-high | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0022 / 1K tokens Salida · Tokens de salida $0.0088 / 1K tokens Entrada · Lectura de caché $0.0011 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0022 / 1K tokens Salida · Tokens de salida $0.0088 / 1K tokens Entrada · Lectura de caché $0.0011 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/o3-mini-high", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/o3-mini-high',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/o3-mini-high',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra openai/o3-mini-high
Usa las rutas de método indicadas arriba.
openai/o3-mini-higho3-mini con esfuerzo de razonamiento High para matemáticas, ciencia y programación basadas en texto. Devuelve texto y admite respuestas en flujo, llamadas a funciones y Structured Outputs, con un nivel de razonamiento más alto para abordar las condiciones interrelacionadas de una tarea.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
o3-mini (High) designa o3-mini de OpenAI con un esfuerzo de razonamiento alto. El modelo base es un modelo compacto de razonamiento de la serie o centrado en tareas STEM, incluidas ciencia, matemáticas y programación. Acepta y devuelve texto. High identifica el ajuste de razonamiento y conserva la identidad base de o3-mini, sin crear un nuevo conjunto independiente de pesos del modelo.
Para un problema técnico, proporciona el enunciado completo, las definiciones y las condiciones que determinan una respuesta válida. Una tarea ilustrativa consiste en examinar un algoritmo con varios casos de entrada, explicar la relación entre ellos y proponer una solución que respete las restricciones indicadas. Para matemáticas, especifica los dominios de las variables, el resultado exigido y la notación o precisión necesarias en la respuesta final.
El fabricante documenta los niveles de esfuerzo de razonamiento low, medium y high para o3-mini. La variante High dedica más análisis a la pregunta y puede tardar más en devolver un resultado. Esto es independiente de la longitud de la respuesta: una tarea puede pedir una conclusión breve aunque la pregunta subyacente requiera un razonamiento más detallado. Proporciona al modelo un objetivo claro, restricciones precisas y las pruebas necesarias para evaluar su conclusión.
La especificación de OpenAI indica una ventana de contexto de 200.000 tokens, una salida máxima de 100.000 tokens y una fecha de corte de conocimientos del 1 de octubre de 2023. Este modelo solo acepta texto y no admite visión. Si un problema parte de un diagrama o una captura de pantalla, proporciona la información pertinente como condiciones escritas. Deja espacio para el razonamiento y el resultado visible solicitado dentro del contexto disponible.
El proveedor incluye las interfaces Responses, Chat Completions, Assistants y Batch, respuestas en flujo, Structured Outputs, llamadas a funciones y entrada o búsqueda de archivos. La documentación de la versión también contempla mensajes developer para instrucciones y contexto. El conjunto de herramientas de su ficha incluye funciones, búsqueda en archivos, interpretación de código, conexiones MCP y herramientas de generación de imágenes. Esas operaciones de herramientas son independientes de la entrada y la salida textuales del modelo; la aplicación ejecuta sus acciones y devuelve resultados reales.
Define el entregable final y cómo debe comprobarse. Pide una propuesta de implementación, fórmula, comparación o resultado estructurado que identifique las condiciones que lo respaldan. Para una consulta posterior, aporta las nuevas pruebas e indica la parte de la solución que necesita revisión. Una respuesta final útil relaciona la conclusión con el problema original y distingue un cálculo o una operación de herramienta completados de otros que todavía son propuestas.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/o3-mini-high | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0022 / 1K tokens Salida · Tokens de salida $0.0088 / 1K tokens Entrada · Lectura de caché $0.0011 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0022 / 1K tokens Salida · Tokens de salida $0.0088 / 1K tokens Entrada · Lectura de caché $0.0011 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "openai/o3-mini-high",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/o3-mini-high', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/o3-mini-high', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra openai/o3-mini-high
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Check an algorithm on boundary cases\n\nA binary-search function starts with lo=0 and hi=len(items), then reads items[mid] while lo <= hi. Analyze the boundary error for an empty sorted list and for a target above all elements. Propose a consistent inclusive-bound version in Python and tests for empty, singleton, found and missing cases. Return a concise explanation with code.A boundary-error explanation, corrected binary search and tests covering the named cases.The code never indexes an empty list or index len(items), and every loop iteration shrinks the search interval.