OpenAI: o3 (batch)

o3 est le modèle de raisonnement généraliste de la série o d’OpenAI pour les tâches complexes. Le développeur met en avant les mathématiques, les sciences, la programmation, le raisonnement visuel, la rédaction technique et le suivi des instructions. Il accepte du texte et des images et produit du texte ; une tâche peut donc associer un problème écrit, du code et un schéma, au lieu de traiter chaque source comme une question isolée. Le résultat visé est une réponse réfléchie à un problème en plusieurs étapes, avec les informations nécessaires à son évaluation.

Pour une question mathématique ou scientifique, fournissez le problème complet, les définitions, les quantités connues, les unités et les contraintes. Précisez si vous souhaitez une démonstration, un résultat numérique, une comparaison d’hypothèses ou une explication pour un public particulier. Une consigne illustrative de sortie peut demander d’identifier les hypothèses pertinentes, de présenter la solution avec ses unités et d’expliquer quels faits fournis l’étayent. Demandez une explication utile dans la réponse finale ; les tokens de raisonnement internes d’OpenAI ne sont pas exposés sous forme de trace brute du travail du modèle.

Pour le développement logiciel, fournissez le code pertinent, le comportement attendu et l’échec observé, y compris l’erreur ou l’entrée exacte qui le révèle. Demandez à o3 de relier les symptômes à une cause plausible et de proposer une modification ciblée avec une explication. Une tâche visuelle peut comprendre un schéma, une capture d’écran ou un résultat tracé : identifiez la question et les libellés ou la zone pertinents, conservez une échelle lisible et demandez une conclusion liée à ce qui est réellement visible. Ces étapes de préparation donnent au modèle un problème défini et une sortie concrète plutôt qu’une demande sans limites d’examiner tout le contenu.

OpenAI indique une fenêtre de contexte de 200 000 tokens, une sortie maximale de 100 000 tokens et une date limite de connaissances au 1er juin 2024. Le raisonnement interne utilise les capacités de contexte et de sortie avec la réponse visible. La sortie maximale ne promet donc pas 100 000 tokens de réponse visible, et le contexte n’est pas une limite de sortie supplémentaire indépendante. Laissez de la place après les documents d’entrée pour l’analyse et le résultat demandé. Le guide de raisonnement du développeur décrit des réponses incomplètes lorsque la limite de contexte ou de sortie est atteinte ; cela peut arriver avant qu’une réponse visible apparaisse.

La spécification exacte d’o3 documente les interfaces Chat Completions, Responses et Batch, ainsi que le streaming, Structured Outputs, les appels de fonctions, l’envoi de fichiers, les entrées image, la recherche dans les fichiers et la mise en cache des prompts. Les outils documentés comprennent la recherche sur le Web et dans les fichiers, l’interprétation de code, la génération d’images et les connexions MCP. Un résultat de recherche ou un calcul apporte des éléments supplémentaires à la tâche, tandis qu’un appel de fonction demande une opération à l’application qui entoure le modèle. Gardez les éléments renvoyés associés à la question à laquelle ils répondent et distinguez une action proposée d’un résultat confirmé. La sortie propre du modèle reste textuelle même lorsqu’un outil de génération d’images crée un livrable distinct.

Les recommandations de raisonnement d’OpenAI privilégient des instructions simples et directes, avec des limites claires entre les instructions et les sources. Précisez l’objectif, les contraintes et le format de réponse requis au lieu d’imposer le processus de pensée privé du modèle. Utilisez des exemples lorsqu’ils clarifient un format difficile ou une règle de décision, et gardez-les cohérents avec les exigences réelles. Pour un long document technique, identifiez les sections et demandez les passages ou relations pertinents pour une question précise ; pour une revue de code, précisez le comportement et le risque à examiner.

Un livrable o3 utile peut être une explication technique développée, l’analyse d’un schéma, une correction de code documentée ou une comparaison fondée sur les documents fournis. Rendez explicites les hypothèses non étayées et les informations manquantes, puis vérifiez les calculs décisifs ou le comportement du code à partir du problème original. Sa date limite de connaissances signifie que les faits récents nécessitent des documents fournis ou un outil d’information adapté. Des éléments clairs, un critère d’achèvement explicite et une place suffisante pour la sortie aident à transformer une tâche générale de raisonnement en un résultat qu’une autre personne peut examiner et utiliser.