OpenAI: o4 Mini (batch)

o4-mini è il modello di ragionamento compatto della serie o di OpenAI, ottimizzato per un ragionamento rapido ed efficace nelle attività di programmazione e visive. Accetta testo e immagini e produce testo. Il suo ruolo utile è affrontare un problema tecnico definito che richiede un’analisi prima della risposta: capire un errore nel codice, interpretare un diagramma, collegare fatti nel materiale fornito o produrre un risultato strutturato utilizzabile in un passaggio successivo.

Per la programmazione, fornite al modello la funzione o i file pertinenti, il comportamento atteso e l’esatto ingresso che causa il problema o l’errore. Includete i dettagli del linguaggio e dell’ambiente che influiscono sul risultato. Una richiesta mirata può chiedere la causa probabile, una proposta di correzione minima e una spiegazione di come la modifica risolve il comportamento osservato. Definite i confini della modifica, per esempio preservare l’interfaccia pubblica o il significato dei dati esistenti, così da poter verificare il risultato rispetto al compito reale.

Per un problema visivo, fornite una schermata, un diagramma o un grafico leggibile e indicate la domanda a cui deve rispondere. Mantenete visibili le etichette, gli assi e le unità significative. Una richiesta esemplificativa può chiedere di spiegare cosa dimostra un grafico, identificare le osservazioni utilizzate e distinguere un valore visibile da una deduzione. Per un’attività documentale, identificate il materiale di origine e definite i campi o le relazioni richiesti nella risposta. Anche un modello compatto trae beneficio da informazioni complete sul problema e da una richiesta precisa sul risultato da produrre.

OpenAI specifica una finestra di contesto di 200 000 token, un’uscita massima di 100 000 token e conoscenze aggiornate fino al 1 giugno 2024. I token di ragionamento consumano sia la capacità del contesto sia quella dell’uscita: lasciate quindi spazio per l’analisi e la risposta finale, anziché riempire l’intera disponibilità con l’ingresso. Raggiungere il limite del contesto o dell’uscita può produrre una risposta incompleta prima di qualsiasi risposta visibile. Anche una risposta finale breve può richiedere ragionamento interno; la sola lunghezza visibile non descrive l’intero budget di token.

La pagina specifica del modello o4-mini elenca le interfacce Chat Completions, Responses, Batch e fine-tuning. Le funzionalità documentate comprendono streaming, Structured Outputs, chiamate di funzione, caricamento di file, immagini in ingresso, ricerca nei file, memorizzazione dei prompt nella cache e fine-tuning. L’insieme degli strumenti elenca la ricerca sul Web e nei file, l’interpretazione del codice e le connessioni MCP. Assegnate a uno strumento dell’applicazione uno scopo chiaro e un contratto per i dati in ingresso, restituite il risultato reale e chiedete al modello di usarlo per la decisione successiva. Una chiamata di funzione richiesta è una proposta d’azione, mentre una risposta finale strutturata organizza le informazioni prodotte dal compito.

Le indicazioni di OpenAI per scrivere prompt per la serie o raccomandano un obiettivo semplice e diretto, con vincoli espliciti e delimitatori chiari intorno al materiale di origine. Lasciate che il modello elabori il problema internamente; chiedete la spiegazione finale, le prove o il calcolo necessari, anziché una trascrizione del ragionamento nascosto. Provate prima una richiesta chiara, poi aggiungete esempi se un formato richiesto o il confine di una categoria rimangono poco chiari. Un esempio deve dimostrare le stesse regole del compito reale, compreso il modo di rappresentare le informazioni mancanti.

Per le applicazioni che richiedono una spiegazione facoltativa del processo di ragionamento, la guida di OpenAI documenta esplicitamente riassunti dettagliati del ragionamento per o4-mini. Un riassunto deve essere richiesto ed è distinto dai token grezzi del ragionamento interno, che non sono esposti. La risposta finale deve comunque contenere il risultato chiesto dall’utente: per esempio, una proposta di modifica del codice, l’interpretazione di un grafico con le osservazioni pertinenti o campi estratti e collegati al materiale fornito. Fornite fatti recenti quando sono rilevanti, verificate le affermazioni importanti rispetto alla fonte e usate un compito delimitato e un criterio di completamento per mantenere focalizzato il flusso di lavoro.