o3-mini (High) merujuk kepada o3-mini OpenAI dengan effort penaakulan high. Model asasnya ialah model penaakulan siri o yang lebih kecil dan berfokus pada tugasan STEM, termasuk sains, matematik dan pengekodan. Model ini menerima dan mengembalikan teks. High mengenal pasti tetapan penaakulan, dengan mengekalkan identiti asas o3-mini dan bukannya mencipta set pemberat model kendiri yang baharu.
Untuk masalah teknikal, berikan pernyataan lengkap, takrif dan syarat yang menentukan jawapan sah. Contoh tugasan ialah meneliti algoritma dalam beberapa kes input, menerangkan hubungan antara kes dan mencadangkan penyelesaian yang mematuhi kekangan yang dinyatakan. Untuk matematik, nyatakan domain pemboleh ubah, hasil yang diperlukan dan tatatanda atau ketepatan yang diperlukan dalam jawapan akhir.
Pengeluar mendokumentasikan effort penaakulan low, medium dan high untuk o3-mini. Varian High memperuntukkan lebih banyak analisis kepada soalan dan boleh mengambil masa lebih lama untuk mengembalikan hasil. Ini berasingan daripada panjang jawapan: tugasan boleh meminta kesimpulan ringkas walaupun soalan asas memerlukan penaakulan yang lebih lengkap. Berikan model matlamat yang jelas, kekangan yang kukuh dan bukti yang diperlukan untuk menilai kesimpulannya.
Spesifikasi OpenAI menyenaraikan tetingkap konteks 200,000 token, output maksimum 100,000 token dan had pengetahuan pada 1 Oktober 2023. Model ini hanya menerima teks dan tidak menyokong penglihatan. Jika masalah bermula daripada rajah atau tangkapan skrin, bekalkan maklumat yang berkaitan sebagai syarat bertulis. Tinggalkan ruang untuk penaakulan dan hasil yang kelihatan yang diminta dalam konteks yang tersedia.
Pengeluar menyenaraikan antara muka Responses, Chat Completions, Assistants dan Batch, penstriman, Structured Outputs, panggilan fungsi serta input/carian fail. Keluaran itu turut mendokumentasikan mesej pembangun untuk arahan dan konteks. Set alat kad model merangkumi fungsi, carian fail, pentafsiran kod, sambungan MCP dan alat penjanaan imej. Operasi alat itu berasingan daripada input dan output teks model; aplikasi melaksanakan tindakannya dan mengembalikan hasil sebenar.
Tentukan artifak akhir dan cara ia patut disemak. Minta pelaksanaan yang dicadangkan, rumus, perbandingan atau hasil berstruktur yang mengenal pasti syarat sokongannya. Untuk susulan, berikan bukti baharu dan nyatakan bahagian penyelesaian yang memerlukan semakan. Jawapan akhir yang berguna menghubungkan kesimpulan dengan masalah asal dan membezakan pengiraan atau operasi alat yang telah selesai daripada yang masih dicadangkan.
", "aboutText": "o3-mini (High) merujuk kepada o3-mini OpenAI dengan effort penaakulan high. Model asasnya ialah model penaakulan siri o yang lebih kecil dan berfokus pada tugasan STEM, termasuk sains, matematik dan pengekodan. Model ini menerima dan mengembalikan teks. High mengenal pasti tetapan penaakulan, dengan mengekalkan identiti asas o3-mini dan bukannya mencipta set pemberat model kendiri yang baharu.\n\nUntuk masalah teknikal, berikan pernyataan lengkap, takrif dan syarat yang menentukan jawapan sah. Contoh tugasan ialah meneliti algoritma dalam beberapa kes input, menerangkan hubungan antara kes dan mencadangkan penyelesaian yang mematuhi kekangan yang dinyatakan. Untuk matematik, nyatakan domain pemboleh ubah, hasil yang diperlukan dan tatatanda atau ketepatan yang diperlukan dalam jawapan akhir.\n\nPengeluar mendokumentasikan effort penaakulan low, medium dan high untuk o3-mini. Varian High memperuntukkan lebih banyak analisis kepada soalan dan boleh mengambil masa lebih lama untuk mengembalikan hasil. Ini berasingan daripada panjang jawapan: tugasan boleh meminta kesimpulan ringkas walaupun soalan asas memerlukan penaakulan yang lebih lengkap. Berikan model matlamat yang jelas, kekangan yang kukuh dan bukti yang diperlukan untuk menilai kesimpulannya.\n\nSpesifikasi OpenAI menyenaraikan tetingkap konteks 200,000 token, output maksimum 100,000 token dan had pengetahuan pada 1 Oktober 2023. Model ini hanya menerima teks dan tidak menyokong penglihatan. Jika masalah bermula daripada rajah atau tangkapan skrin, bekalkan maklumat yang berkaitan sebagai syarat bertulis. Tinggalkan ruang untuk penaakulan dan hasil yang kelihatan yang diminta dalam konteks yang tersedia.\n\nPengeluar menyenaraikan antara muka Responses, Chat Completions, Assistants dan Batch, penstriman, Structured Outputs, panggilan fungsi serta input/carian fail. Keluaran itu turut mendokumentasikan mesej pembangun untuk arahan dan konteks. Set alat kad model merangkumi fungsi, carian fail, pentafsiran kod, sambungan MCP dan alat penjanaan imej. Operasi alat itu berasingan daripada input dan output teks model; aplikasi melaksanakan tindakannya dan mengembalikan hasil sebenar.\n\nTentukan artifak akhir dan cara ia patut disemak. Minta pelaksanaan yang dicadangkan, rumus, perbandingan atau hasil berstruktur yang mengenal pasti syarat sokongannya. Untuk susulan, berikan bukti baharu dan nyatakan bahagian penyelesaian yang memerlukan semakan. Jawapan akhir yang berguna menghubungkan kesimpulan dengan masalah asal dan membezakan pengiraan atau operasi alat yang telah selesai daripada yang masih dicadangkan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
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 dengan tahap penaakulan High untuk matematik, sains dan pengekodan berasaskan teks. Model ini mengembalikan teks serta menyokong penstriman, panggilan fungsi dan Structured Outputs, dengan tetapan penaakulan yang lebih tinggi untuk syarat tugasan yang saling berkaitan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
o3-mini (High) merujuk kepada o3-mini OpenAI dengan effort penaakulan high. Model asasnya ialah model penaakulan siri o yang lebih kecil dan berfokus pada tugasan STEM, termasuk sains, matematik dan pengekodan. Model ini menerima dan mengembalikan teks. High mengenal pasti tetapan penaakulan, dengan mengekalkan identiti asas o3-mini dan bukannya mencipta set pemberat model kendiri yang baharu.
Untuk masalah teknikal, berikan pernyataan lengkap, takrif dan syarat yang menentukan jawapan sah. Contoh tugasan ialah meneliti algoritma dalam beberapa kes input, menerangkan hubungan antara kes dan mencadangkan penyelesaian yang mematuhi kekangan yang dinyatakan. Untuk matematik, nyatakan domain pemboleh ubah, hasil yang diperlukan dan tatatanda atau ketepatan yang diperlukan dalam jawapan akhir.
Pengeluar mendokumentasikan effort penaakulan low, medium dan high untuk o3-mini. Varian High memperuntukkan lebih banyak analisis kepada soalan dan boleh mengambil masa lebih lama untuk mengembalikan hasil. Ini berasingan daripada panjang jawapan: tugasan boleh meminta kesimpulan ringkas walaupun soalan asas memerlukan penaakulan yang lebih lengkap. Berikan model matlamat yang jelas, kekangan yang kukuh dan bukti yang diperlukan untuk menilai kesimpulannya.
Spesifikasi OpenAI menyenaraikan tetingkap konteks 200,000 token, output maksimum 100,000 token dan had pengetahuan pada 1 Oktober 2023. Model ini hanya menerima teks dan tidak menyokong penglihatan. Jika masalah bermula daripada rajah atau tangkapan skrin, bekalkan maklumat yang berkaitan sebagai syarat bertulis. Tinggalkan ruang untuk penaakulan dan hasil yang kelihatan yang diminta dalam konteks yang tersedia.
Pengeluar menyenaraikan antara muka Responses, Chat Completions, Assistants dan Batch, penstriman, Structured Outputs, panggilan fungsi serta input/carian fail. Keluaran itu turut mendokumentasikan mesej pembangun untuk arahan dan konteks. Set alat kad model merangkumi fungsi, carian fail, pentafsiran kod, sambungan MCP dan alat penjanaan imej. Operasi alat itu berasingan daripada input dan output teks model; aplikasi melaksanakan tindakannya dan mengembalikan hasil sebenar.
Tentukan artifak akhir dan cara ia patut disemak. Minta pelaksanaan yang dicadangkan, rumus, perbandingan atau hasil berstruktur yang mengenal pasti syarat sokongannya. Untuk susulan, berikan bukti baharu dan nyatakan bahagian penyelesaian yang memerlukan semakan. Jawapan akhir yang berguna menghubungkan kesimpulan dengan masalah asal dan membezakan pengiraan atau operasi alat yang telah selesai daripada yang masih dicadangkan.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had openai/o3-mini-high | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0022 / 1K token Output · Token output $0.0088 / 1K token Input · Bacaan cache $0.0011 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0022 / 1K token Output · Token output $0.0088 / 1K token Input · Bacaan cache $0.0011 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra openai/o3-mini-high
Gunakan laluan kaedah yang dipaparkan di atas.
openai/o3-mini-higho3-mini dengan tahap penaakulan High untuk matematik, sains dan pengekodan berasaskan teks. Model ini mengembalikan teks serta menyokong penstriman, panggilan fungsi dan Structured Outputs, dengan tetapan penaakulan yang lebih tinggi untuk syarat tugasan yang saling berkaitan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
o3-mini (High) merujuk kepada o3-mini OpenAI dengan effort penaakulan high. Model asasnya ialah model penaakulan siri o yang lebih kecil dan berfokus pada tugasan STEM, termasuk sains, matematik dan pengekodan. Model ini menerima dan mengembalikan teks. High mengenal pasti tetapan penaakulan, dengan mengekalkan identiti asas o3-mini dan bukannya mencipta set pemberat model kendiri yang baharu.
Untuk masalah teknikal, berikan pernyataan lengkap, takrif dan syarat yang menentukan jawapan sah. Contoh tugasan ialah meneliti algoritma dalam beberapa kes input, menerangkan hubungan antara kes dan mencadangkan penyelesaian yang mematuhi kekangan yang dinyatakan. Untuk matematik, nyatakan domain pemboleh ubah, hasil yang diperlukan dan tatatanda atau ketepatan yang diperlukan dalam jawapan akhir.
Pengeluar mendokumentasikan effort penaakulan low, medium dan high untuk o3-mini. Varian High memperuntukkan lebih banyak analisis kepada soalan dan boleh mengambil masa lebih lama untuk mengembalikan hasil. Ini berasingan daripada panjang jawapan: tugasan boleh meminta kesimpulan ringkas walaupun soalan asas memerlukan penaakulan yang lebih lengkap. Berikan model matlamat yang jelas, kekangan yang kukuh dan bukti yang diperlukan untuk menilai kesimpulannya.
Spesifikasi OpenAI menyenaraikan tetingkap konteks 200,000 token, output maksimum 100,000 token dan had pengetahuan pada 1 Oktober 2023. Model ini hanya menerima teks dan tidak menyokong penglihatan. Jika masalah bermula daripada rajah atau tangkapan skrin, bekalkan maklumat yang berkaitan sebagai syarat bertulis. Tinggalkan ruang untuk penaakulan dan hasil yang kelihatan yang diminta dalam konteks yang tersedia.
Pengeluar menyenaraikan antara muka Responses, Chat Completions, Assistants dan Batch, penstriman, Structured Outputs, panggilan fungsi serta input/carian fail. Keluaran itu turut mendokumentasikan mesej pembangun untuk arahan dan konteks. Set alat kad model merangkumi fungsi, carian fail, pentafsiran kod, sambungan MCP dan alat penjanaan imej. Operasi alat itu berasingan daripada input dan output teks model; aplikasi melaksanakan tindakannya dan mengembalikan hasil sebenar.
Tentukan artifak akhir dan cara ia patut disemak. Minta pelaksanaan yang dicadangkan, rumus, perbandingan atau hasil berstruktur yang mengenal pasti syarat sokongannya. Untuk susulan, berikan bukti baharu dan nyatakan bahagian penyelesaian yang memerlukan semakan. Jawapan akhir yang berguna menghubungkan kesimpulan dengan masalah asal dan membezakan pengiraan atau operasi alat yang telah selesai daripada yang masih dicadangkan.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had openai/o3-mini-high | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0022 / 1K token Output · Token output $0.0088 / 1K token Input · Bacaan cache $0.0011 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0022 / 1K token Output · Token output $0.0088 / 1K token Input · Bacaan cache $0.0011 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "openai/o3-mini-high",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra openai/o3-mini-high
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
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.