OpenAI: o4 Mini (batch)

o4-mini er OpenAIs kompakte resonneringsmodell i o-serien, optimalisert for rask og effektiv resonnering i kodeoppgaver og visuelle oppgaver. Den tar imot tekst og bilder og produserer tekst. En nyttig rolle er et definert teknisk problem som krever analyse før et svar: å forstå en kodefeil, tolke et diagram, knytte sammen fakta i vedlagt materiale eller produsere et strukturert resultat som et senere trinn kan bruke.

For koding gir du modellen den relevante funksjonen eller filene, forventet oppførsel og de nøyaktige inndataene eller feilmeldingen som utløser problemet. Ta med språk- og miljødetaljer som påvirker resultatet. En fokusert forespørsel kan be om den sannsynlige årsaken, et minimalt forslag til rettelse og en forklaring på hvordan endringen løser den observerte oppførselen. Definer endringens grenser, for eksempel at det offentlige grensesnittet eller betydningen av eksisterende data skal bevares, slik at resultatet kan vurderes opp mot den faktiske oppgaven.

For et visuelt problem legger du ved et leselig skjermbilde, diagram eller plott og angir spørsmålet det skal besvare. Hold meningsbærende etiketter, akser og enheter synlige. En eksempelbeskrivelse kan be om å forklare hva et plott underbygger, angi observasjonene som brukes og skille en synlig verdi fra en slutning. For en dokumentoppgave merker du kildematerialet og definerer feltene eller sammenhengene som kreves i svaret. En kompakt modell har fortsatt nytte av fullstendig probleminformasjon og en presis bestilling av resultatet.

OpenAI oppgir et kontekstvindu på 200000 tokens, en maksimal utdatamengde på 100000 tokens og en kunnskapsgrense på 1. juni 2024. Resonneringstokens bruker både kontekst og utdatakapasitet, så la det være rom for analyse og sluttsvaret fremfor å fylle hele kvoten med inndata. Hvis en kontekst- eller utdataramme nås, kan svaret bli ufullstendig før noe synlig svar foreligger. Et kort sluttsvar kan fortsatt kreve intern resonnering; den synlige lengden alene beskriver ikke hele tokenbudsjettet.

Den nøyaktige o4-mini-modellsiden oppgir grensesnittene Chat Completions, Responses, Batch og finjustering. De dokumenterte funksjonene omfatter strømming, Structured Outputs, funksjonskall, filopplasting, bildeinndata, filsøk, mellomlagring av ledetekster og finjustering. Verktøysettet oppgir nett- og filsøk, kodetolkning og MCP-tilkoblinger. Gi et applikasjonsverktøy et tydelig formål og en inndatakontrakt, returner det faktiske resultatet og be modellen bruke dette resultatet til neste beslutning. Et forespurt funksjonskall er et handlingsforslag, mens et strukturert sluttsvar organiserer informasjonen oppgaven produserer.

OpenAIs veiledning for ledetekster til o-serien anbefaler et enkelt, direkte mål med uttrykkelige begrensninger og tydelige skilletegn rundt kildematerialet. La modellen arbeide gjennom problemet internt; be om den endelige forklaringen, dokumentasjonen eller beregningen du trenger, fremfor en utskrift av skjult resonnering. Prøv først en tydelig oppgavebeskrivelse, og legg deretter til eksempler hvis et påkrevd format eller en kategorigrense fortsatt er uklar. Et eksempel bør vise de samme reglene som den virkelige oppgaven, også hvordan manglende informasjon skal fremstilles.

For applikasjoner som trenger en valgfri forklaring av resonneringsprosessen, dokumenterer OpenAIs resonneringsveiledning uttrykkelig detaljerte resonneringsoppsummeringer for o4-mini. En oppsummering må etterspørres og er forskjellig fra de rå interne resonneringstokensene, som ikke vises. Sluttsvaret må fortsatt inneholde resultatet brukeren ba om: for eksempel et forslag til kodeendring, en plotttolkning med relevante observasjoner eller uthentede felt knyttet til det vedlagte materialet. Gi nyere fakta når de er viktige, kontroller viktige påstander mot kilden og bruk en avgrenset oppgave og et fullføringskriterium for å holde arbeidsflyten fokusert.