OpenAI: o3 Mini (batch)

OpenAI o3-mini is een kleiner redeneermodel uit de o-serie, gericht op technische probleemoplossing, waaronder wetenschap, wiskunde en programmeren. Het accepteert tekst en produceert tekst, met extra intern redeneerwerk vóór het zichtbare antwoord. Gebruik het voor een duidelijk gesteld wiskundig probleem, algoritmische analyse, codeherziening of technische vergelijking waarvan de conclusie van meerdere voorwaarden afhangt. De redeneerinspanning kan voor de basiseditie o3-mini worden ingesteld; een voorinstelling o3-mini High kiest hoge inspanning in plaats van afzonderlijke modelgewichten.

De maker documenteert redeneerinspanning low, medium en high. Meer inspanning kan een veeleisend probleem ondersteunen en meer generatietijd vergen, terwijl het gewenste zichtbare antwoord toch beknopt kan blijven. Geef het model de taak, voorwaarden en het uitvoercontract in plaats van een lange keten tussengedachten voor te schrijven. Lever voor een algoritmeprobleem de invoergrenzen, het vereiste gedrag en de gevallen die de correctheid bepalen aan. Definieer bij wiskunde de variabelen, domeinen, notatie en het vereiste resultaat.

OpenAI vermeldt een contextvenster van 200.000 tokens, een maximaal uitvoerbudget van 100.000 tokens en een kennisgrens van 1 oktober 2023. Redeneertokens verbruiken de beschikbare context en het budget voor gegenereerde uitvoer vóór het eindantwoord, dus het maximum is geen belofte van evenveel zichtbare antwoordtokens. Laat ruimte voor zowel analyse als het gevraagde resultaat. Een aanvraag kan haar budget voor gegenereerde tokens uitputten voordat bruikbare zichtbare tekst wordt teruggegeven, als het budget te klein is voor het probleem.

De oorspronkelijke invoermodaliteit is tekst, geen beeld. Als een taak voortkomt uit een diagram of schermafbeelding, lever de relevante voorwaarden dan schriftelijk aan. De maker vermeldt bestandsuploads en ondersteuning voor zoeken in bestanden in werkwijzen met hulpmiddelen; die kunnen relevant tekstmateriaal leveren zonder de oorspronkelijke modaliteit van het model te veranderen. Benoem de bronpassages of bestandsinhoud die nodig zijn om de vraag te beantwoorden, in plaats van aan te nemen dat elke bijlage automatisch bruikbaar bewijs oplevert.

Het model ondersteunt Structured Outputs, functieaanroepen en streaming, en de modelkaart van de maker vermeldt interfaces voor Responses, Chat Completions, Assistants en Batch. Specificeer in een gestructureerde taak de vereiste velden en hoe ontbrekende informatie moet worden weergegeven. In een werkwijze met hulpmiddelen stelt het model een functie en argumenten voor; de toepassing voert de actie uit en geeft de werkelijke waarneming terug. Houd een voorgestelde bewerking onderscheiden van een bewerking waarvan het resultaat is ontvangen.

De huidige hulpmiddelen van de maker omvatten ook zoeken in bestanden, code-interpretatie, MCP-verbindingen en hulpmiddelen voor afbeeldingsgeneratie. Die geconfigureerde hulpmiddelen hebben hun eigen bewerkingen; ze veranderen o3-mini’s directe tekstantwoord niet in oorspronkelijke afbeeldings- of audio-uitvoer. Lever voor een programmeertaak de code, de waargenomen fout en de vereisten aan en vraag vervolgens om een voorgestelde wijziging met uitleg van de gevallen die deze afhandelt. Lever beschikbare uitvoeringsresultaten als bewijs voor de volgende herziening aan, in plaats van niet-uitgevoerde code als een voltooid resultaat te behandelen.

Een bruikbaar eindresultaat kan een formule, een onderbouwde vergelijking, een codevoorstel of een gestructureerd technisch resultaat zijn dat de conclusie met de oorspronkelijke voorwaarden verbindt. Benoem bij een vervolg het nieuwe bewijs en het deel van het antwoord dat moet worden herzien. Behoud de relevante conversatie en waarnemingen van hulpmiddelen, zodat het volgende antwoord met werkelijke resultaten kan werken. De kleinere redeneerrol van het model is praktisch wanneer de taak analyse, duidelijke voorwaarden en een gericht tekstresultaat vraagt in plaats van niet-onderbouwde aannames over externe acties.