o4-mini (High) duidt op OpenAI’s o4-mini met hoge redeneerinspanning. Het basismodel is een kleiner redeneermodel uit de o-serie, gericht op programmeren, wiskunde en visuele taken. Het accepteert tekst en afbeeldingen en produceert tekst. High beschrijft het redeneerniveau dat voor de taak wordt ingezet, zodat de identiteit van het basismodel o4-mini gescheiden blijft van een nieuwe zelfstandige modeleditie.
Een praktische toepassing is een technisch probleem met meerdere voorwaarden die de oplossing beïnvloeden. Lever de volledige probleemstelling, de relevante code of wiskundige definities en de voorwaarden waaraan het antwoord moet voldoen. Een voorbeeldopdracht is twee algoritmische benaderingen te vergelijken, uit te leggen van welke voorwaarden elk afhangt en een oplossing voor te stellen die aansluit bij de opgegeven invoer en het resultaat. Vraag om de uiteindelijke conclusie en het bewijs dat nodig is om die te controleren, in plaats van elke interne gedachte voor te schrijven.
Lever voor een visuele taak het diagram, de grafiek of de schermafbeelding aan en leg uit welk detail van belang is. De aankondiging van o3/o4-mini door de maker beschrijft redeneren met afbeeldingen en het gebruik van hulpmiddelen wanneer die bruikbaar bewijs opleveren. Een schriftelijke vraag kan de visuele relatie verbinden met een wiskundige of technische voorwaarde. Wanneer de omgeving een berekening of een ander hulpmiddelresultaat aanlevert, behoud dan de werkelijke uitvoer, zodat de volgende beslissing een concrete basis heeft.
OpenAI’s specificatie van o4-mini vermeldt een contextvenster van 200.000 tokens, een maximale uitvoer van 100.000 tokens en een kennisgrens van 1 juni 2024. Zowel het redeneren als het zichtbare antwoord gebruikt tokenruimte. High geeft de taak meer redeneerwerk en kan meer tijd vergen; dit staat los van de gevraagde lengte of het formaat van het eindantwoord. Orden het bruikbare materiaal en laat ruimte voor zowel analyse als resultaat.
De maker vermeldt interfaces voor Responses, Chat Completions en Batch, streaming, Structured Outputs, functieaanroepen, bestands- en afbeeldingsinvoer, zoeken in bestanden, promptcaching en mogelijkheden voor fijnafstemming van het model. De gedocumenteerde hulpmiddelen omvatten functies, zoeken in bestanden, code-interpretatie, MCP-verbindingen en zoeken op het web. Toepassingen stellen hun bewerkingen beschikbaar, voeren hun eigen acties uit en geven werkelijke resultaten terug; de directe uitvoer van het model blijft tekst.
Definieer een voltooiingscriterium dat bij de taak past. Vraag voor een programma om het betrokken gedrag, voorgestelde wijzigingen en de resultaten van daadwerkelijk uitgevoerde controles. Geef voor een wiskundige of visuele analyse de vereiste notatie, nauwkeurigheid of conclusie en de voorwaarden die deze rechtvaardigen aan. Een bruikbaar eindresultaat is een specifieke oplossing, codevoorstel of gestructureerde uitleg waarvan de belangrijke keuzes met het aangeleverde probleem en bewijs kunnen worden vergeleken.
", "aboutText": "o4-mini (High) duidt op OpenAI’s o4-mini met hoge redeneerinspanning. Het basismodel is een kleiner redeneermodel uit de o-serie, gericht op programmeren, wiskunde en visuele taken. Het accepteert tekst en afbeeldingen en produceert tekst. High beschrijft het redeneerniveau dat voor de taak wordt ingezet, zodat de identiteit van het basismodel o4-mini gescheiden blijft van een nieuwe zelfstandige modeleditie.\n\nEen praktische toepassing is een technisch probleem met meerdere voorwaarden die de oplossing beïnvloeden. Lever de volledige probleemstelling, de relevante code of wiskundige definities en de voorwaarden waaraan het antwoord moet voldoen. Een voorbeeldopdracht is twee algoritmische benaderingen te vergelijken, uit te leggen van welke voorwaarden elk afhangt en een oplossing voor te stellen die aansluit bij de opgegeven invoer en het resultaat. Vraag om de uiteindelijke conclusie en het bewijs dat nodig is om die te controleren, in plaats van elke interne gedachte voor te schrijven.\n\nLever voor een visuele taak het diagram, de grafiek of de schermafbeelding aan en leg uit welk detail van belang is. De aankondiging van o3/o4-mini door de maker beschrijft redeneren met afbeeldingen en het gebruik van hulpmiddelen wanneer die bruikbaar bewijs opleveren. Een schriftelijke vraag kan de visuele relatie verbinden met een wiskundige of technische voorwaarde. Wanneer de omgeving een berekening of een ander hulpmiddelresultaat aanlevert, behoud dan de werkelijke uitvoer, zodat de volgende beslissing een concrete basis heeft.\n\nOpenAI’s specificatie van o4-mini vermeldt een contextvenster van 200.000 tokens, een maximale uitvoer van 100.000 tokens en een kennisgrens van 1 juni 2024. Zowel het redeneren als het zichtbare antwoord gebruikt tokenruimte. High geeft de taak meer redeneerwerk en kan meer tijd vergen; dit staat los van de gevraagde lengte of het formaat van het eindantwoord. Orden het bruikbare materiaal en laat ruimte voor zowel analyse als resultaat.\n\nDe maker vermeldt interfaces voor Responses, Chat Completions en Batch, streaming, Structured Outputs, functieaanroepen, bestands- en afbeeldingsinvoer, zoeken in bestanden, promptcaching en mogelijkheden voor fijnafstemming van het model. De gedocumenteerde hulpmiddelen omvatten functies, zoeken in bestanden, code-interpretatie, MCP-verbindingen en zoeken op het web. Toepassingen stellen hun bewerkingen beschikbaar, voeren hun eigen acties uit en geven werkelijke resultaten terug; de directe uitvoer van het model blijft tekst.\n\nDefinieer een voltooiingscriterium dat bij de taak past. Vraag voor een programma om het betrokken gedrag, voorgestelde wijzigingen en de resultaten van daadwerkelijk uitgevoerde controles. Geef voor een wiskundige of visuele analyse de vereiste notatie, nauwkeurigheid of conclusie en de voorwaarden die deze rechtvaardigen aan. Een bruikbaar eindresultaat is een specifieke oplossing, codevoorstel of gestructureerde uitleg waarvan de belangrijke keuzes met het aangeleverde probleem en bewijs kunnen worden vergeleken.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Choose a pair-sum algorithm\n\nDesign a Python function has_pair(nums, target) that returns whether two distinct list positions sum to target. Inputs are integers; duplicates are allowed; do not mutate the list. Compare a quadratic scan with a set-based approach, return the chosen implementation and tests for [3,3], target 6, a single 3 and an empty list.A concise complexity comparison, an implementation and tests demonstrating distinct-position handling and duplicate values.Check that [3,3] can succeed while a single [3] cannot reuse the same position.openai/o4-mini-higho4-mini met redeneerinspanning High voor programmeren, wiskunde en visuele taken met samenhangende voorwaarden. Het accepteert tekst en afbeeldingen en geeft tekst terug; hulpmiddelen zijn beschikbaar via de werkomgeving van de toepassing.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
o4-mini (High) duidt op OpenAI’s o4-mini met hoge redeneerinspanning. Het basismodel is een kleiner redeneermodel uit de o-serie, gericht op programmeren, wiskunde en visuele taken. Het accepteert tekst en afbeeldingen en produceert tekst. High beschrijft het redeneerniveau dat voor de taak wordt ingezet, zodat de identiteit van het basismodel o4-mini gescheiden blijft van een nieuwe zelfstandige modeleditie.
Een praktische toepassing is een technisch probleem met meerdere voorwaarden die de oplossing beïnvloeden. Lever de volledige probleemstelling, de relevante code of wiskundige definities en de voorwaarden waaraan het antwoord moet voldoen. Een voorbeeldopdracht is twee algoritmische benaderingen te vergelijken, uit te leggen van welke voorwaarden elk afhangt en een oplossing voor te stellen die aansluit bij de opgegeven invoer en het resultaat. Vraag om de uiteindelijke conclusie en het bewijs dat nodig is om die te controleren, in plaats van elke interne gedachte voor te schrijven.
Lever voor een visuele taak het diagram, de grafiek of de schermafbeelding aan en leg uit welk detail van belang is. De aankondiging van o3/o4-mini door de maker beschrijft redeneren met afbeeldingen en het gebruik van hulpmiddelen wanneer die bruikbaar bewijs opleveren. Een schriftelijke vraag kan de visuele relatie verbinden met een wiskundige of technische voorwaarde. Wanneer de omgeving een berekening of een ander hulpmiddelresultaat aanlevert, behoud dan de werkelijke uitvoer, zodat de volgende beslissing een concrete basis heeft.
OpenAI’s specificatie van o4-mini vermeldt een contextvenster van 200.000 tokens, een maximale uitvoer van 100.000 tokens en een kennisgrens van 1 juni 2024. Zowel het redeneren als het zichtbare antwoord gebruikt tokenruimte. High geeft de taak meer redeneerwerk en kan meer tijd vergen; dit staat los van de gevraagde lengte of het formaat van het eindantwoord. Orden het bruikbare materiaal en laat ruimte voor zowel analyse als resultaat.
De maker vermeldt interfaces voor Responses, Chat Completions en Batch, streaming, Structured Outputs, functieaanroepen, bestands- en afbeeldingsinvoer, zoeken in bestanden, promptcaching en mogelijkheden voor fijnafstemming van het model. De gedocumenteerde hulpmiddelen omvatten functies, zoeken in bestanden, code-interpretatie, MCP-verbindingen en zoeken op het web. Toepassingen stellen hun bewerkingen beschikbaar, voeren hun eigen acties uit en geven werkelijke resultaten terug; de directe uitvoer van het model blijft tekst.
Definieer een voltooiingscriterium dat bij de taak past. Vraag voor een programma om het betrokken gedrag, voorgestelde wijzigingen en de resultaten van daadwerkelijk uitgevoerde controles. Geef voor een wiskundige of visuele analyse de vereiste notatie, nauwkeurigheid of conclusie en de voorwaarden die deze rechtvaardigen aan. Een bruikbaar eindresultaat is een specifieke oplossing, codevoorstel of gestructureerde uitleg waarvan de belangrijke keuzes met het aangeleverde probleem en bewijs kunnen worden vergeleken.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten openai/o4-mini-high | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0022 / 1K tokens Uitvoer · Uitvoertokens $0.0088 / 1K tokens Invoer · Cache lezen $0.00055 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0022 / 1K tokens Uitvoer · Uitvoertokens $0.0088 / 1K tokens Invoer · Cache lezen $0.00055 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/o4-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/o4-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/o4-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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra openai/o4-mini-high
Gebruik de hierboven getoonde methodepaden.
openai/o4-mini-higho4-mini met redeneerinspanning High voor programmeren, wiskunde en visuele taken met samenhangende voorwaarden. Het accepteert tekst en afbeeldingen en geeft tekst terug; hulpmiddelen zijn beschikbaar via de werkomgeving van de toepassing.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
o4-mini (High) duidt op OpenAI’s o4-mini met hoge redeneerinspanning. Het basismodel is een kleiner redeneermodel uit de o-serie, gericht op programmeren, wiskunde en visuele taken. Het accepteert tekst en afbeeldingen en produceert tekst. High beschrijft het redeneerniveau dat voor de taak wordt ingezet, zodat de identiteit van het basismodel o4-mini gescheiden blijft van een nieuwe zelfstandige modeleditie.
Een praktische toepassing is een technisch probleem met meerdere voorwaarden die de oplossing beïnvloeden. Lever de volledige probleemstelling, de relevante code of wiskundige definities en de voorwaarden waaraan het antwoord moet voldoen. Een voorbeeldopdracht is twee algoritmische benaderingen te vergelijken, uit te leggen van welke voorwaarden elk afhangt en een oplossing voor te stellen die aansluit bij de opgegeven invoer en het resultaat. Vraag om de uiteindelijke conclusie en het bewijs dat nodig is om die te controleren, in plaats van elke interne gedachte voor te schrijven.
Lever voor een visuele taak het diagram, de grafiek of de schermafbeelding aan en leg uit welk detail van belang is. De aankondiging van o3/o4-mini door de maker beschrijft redeneren met afbeeldingen en het gebruik van hulpmiddelen wanneer die bruikbaar bewijs opleveren. Een schriftelijke vraag kan de visuele relatie verbinden met een wiskundige of technische voorwaarde. Wanneer de omgeving een berekening of een ander hulpmiddelresultaat aanlevert, behoud dan de werkelijke uitvoer, zodat de volgende beslissing een concrete basis heeft.
OpenAI’s specificatie van o4-mini vermeldt een contextvenster van 200.000 tokens, een maximale uitvoer van 100.000 tokens en een kennisgrens van 1 juni 2024. Zowel het redeneren als het zichtbare antwoord gebruikt tokenruimte. High geeft de taak meer redeneerwerk en kan meer tijd vergen; dit staat los van de gevraagde lengte of het formaat van het eindantwoord. Orden het bruikbare materiaal en laat ruimte voor zowel analyse als resultaat.
De maker vermeldt interfaces voor Responses, Chat Completions en Batch, streaming, Structured Outputs, functieaanroepen, bestands- en afbeeldingsinvoer, zoeken in bestanden, promptcaching en mogelijkheden voor fijnafstemming van het model. De gedocumenteerde hulpmiddelen omvatten functies, zoeken in bestanden, code-interpretatie, MCP-verbindingen en zoeken op het web. Toepassingen stellen hun bewerkingen beschikbaar, voeren hun eigen acties uit en geven werkelijke resultaten terug; de directe uitvoer van het model blijft tekst.
Definieer een voltooiingscriterium dat bij de taak past. Vraag voor een programma om het betrokken gedrag, voorgestelde wijzigingen en de resultaten van daadwerkelijk uitgevoerde controles. Geef voor een wiskundige of visuele analyse de vereiste notatie, nauwkeurigheid of conclusie en de voorwaarden die deze rechtvaardigen aan. Een bruikbaar eindresultaat is een specifieke oplossing, codevoorstel of gestructureerde uitleg waarvan de belangrijke keuzes met het aangeleverde probleem en bewijs kunnen worden vergeleken.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten openai/o4-mini-high | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0022 / 1K tokens Uitvoer · Uitvoertokens $0.0088 / 1K tokens Invoer · Cache lezen $0.00055 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0022 / 1K tokens Uitvoer · Uitvoertokens $0.0088 / 1K tokens Invoer · Cache lezen $0.00055 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "openai/o4-mini-high",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/o4-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/o4-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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra openai/o4-mini-high
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Choose a pair-sum algorithm\n\nDesign a Python function has_pair(nums, target) that returns whether two distinct list positions sum to target. Inputs are integers; duplicates are allowed; do not mutate the list. Compare a quadratic scan with a set-based approach, return the chosen implementation and tests for [3,3], target 6, a single 3 and an empty list.A concise complexity comparison, an implementation and tests demonstrating distinct-position handling and duplicate values.Check that [3,3] can succeed while a single [3] cannot reuse the same position.