OpenAI: o3 Mini (batch)

OpenAI o3-mini é um modelo de raciocínio mais pequeno da série o, centrado na resolução de problemas técnicos, incluindo ciência, matemática e programação. Aceita texto e produz texto, com raciocínio interno adicional antes da resposta visível. Utilize-o para um problema matemático claramente enunciado, análise algorítmica, revisão de código ou uma comparação técnica cuja conclusão depende de várias condições. O esforço de raciocínio pode ser configurado para a edição de base de o3-mini; uma predefinição o3-mini High seleciona esforço high em vez de pesos separados do modelo.

O fabricante documenta esforço de raciocínio low, medium e high. Mais esforço pode ajudar num problema exigente e requerer mais tempo de geração, enquanto a resposta visível pretendida pode continuar concisa. Dê ao modelo a tarefa, as restrições e o contrato de saída em vez de prescrever uma longa cadeia de pensamentos intermédios. Para um problema de algoritmo, forneça os limites da entrada, o comportamento obrigatório e os casos que determinam a correção. Para matemática, defina as variáveis, os domínios, a notação e o resultado obrigatório.

A OpenAI lista uma janela de contexto de 200 000 tokens, um orçamento máximo de saída de 100 000 tokens e uma data limite de conhecimentos de 1 de outubro de 2023. Os tokens de raciocínio consomem o contexto disponível e o orçamento de saída gerada antes da resposta final, por isso o máximo não é uma promessa dessa quantidade de tokens de resposta visível. Deixe espaço para a análise e o resultado pedido. Um pedido pode esgotar a sua capacidade de tokens gerados antes de devolver texto visível útil se o orçamento for demasiado pequeno para o problema.

A modalidade nativa de entrada é texto, não visão. Se uma tarefa tem origem num diagrama ou numa captura de ecrã, forneça as condições relevantes por escrito. O produtor lista carregamento de ficheiros e suporte de pesquisa em ficheiros em fluxos de trabalho assistidos por ferramentas, que podem fornecer material textual relevante sem alterar a modalidade nativa do modelo. Identifique as passagens das fontes ou os conteúdos dos ficheiros necessários para responder à pergunta, em vez de presumir que todos os anexos contribuem automaticamente com elementos úteis.

O modelo suporta Structured Outputs, chamadas de funções e transmissão em contínuo, e a ficha do produtor lista as interfaces Responses, Chat Completions, Assistants e Batch. Numa tarefa estruturada, especifique os campos obrigatórios e como deve ser representada a informação em falta. Num fluxo de trabalho com ferramentas, o modelo propõe uma função e argumentos; a aplicação executa a ação e devolve a observação real. Mantenha uma operação proposta distinta de uma cujo resultado já foi recebido.

O conjunto atual de ferramentas do produtor também lista pesquisa em ficheiros, interpretação de código, ligações MCP e ferramentas de geração de imagens. Essas ferramentas configuradas têm as suas próprias operações; não transformam a resposta de texto direta de o3-mini em saída nativa de imagem ou áudio. Para uma tarefa de programação, forneça o código, a falha observada e os requisitos, depois peça uma alteração proposta com uma explicação dos casos que aborda. Se houver resultados de execução, forneça-os como elementos para a revisão seguinte, em vez de tratar código não executado como um resultado concluído.

Um resultado final útil pode ser uma fórmula, uma comparação justificada, uma proposta de código ou um resultado técnico estruturado que ligue a conclusão às condições originais. Num pedido posterior, indique os novos elementos e a parte da resposta que precisa de revisão. Preserve a conversa relevante e as observações das ferramentas para que a resposta seguinte possa trabalhar com resultados reais. Este modelo de raciocínio de menor dimensão é útil quando a tarefa precisa de análise, restrições claras e um resultado de texto focado, em vez de pressupostos sem suporte sobre ações externas.