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.
", "aboutText": "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.\n\nO 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.\n\nA 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.\n\nA 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.\n\nO 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.\n\nO 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.\n\nUm 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.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "71b9c8fe990d4739ffcc3deab73f80368bb0714beaedade8b445f5739a17d0de", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "openai/o3-mini:batchOpenAI o3-mini é um modelo de raciocínio de texto para ciência, matemática e programação. Oferece esforço de raciocínio low, medium e high, um contexto de 200K, saídas estruturadas e fluxos de trabalho assistidos por ferramentas, com um orçamento máximo de saída gerada de 100K tokens.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
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.
POST /v1/batchestexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campoendpoint | Tipostring | RequisitoObrigatório | Valores e limites /v1/chat/completions | Predefinição— |
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites openai/o3-mini:batch | Predefinição— |
Camporequests | Tipobatch_item[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Camporequests[].custom_id | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Camporequests[].body.messages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campocompletion_window | Tipostring | RequisitoOpcional | Valores e limites 24h | Predefinição— |
Campoprovider | Tipoobject|null | RequisitoOpcional | Valores e limites | Predefinição— |
Camporequests[].body.model | Tipostring | RequisitoOpcional | Valores e limites openai/o3-mini:batch, openai/o3-mini | Predefinição— |
Campoprovider.only | Tipostring[] | RequisitoOpcional | Valores e limites openai | Predefinição— |
Campoprovider.allow_fallbacks | Tipoboolean|null | RequisitoOpcional | Valores e limites false, null | Predefinição— |
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratoendpoint, model, requests |
Parâmetromaterial_types | Contratotext |
Parâmetrorepresentation | Contratorequests[] em linha; cada item tem custom_id e body |
Parâmetrorequest_endpoint_profile | Contrato/v1/chat/completions |
Parâmetrofile_material | ContratoQuem faz a chamada pode ler localmente o conteúdo JSONL UTF-8 efetivo para requests[]. Não é utilizada qualquer finalidade de carregamento, input_file_id ou referência a ficheiro. Se o material do cliente estiver em falta ou vazio, a preparação é interrompida antes do POST. |
Parâmetroserialization_order | Contratoendpoint, model, provider (se fornecido), completion_window (se fornecido), requests em último lugar |
Parâmetrooptional_controls | Contratoprovider.only, provider.allow_fallbacks, completion_window |
Parâmetroschema_scope | ContratoCorpos de pedidos de texto de Chat Completions na estrutura de lote em linha documentada. |
Ciclo de vida: asynchronous
GET /v1/batches/{operation_id} · response.id efetivo da resposta original de criação; mesmo utilizador/chave/grupo
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0011 / 1K tokens Saída · Tokens de saída $0.0044 / 1K tokens Entrada · Leitura da cache $0.00055 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0011 / 1K tokens Saída · Tokens de saída $0.0044 / 1K tokens Entrada · Leitura da cache $0.00055 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/o3-mini:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['openai/o3-mini:batch', 'openai/o3-mini']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/o3-mini:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON em linha de results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nGuarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve o JSON completo do estado original, todos os resultados/custom_id e o corpo completo da resposta ou do erro. Guarde os results[] concluídos em formato JSONL, sem filtrar.
Preserve o ID original da operação. A resposta 503 result_pending_check inclui X-Should-Retry:false; nunca volte a enviar um lote original de estado desconhecido.
| Campo | Tipo |
|---|---|
Camporesults[].custom_id | Tipostring |
Camporesults[].response.body.choices[].message.content | Tipostring|null |
Camporesults[].error | Tipoobject|null |
Campousage | Tipoobject|null |
Campoid | Tipostring |
Campomodel | Tipostring |
Campoendpoint | Tipostring |
Campostatus | Tipostring |
Camporequest_counts | Tipoobject |
Camporesults[].id | Tipostring |
Camporesults[].response.status_code | Tipointeger |
Camporesults[].response.request_id | Tipostring |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoEstrutura em linha documentada inválida, chaves duplicadas, identidade do item inválida ou conflito com as capacidades configuradas do modelo. | Passo seguinteCorrija os campos indicados antes de qualquer novo envio. |
Resposta401 · authentication_error | CondiçãoChave de API inválida. | Passo seguinteUse a chave Ailoot autorizada. |
Resposta403 · permission_error | CondiçãoGrupo de processamento em lote indisponível. | Passo seguinteVerifique os direitos de acesso da chave/do grupo. |
Resposta422 · invalid_request_error | CondiçãoO processamento em lote usa faturação por débito do saldo; a criação com subscrição é rejeitada. | Passo seguinteUse o grupo autorizado com faturação por débito do saldo. |
Resposta422 · price_unavailable | CondiçãoNão é possível calcular uma estimativa de preço para os dados de entrada do lote. | Passo seguinteConserve a resposta; use os dados de entrada documentados para a família. |
Resposta402 · billing_error | CondiçãoReserva para processamento em lote indisponível. | Passo seguinteResolva a questão da admissão antes de um novo pedido. |
Resposta503 · price_unavailable | CondiçãoPreço do método de processamento em lote/tarifas nativas indisponíveis. | Passo seguinteConserve a resposta; não substitua os preços. |
Resposta503 · api_error | CondiçãoA rota exata do fornecedor está indisponível. | Passo seguinteConserve a resposta para corrigir a rota. |
Resposta503 · result_pending_check | CondiçãoO resultado original requer verificação; X-Should-Retry:false. | Passo seguinteGuarde o operation_id/id original e consulte o respetivo estado; nunca repita o POST original. |
Resposta404 · not_found | CondiçãoA operação de consulta do estado do lote não existe ou pertence a outra identidade. | Passo seguinteUse o id original exato e o mesmo utilizador/chave/grupo. |
Ailoot Ultra openai/o3-mini:batch
Use os caminhos dos métodos indicados acima.