OpenAI: o3 (batch)

o3 é o modelo de raciocínio de uso geral da série o da OpenAI para tarefas complexas. O fabricante destaca matemática, ciência, programação, raciocínio visual, escrita técnica e cumprimento de instruções. Aceita texto e imagens e produz texto, pelo que uma tarefa pode combinar um problema escrito, código e um diagrama, em vez de tratar cada fonte como uma pergunta isolada. O resultado pretendido é uma resposta ponderada a um problema com vários passos, com a informação necessária para avaliar essa resposta.

Para uma pergunta matemática ou científica, forneça o problema completo, as definições, as quantidades conhecidas, as unidades e as restrições. Indique se precisa de uma dedução, um resultado numérico, uma comparação de hipóteses ou uma explicação para um público específico. Um exemplo de instruções para a saída é: identificar os pressupostos relevantes, apresentar a solução com as suas unidades e explicar quais os factos fornecidos que a sustentam. Peça uma explicação útil na resposta final; os tokens internos de raciocínio da OpenAI não são expostos como a sequência bruta de trabalho do modelo.

Para trabalho de software, forneça o código relevante, o comportamento esperado e a falha observada, incluindo o erro exato ou a entrada que o revela. Peça a o3 para relacionar os sintomas com uma causa plausível e propor uma alteração focada com uma explicação. Uma tarefa visual pode incluir um diagrama, uma captura de ecrã ou um resultado representado num gráfico: identifique a pergunta e os rótulos ou a região relevantes, mantenha uma escala legível e peça uma conclusão ligada ao que é efetivamente visível. Estes passos de preparação dão ao modelo um problema definido e uma saída concreta, em vez de um pedido sem limites para inspecionar tudo.

A OpenAI lista uma janela de contexto de 200 000 tokens, uma saída máxima de 100 000 tokens e uma data limite de conhecimentos de 1 de junho de 2024. O raciocínio interno usa a capacidade do contexto e da saída juntamente com a resposta visível. A saída máxima não é, por isso, uma promessa de 100 000 tokens de resposta visível e o contexto não é uma capacidade de saída adicional independente. Deixe espaço após o material de entrada para a análise e o resultado pedido. O guia de raciocínio do produtor descreve respostas incompletas quando se atinge um limite de contexto ou saída; isto pode acontecer antes de aparecer uma resposta visível.

A especificação exata de o3 documenta as interfaces Chat Completions, Responses e Batch, juntamente com transmissão em contínuo, Structured Outputs, chamadas de funções, carregamento de ficheiros, imagens à entrada, pesquisa em ficheiros e cache de prompts. As ferramentas documentadas incluem pesquisa na Web e em ficheiros, interpretação de código, geração de imagens e ligações MCP. Um resultado de pesquisa ou um cálculo são elementos adicionais para a tarefa, enquanto uma chamada de função pede uma operação à aplicação envolvente. Mantenha os elementos devolvidos associados à pergunta a que respondem e distinga uma ação proposta de um resultado confirmado. A saída do próprio modelo continua a ser texto mesmo quando uma ferramenta de geração de imagens cria um resultado separado.

As orientações de raciocínio da OpenAI favorecem instruções simples e diretas, com limites claros entre instruções e material de origem. Indique o objetivo, as restrições e o formato de resposta obrigatório, em vez de prescrever o processo de pensamento privado do modelo. Use exemplos quando esclarecem um formato difícil ou uma regra de decisão e mantenha esses exemplos coerentes com os requisitos reais. Para um documento técnico longo, identifique secções e peça as passagens ou relações relevantes para uma pergunta específica; para revisão de código, especifique o comportamento e o risco que pretende investigar.

Um resultado útil de o3 pode ser uma explicação técnica desenvolvida, uma análise de um diagrama, uma correção de código documentada ou uma comparação fundamentada no material fornecido. Torne explícitos os pressupostos sem suporte e a informação em falta e verifique os cálculos decisivos ou o comportamento do código face ao problema original. A data limite de conhecimentos significa que factos recentes precisam de material fornecido ou de uma ferramenta de informação adequada. Elementos claros, um critério explícito de conclusão e espaço suficiente para a saída ajudam a transformar uma tarefa ampla de raciocínio num resultado que outra pessoa possa inspecionar e usar.