OpenAI: GPT-4o-mini (batch)

GPT-4o Mini är OpenAI:s lilla modell i GPT-4o-familjen för avgränsat arbete. Den tar emot text och bilder och producerar text, inklusive Structured Outputs. Den är användbar när en applikation behöver ett kort svar på en väl specificerad förfrågan: extrahera fält, utveckla ett svar från tillhandahållet referensmaterial eller utföra ett avgränsat steg i en större process.

För ett supportsvar anger du det inkommande meddelandet, relevanta policyutdrag och de fakta som redan har fastställts i samtalet. Be om ett kort förslag till svar och ange vilken information som fortfarande behövs från avsändaren. För dokumentextraktion definierar du fälten, förklarar hur saknade värden ska hanteras och bevarar en etikett som kopplar varje resultat till dess källa. Samma arbetssätt kan ge en klassificering, en bearbetad passage eller en förklaring av en liten kodändring utan att behandla modellen som en ersättning för applikationens omgivande logik.

Tillverkaren anger ett kontextfönster på 128 000 token, högst 16 384 token i utdata och en kunskapsgräns den 1 oktober 2023. Källmaterialet, samtalet och den genererade utdata upptar kontexten tillsammans. Håll viktiga tidigare fakta synliga och ange det slutresultat som behövs. GPT-4o Mini är en separat liten modell, inte ett läge för utdatalängd hos fullständiga GPT-4o; dess egen identitet och dess egna förmågor ska styra uppgiften även när de två modellerna delar specifikationer.

Bilder kan ge en skärmbild, en dokumentsida, ett fotografi eller ett diagram. OpenAI:s bildarbetsflöde accepterar PNG, JPEG, WebP och icke-animerad GIF, med detaljnivåerna low, high eller auto för den här familjen. Högre detaljnivå använder tillverkarens hantering av bilden i delar. Håll viktiga etiketter läsbara och rättvända och förklara vilken del av bilden som ska ligga till grund för svaret. Fina rumsliga relationer, exakta antal föremål, ovanliga bildprojektioner och viss text med andra än latinska skriftsystem är dokumenterade svårigheter. En avgränsad fråga gör ett visuellt svar lättare att jämföra med det ursprungliga underlaget. I OpenAI:s dokumenterade bildarbetsflöde är den totala datamängden i förfrågan begränsad till 512 MB och en förfrågan kan innehålla upp till 1 500 bilder; bilderna och texten måste också rymmas i modellens kontext.

Tillverkarens filarbetsflöde skickar extraherad text och sidbilder från PDF-filer till modeller med bildförståelse. Andra kontors- och textfiler bidrar med extraherad text, så deras inbäddade bilder och diagram behöver en PDF-representation när dessa visuella delar är viktiga. Komplettering av kalkylbladsdata använder upp till de första 1 000 raderna per blad. Varje fil måste vara mindre än 50 MB, med en sammanlagd gräns på 50 MB per förfrågan. Chat Completions accepterar PDF-fildelar; det dokumenterade Responses-arbetsflödet accepterar en bredare uppsättning filformat. Bevara sid-, rad- eller avsnittsidentifierare i det material som används för extraktion.

Strömning returnerar text stegvis. Structured Outputs begränsar ett färdigt svar till den delmängd av JSON Schema som stöds, medan en begäran om JSON-läge endast säkerställer giltig JSON. Ange de obligatoriska fälten och tillåtna värdena, inklusive ett uttryckligt sätt att representera saknat underlag. Applikationer behöver hantera avböjanden och ofullständiga svar separat. Ett schema kan göra resultatet lämpligt för nästa steg, men värdena behöver fortfarande återspegla den faktiska källan och inte en påhittad ifyllnad av ett tomt fält.

GPT-4o Mini stöder funktionsanrop och tillverkarens verktygsorienterade arbetsflöden med webbsökning, filsökning, kodtolkning och MCP-anslutningar. Beskriv en tillgänglig funktion, låt applikationen utföra den begärda operationen och returnera sin observation innan modellen utvecklar ett uppföljande svar. OpenAI stöder också ett separat bildgenereringsverktyg i det konfigurerade Responses-arbetsflödet. Bilder som skapas av det verktyget är separata artefakter; modellens dokumenterade egna utdata är fortfarande text. Sökning och verktygsanvändning är konfigurerade aktiviteter och bevisar inte att varje svar har hämtat aktuell information.

Predicted Outputs stöder återskapande av ett till stor del känt dokument eller en kodfil med en liten ändring. Ange det tidigare innehållet och den exakta ändringen och jämför sedan det resulterande materialet med den förfrågan. Prediktionsvägen stöder endast text och går inte att kombinera med funktionsanrop; logprobs, max_completion_tokens och flera andra inställningar är också uteslutna. En vanlig förfrågan som använder verktyg är en annan väg när svaret beror på en ny sökning eller beräkning.

OpenAI dokumenterar finjustering för den här modellen och beskriver hur en större modells utdata kan användas för att lära en mindre GPT-4o Mini-modell en specialiserad uppgift. Detta destilleringsarbetsflöde ger en anpassad modell; det ändrar inte identiteten hos ett vanligt Mini-svar. För en vanlig förfrågan fastställer du uppgiften och utdataformatet med tydliga exempel och använder sedan en avgränsad uppföljning för att bearbeta samma resultat. Ett användbart slutresultat förblir kopplat till källans fakta, den avsedda läsaren och det applikationssteg som använder det.