o4-mini (High) betecknar OpenAI:s o4-mini med resonemangsinsatsen high. Grundmodellen är en mindre resonemangsmodell i o-serien med fokus på kodning, matematik och visuella uppgifter. Den tar emot text och bilder och producerar text. High beskriver den resonemangsnivå som tillämpas på uppgiften och håller grundmodellens o4-mini-identitet åtskild från en ny fristående modellutgåva.
En praktisk tillämpning är ett tekniskt problem med flera villkor som påverkar lösningen. Tillhandahåll hela problemformuleringen, relevant kod eller matematiska definitioner och de begränsningar svaret måste uppfylla. En illustrativ begäran kan jämföra två algoritmiska tillvägagångssätt, förklara vilka villkor vart och ett beror på och föreslå en lösning knuten till angivna indata och resultat. Begär slutsatsen och det underlag som behövs för att kontrollera den i stället för att föreskriva varje intern tanke.
För en visuell uppgift tillhandahåller du schemat, diagrammet eller skärmbilden och förklarar den relevanta detaljen. Tillverkarens lansering av o3/o4-mini beskriver resonemang med bilder och verktygsanvändning när verktygen bidrar med användbart underlag. En skriftlig fråga kan knyta det visuella sambandet till ett matematiskt eller tekniskt villkor. När miljön tillhandahåller en beräkning eller ett annat verktygsresultat bevarar du faktiska utdata så att nästa beslut får en konkret grund.
OpenAI:s specifikation för o4-mini anger ett kontextfönster på 200 000 token, högst 100 000 utdatatoken och en kunskapsgräns den 1 juni 2024. Både resonemang och det synliga svaret använder tokenutrymme. High ger uppgiften mer resonemangsarbete och kan kräva mer tid; det är åtskilt från slutsvarets begärda längd eller format. Ordna det användbara materialet och lämna plats för både analys och resultat.
Tillverkaren anger gränssnitten Responses, Chat Completions och Batch, strömning, Structured Outputs, funktionsanrop, fil- och bildindata, filsökning, promptcache och möjligheter till modellfinjustering. De dokumenterade verktygen omfattar funktioner, filsökning, kodtolkning, MCP-anslutningar och webbsökning. Applikationer exponerar sina operationer, utför sina egna åtgärder och returnerar faktiska resultat; modellens direkta utdata förblir text.
Definiera ett slutvillkor som passar uppgiften. För ett program begär du det berörda beteendet, föreslagna ändringar och resultatet av kontroller som faktiskt utförts. För en matematisk eller visuell analys anger du nödvändig notation, precision eller slutsats och de villkor som motiverar den. En användbar slutlig artefakt är en bestämd lösning, ett kodförslag eller en strukturerad förklaring vars viktiga val kan jämföras med det tillhandahållna problemet och underlaget.
", "aboutText": "o4-mini (High) betecknar OpenAI:s o4-mini med resonemangsinsatsen high. Grundmodellen är en mindre resonemangsmodell i o-serien med fokus på kodning, matematik och visuella uppgifter. Den tar emot text och bilder och producerar text. High beskriver den resonemangsnivå som tillämpas på uppgiften och håller grundmodellens o4-mini-identitet åtskild från en ny fristående modellutgåva.\n\nEn praktisk tillämpning är ett tekniskt problem med flera villkor som påverkar lösningen. Tillhandahåll hela problemformuleringen, relevant kod eller matematiska definitioner och de begränsningar svaret måste uppfylla. En illustrativ begäran kan jämföra två algoritmiska tillvägagångssätt, förklara vilka villkor vart och ett beror på och föreslå en lösning knuten till angivna indata och resultat. Begär slutsatsen och det underlag som behövs för att kontrollera den i stället för att föreskriva varje intern tanke.\n\nFör en visuell uppgift tillhandahåller du schemat, diagrammet eller skärmbilden och förklarar den relevanta detaljen. Tillverkarens lansering av o3/o4-mini beskriver resonemang med bilder och verktygsanvändning när verktygen bidrar med användbart underlag. En skriftlig fråga kan knyta det visuella sambandet till ett matematiskt eller tekniskt villkor. När miljön tillhandahåller en beräkning eller ett annat verktygsresultat bevarar du faktiska utdata så att nästa beslut får en konkret grund.\n\nOpenAI:s specifikation för o4-mini anger ett kontextfönster på 200 000 token, högst 100 000 utdatatoken och en kunskapsgräns den 1 juni 2024. Både resonemang och det synliga svaret använder tokenutrymme. High ger uppgiften mer resonemangsarbete och kan kräva mer tid; det är åtskilt från slutsvarets begärda längd eller format. Ordna det användbara materialet och lämna plats för både analys och resultat.\n\nTillverkaren anger gränssnitten Responses, Chat Completions och Batch, strömning, Structured Outputs, funktionsanrop, fil- och bildindata, filsökning, promptcache och möjligheter till modellfinjustering. De dokumenterade verktygen omfattar funktioner, filsökning, kodtolkning, MCP-anslutningar och webbsökning. Applikationer exponerar sina operationer, utför sina egna åtgärder och returnerar faktiska resultat; modellens direkta utdata förblir text.\n\nDefiniera ett slutvillkor som passar uppgiften. För ett program begär du det berörda beteendet, föreslagna ändringar och resultatet av kontroller som faktiskt utförts. För en matematisk eller visuell analys anger du nödvändig notation, precision eller slutsats och de villkor som motiverar den. En användbar slutlig artefakt är en bestämd lösning, ett kodförslag eller en strukturerad förklaring vars viktiga val kan jämföras med det tillhandahållna problemet och underlaget.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
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 med resonemangsinsatsen High för kodning, matematik och visuella uppgifter med sammanhängande villkor. Den tar emot text och bilder och returnerar text, med verktyg tillgängliga genom applikationens arbetsmiljö.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
o4-mini (High) betecknar OpenAI:s o4-mini med resonemangsinsatsen high. Grundmodellen är en mindre resonemangsmodell i o-serien med fokus på kodning, matematik och visuella uppgifter. Den tar emot text och bilder och producerar text. High beskriver den resonemangsnivå som tillämpas på uppgiften och håller grundmodellens o4-mini-identitet åtskild från en ny fristående modellutgåva.
En praktisk tillämpning är ett tekniskt problem med flera villkor som påverkar lösningen. Tillhandahåll hela problemformuleringen, relevant kod eller matematiska definitioner och de begränsningar svaret måste uppfylla. En illustrativ begäran kan jämföra två algoritmiska tillvägagångssätt, förklara vilka villkor vart och ett beror på och föreslå en lösning knuten till angivna indata och resultat. Begär slutsatsen och det underlag som behövs för att kontrollera den i stället för att föreskriva varje intern tanke.
För en visuell uppgift tillhandahåller du schemat, diagrammet eller skärmbilden och förklarar den relevanta detaljen. Tillverkarens lansering av o3/o4-mini beskriver resonemang med bilder och verktygsanvändning när verktygen bidrar med användbart underlag. En skriftlig fråga kan knyta det visuella sambandet till ett matematiskt eller tekniskt villkor. När miljön tillhandahåller en beräkning eller ett annat verktygsresultat bevarar du faktiska utdata så att nästa beslut får en konkret grund.
OpenAI:s specifikation för o4-mini anger ett kontextfönster på 200 000 token, högst 100 000 utdatatoken och en kunskapsgräns den 1 juni 2024. Både resonemang och det synliga svaret använder tokenutrymme. High ger uppgiften mer resonemangsarbete och kan kräva mer tid; det är åtskilt från slutsvarets begärda längd eller format. Ordna det användbara materialet och lämna plats för både analys och resultat.
Tillverkaren anger gränssnitten Responses, Chat Completions och Batch, strömning, Structured Outputs, funktionsanrop, fil- och bildindata, filsökning, promptcache och möjligheter till modellfinjustering. De dokumenterade verktygen omfattar funktioner, filsökning, kodtolkning, MCP-anslutningar och webbsökning. Applikationer exponerar sina operationer, utför sina egna åtgärder och returnerar faktiska resultat; modellens direkta utdata förblir text.
Definiera ett slutvillkor som passar uppgiften. För ett program begär du det berörda beteendet, föreslagna ändringar och resultatet av kontroller som faktiskt utförts. För en matematisk eller visuell analys anger du nödvändig notation, precision eller slutsats och de villkor som motiverar den. En användbar slutlig artefakt är en bestämd lösning, ett kodförslag eller en strukturerad förklaring vars viktiga val kan jämföras med det tillhandahållna problemet och underlaget.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser openai/o4-mini-high | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0022 / 1K token Utdata · Utdatatoken $0.0088 / 1K token Indata · Cacheläsning $0.00055 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0022 / 1K token Utdata · Utdatatoken $0.0088 / 1K token Indata · Cacheläsning $0.00055 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra openai/o4-mini-high
Använd metodsökvägarna som visas ovan.
openai/o4-mini-higho4-mini med resonemangsinsatsen High för kodning, matematik och visuella uppgifter med sammanhängande villkor. Den tar emot text och bilder och returnerar text, med verktyg tillgängliga genom applikationens arbetsmiljö.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
o4-mini (High) betecknar OpenAI:s o4-mini med resonemangsinsatsen high. Grundmodellen är en mindre resonemangsmodell i o-serien med fokus på kodning, matematik och visuella uppgifter. Den tar emot text och bilder och producerar text. High beskriver den resonemangsnivå som tillämpas på uppgiften och håller grundmodellens o4-mini-identitet åtskild från en ny fristående modellutgåva.
En praktisk tillämpning är ett tekniskt problem med flera villkor som påverkar lösningen. Tillhandahåll hela problemformuleringen, relevant kod eller matematiska definitioner och de begränsningar svaret måste uppfylla. En illustrativ begäran kan jämföra två algoritmiska tillvägagångssätt, förklara vilka villkor vart och ett beror på och föreslå en lösning knuten till angivna indata och resultat. Begär slutsatsen och det underlag som behövs för att kontrollera den i stället för att föreskriva varje intern tanke.
För en visuell uppgift tillhandahåller du schemat, diagrammet eller skärmbilden och förklarar den relevanta detaljen. Tillverkarens lansering av o3/o4-mini beskriver resonemang med bilder och verktygsanvändning när verktygen bidrar med användbart underlag. En skriftlig fråga kan knyta det visuella sambandet till ett matematiskt eller tekniskt villkor. När miljön tillhandahåller en beräkning eller ett annat verktygsresultat bevarar du faktiska utdata så att nästa beslut får en konkret grund.
OpenAI:s specifikation för o4-mini anger ett kontextfönster på 200 000 token, högst 100 000 utdatatoken och en kunskapsgräns den 1 juni 2024. Både resonemang och det synliga svaret använder tokenutrymme. High ger uppgiften mer resonemangsarbete och kan kräva mer tid; det är åtskilt från slutsvarets begärda längd eller format. Ordna det användbara materialet och lämna plats för både analys och resultat.
Tillverkaren anger gränssnitten Responses, Chat Completions och Batch, strömning, Structured Outputs, funktionsanrop, fil- och bildindata, filsökning, promptcache och möjligheter till modellfinjustering. De dokumenterade verktygen omfattar funktioner, filsökning, kodtolkning, MCP-anslutningar och webbsökning. Applikationer exponerar sina operationer, utför sina egna åtgärder och returnerar faktiska resultat; modellens direkta utdata förblir text.
Definiera ett slutvillkor som passar uppgiften. För ett program begär du det berörda beteendet, föreslagna ändringar och resultatet av kontroller som faktiskt utförts. För en matematisk eller visuell analys anger du nödvändig notation, precision eller slutsats och de villkor som motiverar den. En användbar slutlig artefakt är en bestämd lösning, ett kodförslag eller en strukturerad förklaring vars viktiga val kan jämföras med det tillhandahållna problemet och underlaget.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser openai/o4-mini-high | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0022 / 1K token Utdata · Utdatatoken $0.0088 / 1K token Indata · Cacheläsning $0.00055 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0022 / 1K token Utdata · Utdatatoken $0.0088 / 1K token Indata · Cacheläsning $0.00055 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "openai/o4-mini-high",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra openai/o4-mini-high
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
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.