OpenAI: o4 Mini (batch)

o4-mini är OpenAI:s kompakta resonemangsmodell i o-serien, optimerad för snabbt och effektivt resonemang i kodning och visuella uppgifter. Den tar emot text och bilder och producerar text. Dess användbara roll är ett definierat tekniskt problem som behöver analys före svaret: att förstå ett kodfel, tolka ett diagram, knyta samman fakta i tillhandahållet material eller producera ett strukturerat resultat som nästa steg kan använda.

För kodning ger du modellen relevant funktion eller relevanta filer, förväntat beteende och de exakta felande indata eller felet. Ta med de språk- och miljödetaljer som påverkar resultatet. En avgränsad begäran kan fråga efter den sannolika orsaken, en liten föreslagen korrigering och en förklaring av hur ändringen hanterar det observerade beteendet. Definiera ändringens gräns, som att bevara det publika gränssnittet eller befintliga datas innebörd, så att resultatet kan granskas mot den faktiska uppgiften.

För ett visuellt problem tillhandahåller du en läsbar skärmbild, ett schema eller ett diagram och identifierar frågan det ska besvara. Håll betydelsefulla beteckningar, axlar och enheter synliga. Ett illustrativt underlag kan be om en förklaring av vad ett diagram stöder, identifiering av de observationer som används och en åtskillnad mellan ett synligt värde och en härledning. För en dokumentuppgift märker du upp källmaterialet och definierar de fält eller samband som behövs i svaret. En kompakt modell har fortfarande nytta av fullständig probleminformation och en exakt begäran om utdata.

OpenAI anger ett kontextfönster på 200 000 token, högst 100 000 utdatatoken och en kunskapsgräns den 1 juni 2024. Resonemangstoken förbrukar både kontext- och utdatakapacitet, så lämna plats för analys och slutsvaret i stället för att fylla hela utrymmet med indata. Att nå en kontext- eller utdatagräns kan ge ett ofullständigt svar innan något synligt svar har lämnats. Ett kort slutsvar kan ändå kräva internt resonemang; dess synliga längd beskriver inte ensam hela tokenbudgeten.

Den exakta modellsidan för o4-mini anger gränssnitten Chat Completions, Responses, Batch och finjustering. Dess dokumenterade funktioner omfattar strömning, Structured Outputs, funktionsanrop, filuppladdningar, bildindata, filsökning, promptcache och finjustering. Verktygsuppsättningen anger webb- och filsökning, kodtolkning och MCP-anslutningar. Ge ett applikationsverktyg ett tydligt syfte och indatakontrakt, returnera det faktiska resultatet och be modellen använda resultatet för nästa beslut. Ett begärt funktionsanrop är ett åtgärdsförslag, medan ett strukturerat slutsvar ordnar den information uppgiften producerar.

OpenAI:s promptvägledning för o-serien rekommenderar ett enkelt, direkt mål med uttryckliga begränsningar och tydliga avgränsare runt källmaterialet. Låt modellen arbeta igenom problemet internt; begär den slutliga förklaring, det underlag eller den beräkning du behöver i stället för en utskrift av dolt resonemang. Pröva först ett tydligt uppgiftsunderlag och lägg sedan till exempel när ett nödvändigt format eller en kategorigräns fortfarande är oklar. Ett exempel ska visa samma regler som den verkliga uppgiften, inklusive hur saknad information ska representeras.

För applikationer som behöver en valfri förklaring av resonemangsprocessen dokumenterar OpenAI:s resonemangsguide uttryckligen detaljerade resonemangssammanfattningar för o4-mini. En sammanfattning måste begäras och skiljer sig från de råa interna resonemangstoken som inte exponeras. Slutsvaret måste fortfarande innehålla det resultat användaren begärde: exempelvis en föreslagen kodändring, en diagramtolkning med relevanta observationer eller extraherade fält knutna till tillhandahållet material. Tillhandahåll aktuella fakta när de är relevanta, verifiera viktiga påståenden mot deras källa och använd en avgränsad uppgift och ett slutvillkor för att hålla arbetsflödet fokuserat.