O4 Mini High
Rede Neural
Modelo de raciocínio compacto da OpenAI com alto esforço: o4-mini-high para código, matemática e tarefas de engenharia.
Comprimento máximo de resposta
(em tokens)
Tamanho do contexto
(em tokens)
Custo do prompt
(por 1M tokens)
Custo da resposta
(por 1M tokens)
Como funciona O4 Mini High?
O o4-mini-high é o o4-mini da OpenAI com o parâmetro reasoning_effort definido como 'high': o mesmo modelo compacto da série o, mas com uma cadeia de raciocínio mais longa antes da resposta. A aposta da série o é velocidade e eficiência computacional, permitindo obter uma análise detalhada sem um modelo pesado. Através do BotHub, funciona sem VPN ou cartão estrangeiro: pagamento com cartões russos em rublos conforme o uso, e tokens não utilizados não expiram. Outros modelos estão disponíveis na mesma janela para fácil comparação, e uma API compatível com OpenAI permite alternar entre eles sem reescrever a integração. Para equipes, estão disponíveis contratos, faturas, EDI e painel administrativo com limites, com dados criptografados via AES-GCM. Útil para resolver problemas matemáticos ou físicos de várias etapas, encontrar bugs intermitentes, projetar e refatorar módulos, criar agentes com chamadas de função ou executar séries de consultas analíticas.Perguntas frequentes sobre O4 Mini High
Você pode usar os resultados da geração para fins comerciais. Todos os direitos sobre o conteúdo criado pertencem a você. A única restrição: certifique-se de que a solicitação não inclua materiais de terceiros protegidos por direitos autorais. A responsabilidade pelo cumprimento dos direitos sobre os dados de entrada é do usuário.
É um modelo de raciocínio compacto da OpenAI com contexto de 200.000 tokens. Adequado para tarefas STEM, matemática e lógica, análise e depuração de código, e análise de documentos longos e imagens. Útil onde conclusões passo a passo são necessárias, não apenas respostas rápidas.
O limite de saída é de até 100.000 tokens por resposta. Isso é suficiente para documentação extensa, um grande módulo de código, análise detalhada de problemas ou relatórios analíticos longos. Lembre-se de que o raciocínio do modelo também consome tokens.
Sim, o raciocínio antes da resposta é confirmado. O modelo processa a tarefa internamente antes de fornecer o resultado, lidando melhor com matemática, cadeias lógicas e depuração de código, onde a sequência de passos é mais importante que a velocidade.
Sim, o modelo suporta 'function calling' e saída estruturada em JSON. Você pode conectá-lo a ferramentas externas, bancos de dados e serviços próprios via API compatível com OpenAI do BotHub, alternando entre modelos sem reescrever a integração.
Além de texto, aceita imagens e documentos, incluindo processamento nativo de arquivos. Você pode pedir para analisar capturas de tela, diagramas, gráficos ou PDFs de várias páginas. Áudio e vídeo não estão listados como formatos de entrada suportados em nossos dados.
Os modelos OpenAI desta geração são treinados em dados multilíngues e trabalham bem com textos em russo: entendem consultas, analisam documentos e códigos com comentários em russo. A interface do BotHub e o pagamento com cartões em rublos estão disponíveis na Rússia sem VPN ou cartão estrangeiro.