o3-mini

o3-mini

o3 Mini reprend les éléments mis en avant par les sources : cost-efficient o-series raisonnement model. Sa valeur principale se situe dans tâches STEM, mathématiques, science, programmation and faible latence raisonnement. La description doit donc insister sur ces caractéristiques propres au modèle, plutôt que le présenter comme un chatbot générique.

Context Window

200K tokens

Maximum Output

100K tokens

Release Date

20 déc. 2024

Modalities

Prix de o3-mini

Prix entrée	Prix sortie	Lecture cache
$1.1/M	$4.4/M	$0.55/M

Fonctionnalités API de o3-mini

Reasoning

Supported

Tool calling

Supported

Temperature parameter

Not supported

Attachments

Not supported

Knowledge Base

2024-05-01

Endpoint Protocols

Completions APIMessages APIgemini

Points forts de o3-mini

o3-mini fournit un raisonnement textuel compact, un long contexte et une exécution structurée pour les charges analytiques ciblées.

Raisonnement compact

Apporte des capacités de raisonnement dans un modèle réduit pour les tâches nécessitant une certaine profondeur avec des contraintes de latence et de coût.

Long contexte textuel

Prend en charge une fenêtre de 200 000 jetons pour raisonner sur de longs textes, du code et des enregistrements structurés.

Contrôle des sorties structurées

Organise les résultats analytiques selon des schémas cohérents afin de faciliter leur traitement fiable par les systèmes en aval.

Cas d’usage de o3-mini

o3-mini convient aux tâches de raisonnement textuel comme l’analyse de politiques, la conversion texte-SQL et l’extraction structurée d’entités.

Analyse de politiques

Lit de longues politiques, évalue un cas selon les conditions énoncées et explique la décision obtenue.

Conversion texte-SQL

Traduit des questions analytiques et des schémas de base de données en requêtes SQL, puis en explique la logique.

Extraction de relations d’entités

Identifie les entités et leurs relations dans de grands corpus textuels et produit des enregistrements adaptés aux graphes ou bases de données.

Comment utiliser o3-mini via l’API TokenHub

Create API key

import OpenAI from "openai"

const client = new OpenAI({
  apiKey: process.env.TOKENHUB_API_KEY,
  baseURL: "https://us-api.tokenhub.com/v1",
})

const result = await client.chat.completions.create({})
console.log(result.choices[0]?.message?.content)

Benchmark de o3-mini

Score d’indice
Artificial Analysis Intelligence IndexL’indice d’intelligence d’Artificial Analysis synthétise les capacités générales du modèle dans plusieurs familles d’évaluation.	Synthèse générale des capacités par Artificial Analysis	18.4
Artificial Analysis Coding IndexL’indice de programmation d’Artificial Analysis synthétise les performances du modèle en programmation et en ingénierie logicielle.	Synthèse des tâches logicielles par Artificial Analysis	17.3
Connaissances et raisonnement
MMLU-ProMMLU-Pro évalue un large éventail de connaissances académiques et professionnelles avec des questions plus difficiles que le MMLU d’origine.	Connaissances multitâches avancées	80.2%
GPQAGPQA est un benchmark scientifique de niveau universitaire supérieur conçu pour évaluer le raisonnement expert.	Résolution avancée de problèmes scientifiques	77.3%
HLEHLE est un benchmark vaste et exigeant qui évalue les connaissances et le raisonnement de niveau expert dans de nombreux domaines.	Large ensemble d’examens de niveau expert	12.3%
Programmation et ingénierie
LiveCodeBenchLiveCodeBench évalue les capacités de programmation sur des problèmes récents afin de limiter la contamination des données d’évaluation.	Problèmes de programmation récents	73.4%
SciCodeSciCode évalue la programmation Python appliquée au calcul scientifique, notamment l’implémentation d’algorithmes à partir d’un contexte scientifique.	Défis de programmation scientifique	39.8%
Terminal-Bench HardTerminal-Bench Hard évalue la capacité d’un agent IA à accomplir des tâches difficiles dans un environnement de terminal.	Exécution de tâches complexes dans un terminal	6.1%
Mathématiques
MATH-500MATH-500 évalue la résolution de problèmes mathématiques sur une sélection de questions exigeantes.	Résolution avancée de problèmes mathématiques	98.5%
AIMEAIME mesure le raisonnement mathématique sur des problèmes de type compétition.	Problèmes de mathématiques de compétition	86%
Respect des instructions et tâches d’agent
IFBenchIFBench mesure la fiabilité avec laquelle un modèle respecte des instructions et des contraintes détaillées.	Respect des contraintes du prompt	67.1%
AA-LCRAA-LCR mesure la qualité du raisonnement sur de longues fenêtres de contexte.	Raisonnement en contexte long	39.3%
τ²-Benchτ²-Bench évalue les agents conversationnels dans des workflows réalistes soumis à des contraintes d’outils et d’état.	Tâches de workflow agentique	31.3%

Mesures provenant de Artificial Analysis

FAQ sur o3 Mini

Capacités, usages, limites et guide TokenHub pour o3 Mini.

Comment comprendre o3 Mini en équipe ?+

o3 Mini est un modèle proposé par OpenAI pour le raisonnement STEM et code à coût maîtrisé.

À quoi o3 Mini convient-il le mieux ?+

Idéal pour le raisonnement mathématique, le raisonnement scientifique et le raisonnement sur le code, surtout si l’objectif est la vitesse et la maîtrise des coûts.

Quel est l’atout principal de o3 Mini ?+

Atout clé : un solide raisonnement STEM et code dans un petit modèle texte.

o3 Mini est-il toujours le meilleur choix ?+

Il est obsolète ou remplacé, donc peu adapté comme choix par défaut pour une nouvelle intégration. Pour une nouvelle intégration, préférez GPT-5.4 Mini.

Quelle est la configuration la plus sûre ?+

Vérifiez sa disponibilité; utilisez le modèle actuellement recommandé pour une nouvelle intégration.

Prêt à utiliser o3-mini ?

Accédez à o3-mini et à d’autres modèles d’IA avec une seule clé API TokenHub.

Créer une clé API