o4-mini

Az OpenAI o4-mini az o-sorozat legújabb, könnyű modellje, amelyet hatékony és képes gondolkodásra terveztek szöveges és vizuális feladatokban. A sebesség és teljesítmény optimalizálásával kiemelkedik a kódgenerálásban és a képalapú megértésben, miközben megőrzi a késleltetés és a gondolkodás mélysége közötti egyensúlyt. A modell 200 000 tokenes kontextusablakot támogat, legfeljebb 100 000 kimeneti tokenig, ami lehetővé teszi a kiterjedt, nagy mennyiségű interakciókat. Kezeli a szöveges és képes bemeneteket is, szöveges kimeneteket állít elő fejlett gondolkodási képességekkel. Kompakt architektúrájával és sokoldalú teljesítményével az o4-mini ideális számos valós alkalmazáshoz, amelyek gyors és költséghatékony intelligenciát igényelnek.

o3

Az OpenAI o3 az OpenAI legfejlettebb gondolkodási modellje, amelyet kifejezetten összetett, magas kognitív igényű feladatok kezelésére terveztek. 2025 áprilisában jelent meg, kiváló teljesítményt nyújtva a szoftverfejlesztésben, matematikában és tudományos problémamegoldásban. A modell három szintű gondolkodási erőfeszítést vezet be – alacsony, közepes és magas –, lehetővé téve a felhasználók számára, hogy a feladat összetettsége alapján mérlegeljenek a késleltetés és a gondolkodás mélysége között. Az o3 támogatja a fejlesztők számára nélkülözhetetlen eszközöket, beleértve a függvényhívásokat, strukturált kimeneteket és rendszerszintű üzeneteket. Beépített látási képességekkel az o3 képes képeket értelmezni és elemezni, ami multimodális alkalmazásokhoz teszi alkalmassá. Elérhető a Chat Completions API, az Assistants API és a Batch API segítségével, rugalmas integrációt biztosítva vállalati és kutatási munkafolyamatokba.

o4-minio3
Szolgáltató
Weboldal
Kiadási Dátum
Apr 16, 2025
1 hét ago
Apr 16, 2025
1 hét ago
Modalitások
szöveg ?
képek ?
szöveg ?
képek ?
API Szolgáltatók
OpenAI API
OpenAI API
Tudás Befejezési Dátuma
-
-
Nyílt Forráskódú
Nem
Nem
Bemeneti Árazás
$1.10 millió tokenenként
$10.00 millió tokenenként
Kimeneti Árazás
$4.40 millió tokenenként
$40.00 millió tokenenként
MMLU
fort
82.9%
Forrás
MMLU Pro
-
-
MMMU
81.6%
Forrás
-
HellaSwag
-
-
HumanEval
14.28%
Forrás
-
MATH
-
-
GPQA
81.4%
Forrás
83.3%
Diamond, no tools
Forrás
IFEval
-
-
Mobilalkalmazás

LLM-ek Összehasonlítása

Hozzászólás Hozzáadása


10%
Webhelyünk sütiket használ

Ez az oldal sütiket használ. A webhely további használatával Ön elfogadja azok használatát.