OpenAI GPT-4o-mini preview avec un contexte étendu pour la génération de texte orientée recherche à faible coût.
Ce modèle est une version préliminaire de GPT-4o-mini d'OpenAI, optimisée pour la génération de texte orientée recherche. Il n'accepte que des entrées textuelles et offre une fenêtre contextuelle de…
Le modèle excelle dans la compréhension et la génération de texte basée sur de grands contextes (jusqu'à 128k tokens) et produit des résultats allant jusqu'à 16 384 tokens. Il conserve les atouts principaux de GPT-4o-mini : inférence rapide, bonne adhésion aux instructions et efficacité économique. Le réglage search-preview améliore probablement sa capacité à extraire des passages pertinents, comparer des informations et répondre à des questions nécessitant l'analyse de longs passages. Il peut être utilisé pour la synthèse, le question-réponse, l'extraction d'informations et les conversations multi-tours tant que l'entrée reste textuelle. Par défaut, il ne prend pas en charge les appels de fonction ni l'utilisation d'outils, mais vous pouvez intégrer des résultats de recherche externes dans votre invite.
De par sa conception, ce modèle est idéal pour les tâches où un utilisateur fournit un long bloc de texte contenant les informations nécessaires pour générer une réponse. Cela inclut des scénarios comme l'analyse d'un ensemble de résultats de recherche (fournis sous forme de texte), la comparaison de descriptions de produits, l'extraction de faits clés d'articles de recherche, ou le résumé de transcriptions de réunions. Le contexte de 128k permet de traiter des livres entiers ou des collections de plusieurs documents en une seule requête. Cependant, il peut ne pas être optimal pour l'écriture créative, la génération de code, ou les tâches nécessitant une compréhension multimodale. Pour celles-ci, envisagez les modèles standard GPT-4o-mini ou GPT-4o.
Si votre tâche est très simple—comme un court Q&R ou une classification—et ne nécessite pas une grande fenêtre de contexte ou un réglage spécifique à la recherche, un modèle moins cher comme GPT-4o-mini (sans preview) ou même GPT-3.5 Turbo pourrait suffire. Le prix du modèle preview est identique à celui de GPT-4o-mini, donc le coût n'est pas un facteur différenciant. Cependant, si la latence est la priorité, GPT-4o-mini est déjà l'un des modèles les plus rapides ; la version preview devrait avoir une vitesse similaire. Si vous n'avez pas besoin de l'accent sur la recherche, le GPT-4o-mini standard peut être plus largement testé et stable.
Le nombre maximal de tokens de sortie par requête est 16 384. Le contexte d’entrée peut aller jusqu’à 128 000 tokens. Ce sont des limites généreuses qui autorisent des réponses longues et des contextes très longs. Cependant, comme le modèle est exclusivement textuel, tous les tokens doivent être du texte. Il n’existe pas de prise en charge native des données structurées comme l’application d’un schéma JSON, bien que vous puissiez demander au modèle de produire du JSON. La version préliminaire peut être soumise à des limites de débit ; lors de l’utilisation d’OrcaRouter, ces limites dépendent de votre niveau de compte et de la disponibilité du fournisseur de backend.
OpenAI n'a pas publié de scores de référence distincts pour ce modèle d'aperçu spécifique. Cependant, le GPT-4o-mini de base est connu pour obtenir des résultats solides sur de nombreux benchmarks NLP tout en étant significativement plus rapide et moins cher que GPT-4o. Les utilisateurs devraient s'attendre à des performances générales similaires, avec potentiellement de meilleurs résultats pour les tâches impliquant la récupération d'informations ou le raisonnement à long contexte grâce à l'ajustement de recherche. Sans benchmarks officiels, il est recommandé d'évaluer le modèle sur votre propre ensemble de test pour jauger son efficacité pour votre domaine.
GPT-4o-mini est l'un des modèles les plus rapides de la famille GPT-4, et cette version préliminaire devrait offrir une latence comparable. Le délai avant le premier token est généralement faible, ce qui le rend adapté aux applications interactives. La latence exacte dépend de la taille de la requête, de la longueur de la sortie et de la charge actuelle du fournisseur. Le contexte de 128k peut augmenter le délai avant le premier token par rapport à des contextes plus courts, mais une fois le streaming commencé, les tokens sont produits rapidement. OrcaRouter n'ajoute pas de surcharge significative ; les appels API sont optimisés pour une latence minimale.
Le principal atout est la combinaison de la rapidité, du faible coût et de la capacité à gérer de très longs contextes. Pour les tâches où la réponse est présente dans le texte fourni, ce modèle peut l'extraire efficacement sans le coût plus élevé de GPT-4o. Il hérite également de la forte capacité à suivre les instructions de GPT-4o-mini. Cependant, il peut ne pas égaler le raisonnement nuancé, la créativité ou la précision factuelle de modèles plus grands comme GPT-4o ou GPT-4 Turbo. Dans les tâches de raisonnement complexes, les grands modèles sont souvent plus performants, mais avec une latence et un coût plus élevés.
En tant qu'aperçu, le modèle peut présenter des bogues non découverts ou un comportement incohérent. Il n'a pas été testé aussi largement que les versions stables. Le réglage de la recherche peut provoquer des sorties inattendues lorsque l'entrée ne contient pas suffisamment d'informations, ce qui peut conduire à des hallucinations. Le modèle ne peut pas utiliser d'outils externes ni naviguer sur le Web, à moins que vous ne fournissiez le contenu pertinent. Si votre tâche nécessite des résultats de recherche Web à jour, vous devez les injecter manuellement dans l'invite. De plus, il ne prend pas en charge les images ou l'audio, ce qui limite son utilisation dans des scénarios multimodaux.
OrcaRouter transmet les prix du fournisseur sans aucune majoration. Pour openai/gpt-4o-mini-search-preview-2025-03-11, le coût est de 0,15 $ par million de tokens d'entrée et de 0,60 $ par million de tokens de sortie. Les tokens d'entrée incluent l'intégralité de l'invite (message système, messages utilisateur et tout historique). Les tokens de sortie sont le texte généré. Il n'y a pas de frais supplémentaires de la part d'OrcaRouter. Cela rend le modèle très abordable pour une utilisation à grand volume, en particulier lors du traitement de longs contextes.
Aucune remise de cache spécifique n'est mentionnée pour ce modèle sur OrcaRouter. La tarification est par token, en mode pay-as-you-go. Certains fournisseurs proposent une mise en cache des prompts qui réduit les coûts pour les préfixes répétés, mais cela n'est pas confirmé pour cet aperçu. Généralement, OpenAI peut offrir une mise en cache pour certains modèles dans son API, mais cet aperçu pourrait ne pas y être éligible. Consultez la documentation d'OpenAI pour les dernières politiques de cache. Sur OrcaRouter, vous êtes facturé au même tarif, quel que soit le mode d'utilisation.
À 0,15 $ en entrée / 0,60 $ en sortie par million de jetons, c'est identique au GPT-4o-mini standard. Cela le rend nettement moins cher que GPT-4o (2,50 $ en entrée / 10 $ en sortie) et GPT-4 Turbo (10 $ en entrée / 30 $ en sortie). C'est plus cher que les modèles plus anciens comme GPT-3.5 Turbo (0,50 $/1,50 $ par million ?). Cependant, la valeur provient du grand contexte et de l'optimisation de la recherche. Si vous avez besoin du contexte complet, l'avantage de coût par rapport aux plus grands modèles est considérable.
Pour utiliser le modèle, définissez l'URL de base de votre API sur `https://api.orcarouter.ai/v1`, votre clé API (depuis OrcaRouter) et l'ID du modèle exactement sur `"openai/gpt-4o-mini-search-preview-2025-03-11"`. Exemple standard avec le client Python OpenAI : ```python client = OpenAI(api_key="your_orcarouter_key", base_url="https://api.orcarouter.ai/v1") response = client.chat.completions.create( model="openai/gpt-4o-mini-search-preview-2025-03-11", messages=[{"role": "user", "content": "Your prompt"}] ) ``` Tous les paramètres standard de complétion de chat sont pris en charge, notamment temperature, max_tokens, top_p, frequency_penalty, presence_penalty et les séquences d'arrêt. Le streaming est disponible en utilisant `stream=True`.
Le modèle supporte les mêmes paramètres que l'API OpenAI Chat Completions. Paramètres clés : temperature (par défaut 1.0, plage 0-2), top_p (par défaut 1.0), max_tokens (par défaut variable, peut être défini jusqu'à 16384), stop (liste de chaînes), frequency_penalty (par défaut 0), presence_penalty (par défaut 0), et logit_bias. Vous pouvez également passer user_id pour le suivi. Il n'y a pas encore de support natif pour le schéma response_format ; si vous avez besoin d'une sortie structurée, utilisez des instructions dans le prompt. Le modèle respecte les messages système pour définir le contexte.
La migration ne nécessite aucune modification de code dans la structure de la requête au-delà de la mise à jour de l'ID du modèle. Dans votre appel API, remplacez la chaîne du modèle par "openai/gpt-4o-mini-search-preview-2025-03-11". Assurez-vous que votre URL de base pointe vers OrcaRouter (https://api.orcarouter.ai/v1) si vous ne l'utilisez pas déjà. Comme il s'agit d'une version préliminaire, testez minutieusement : les réponses peuvent différer en style ou en précision. Vous pouvez basculer conditionnellement entre les modèles dans votre application en stockant l'ID du modèle dans la configuration. Surveillez les performances et les coûts pour vous assurer que la version préliminaire répond à vos besoins avant un déploiement complet.
Les deux modèles partagent la même architecture de base et la même tarification. Le GPT-4o-mini standard est un modèle polyvalent sans réglage spécifique pour la recherche. La version preview est conçue pour améliorer les performances sur des tâches qui impliquent l'extraction et la synthèse d'informations à partir de grands contextes textuels, comme l'analyse de résultats de recherche. En pratique, la version preview peut traiter plus précisément les longues invites contenant de nombreux faits, tandis que la version standard peut être meilleure pour les conversations ouvertes, l'écriture créative ou les tâches où un comportement de recherche n'est pas nécessaire. Si votre application fonctionne déjà avec le GPT-4o-mini standard, tester la version preview présente un faible risque grâce à une API identique.
GPT-4o est le modèle multimodal phare d'OpenAI, offrant une capacité de raisonnement supérieure, une compréhension d'images et une fenêtre de contexte plus large (128k tokens également). Cependant, il est considérablement plus cher (2,50 $/10 $ par million de tokens) et plus lent. L'aperçu de recherche de GPT-4o-mini échange une partie de la profondeur de raisonnement contre la vitesse et le coût. Pour les tâches purement textuelles qui ne nécessitent pas de raisonnement complexe en plusieurs étapes, l'aperçu peut suffire pour une fraction du coût. Pour les tâches nécessitant une entrée multimodale ou une précision plus élevée, GPT-4o reste supérieur.
Claude 3 Haiku (Anthropic) et Gemini 1.5 Flash (Google) sont également des modèles rapides et peu coûteux avec de grands contextes. Haiku dispose d'un contexte de 200 000 tokens, Flash jusqu'à 1 million. Les prix varient. L'aperçu de recherche de GPT-4o-mini est unique car il s'agit d'un aperçu d'une variante optimisée pour la recherche par OpenAI. Sans comparaisons directes de benchmarks, il est difficile de dire lequel est le meilleur. Les trois sont excellents pour les tâches de récupération d'informations. Le choix peut dépendre de la compatibilité avec l'écosystème, du style de prompt et des performances spécifiques sur vos données. OrcaRouter fournit un accès unifié à tous, permettant des tests A/B faciles.
Choisissez ce modèle si votre principale exigence est l'efficacité des coûts, des temps de réponse rapides, et que vous travaillez avec des entrées textuelles uniquement, ne nécessitant pas de raisonnement avancé. Il est idéal pour les applications à volume élevé où le contexte de chaque requête est volumineux (par exemple, traitement de longs documents) mais la sortie est relativement courte. Si vous avez besoin de la meilleure précision possible, en particulier pour des requêtes ambiguës ou complexes, ou si vous devez traiter des images, alors GPT-4o est un meilleur choix. Le modèle d'aperçu est également adapté au prototypage et aux tests avant de s'engager sur un modèle plus coûteux.
Compatible OpenAI — gardez votre SDK actuel
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="openai/gpt-4o-mini-search-preview-2025-03-11",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)max_tokensresponse_formatstreamstructured_outputsweb_search_options| Entrée / 1M tokens | $0.150 |
| Sortie / 1M tokens | $0.600 |
| Devise | USD |
Estimation basée sur le tarif public
Estimation seulement — le nombre réel de tokens dépend du tokeniseur du fournisseur.
GET /api/public/models/openai/gpt-4o-mini-search-preview-2025-03-11Ouvrir @misc{orcarouter_gpt_4o_mini_search_preview_2025_03_11,
title = {openai/gpt-4o-mini-search-preview-2025-03-11 API},
author = {openai},
year = {n.d.},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/openai/gpt-4o-mini-search-preview-2025-03-11}
}openai. (n.d.). openai/gpt-4o-mini-search-preview-2025-03-11 API. OrcaRouter. https://www.orcarouter.ai/models/openai/gpt-4o-mini-search-preview-2025-03-11