o 系列是什么
o 系列是 OpenAI 面向复杂推理的模型线（o1、o3、o4-mini 等）：回答前先在内部分步推理，再给出结论，因此数学、竞赛题、多步代码与逻辑分析明显更强。代价是推理过程本身也消耗 token 并计入输出计费，首字延迟通常高于同代对话模型。它的定位是难题攻坚，不适合承接简单高频任务。
基本信息
| 定位 | 推理专用（Reasoning） |
|---|---|
| 代表型号 | o1、o3、o4-mini |
| 计费机制 | 内部推理 token 计入输出，账单高于同量级的对话模型 |
| 参数限制 | temperature、top_p 等采样参数多受限，部分仅接受默认值 |
| 提示方式 | 直接给题目与约束，不需要手动加逐步思考引导 |
| 调用路径 | 与 Chat Completions 同路径，仅模型名与参数集不同 |
推理模型与对话模型对照
| 维度 | 推理模型 | 对话模型 |
|---|---|---|
| 响应速度 | 先推理再作答，首字慢、总时长长 | 直接生成，延迟低 |
| 成本结构 | 推理 token 抬高输出侧单价 | 按普通输出 token 计费 |
| 擅长任务 | 多步推导、算法设计、复杂排查 | 改写、抽取、闲聊、客服 |
| 提示策略 | 给清约束即可，过度拆解反而添乱 | 可用思维链与示例引导 |
调用与参数控制
调用与参数控制
curl -s https://api.openai.com/v1/chat/completions -H "Authorization: Bearer $OPENAI_API_KEY" -H "Content-Type: application/json" -d '{"model":"o4-mini","messages":[{"role":"user","content":"9.11 和 9.9 哪个大？"}]}'
# 推理档位：新世代用 reasoning_effort 取 low / medium / high 控制思考开销
# 部分模型返回推理摘要字段，可按需展示或直接忽略
# 不要硬套 temperature 等采样参数，受限模型会直接报 400典型使用场景
- 数学与逻辑题：需要多步推导、逐步验算的场景
- 复杂代码任务：算法设计、疑难 Bug 定位、跨文件重构
- 多条件决策分析：合同比对、规则冲突排查、方案取舍
- 数据核对与推理校验：从表格与报表中推导异常结论
推理模型对提示词的敏感点与对话模型不同：写清目标、约束和判定标准比拆分步骤更有效，把答案格式要求写死可减少来回。
推理过程可能包含被推翻的中间结论，未经审核不要直接透出给终端用户，避免用户按中途错误结论行事。