Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Juhi põhjendustegevuse intensiivsust: ChatGPT-st API-ni

Õppetund 8 / 12 Värskendatud 5. november 2026 Kesktase
Sellel lehel
  1. Põhjalikkuse häälestamine iga ülesande jaoks
  2. ChatGPT-s: säte igale sõnumile
  3. API-s: viis hooba
  4. Mõju kuludele
  5. Kolm optimeerimisstrateegiat
  6. Sinu kord
  7. Peamised punktid

Põhjalikkuse häälestamine iga ülesande jaoks

Tundides 1 kuni 3 said ülevaate seadistustest ja OpenAI juhistest. Selles tunnis liigume juhtelementide juurde: kuidas töö käigus intensiivsust kohandada, selle kulu hallata ja seda rakenduses automatiseerida. Põhimõte jääb samaks: põhjendamise tase on kompromiss, mitte kvaliteediregulaator. See mõjutab samaaegselt nelja muutujat: põhjendustokenite arvu, vastuse aega, analüüsi sügavust ning kvoodi tarbimist või kulu.

ChatGPT-s: säte igale sõnumile

Vestluses reguleerib GPT-6 liugur Thinking iga sõnumit eraldi: saad jääda režiimi Instant ümber sõnastamiseks, lülituda režiimi High analüüsiks ja seejärel taas vähendada. Kõrgemad tasemed kasutavad sinu paketile omaseid kvoote; kui piirang on täis, võib ChatGPT jätkata mõne teise saadaoleva mudeliga ja võimaluse korral näidata, millal kvoot taastub. Töökeskkonnas Work ja Codexis mängib võimsusliugur sama rolli, ulatudes Fasterist Smarterini, kusjuures Max ja Ultra hoitakse varus. Parim tava mõlemal juhul: alusta vaikeseadistusega ja suurenda seda ainult siis, kui tulemus pole piisav.

API-s: viis hooba

Arendajatele annab Responses API viis parameetrit, millega põhjendustegevust juhtida:

  • reasoning.effort määrab taseme, vahemikus none kuni max, sõltuvalt mudelist: GPT-6 Astra ja GPT-6.1 Sol algavad tasemega low, samas kui GPT-6.1 Terra ja GPT-6 Luna aktsepteerivad väärtust none.
  • reasoning.mode, vaikimisi standard või pro, paneb mudeli rohkem vaeva nägema, muutmata intensiivsuse taset; see lisatöö eest arvutatakse tasu mudeli tavahinna järgi, kuid see tarbib rohkem tokeneid.
  • max_output_tokens seab piiri genereeritud tokenite koguarvule, kaasa arvatud põhjendused. Kui seadad selle liiga madalaks, saad poolikud vastused; OpenAI soovitab katsetamist alustades eraldada vähemalt 25 000 tokenit.
  • reasoning.summary taotleb põhjendusprotsessi kokkuvõtet, kuna toores põhjendus ei ole kunagi nähtav.
  • configuration_update, kahe vastuse vahele sisestatav element, muudab intensiivsuse taset vestluse käigus ühilduvatel GPT-6 mudelitel, puutumata algse päringu seadeid: viiba eesliide jääb alles ja viiba vahemälu jätkab teenindamist.
Kuus põhjendustegevuse hooba Kuus plokki: reasoning.effort määrab taseme, none'ist max'ini sõltuvalt mudelist; reasoning.mode valib standard või pro; max_output_tokens seab tokenite, sh põhjenduste, piiri; reasoning.summary taotleb kokkuvõtet; configuration_update muudab intensiivsust vahemälu katkestamata; Chatis üks tase sõnumi kohta kvootide piires. INTENSIIVSUSE JUHTIMINE Kuus põhjendustegevuse hooba 1 reasoning.effort Tase, none'ist max'ini sõltuvalt mudelist. 2 reasoning.mode standard või pro, sõltumatu intensiivsusest. 3 max_output_tokens Piirang, kaasa arvatud põhjendused. 4 reasoning.summary Kokkuvõte, mitte kunagi toore põhjendusena. 5 configuration_update Muuda intensiivsust vahemälu katkestamata. 6 Chatis Üks tase sõnumi kohta, kvootide piires. Eskaleerumine: alusta vaiketasemest, suurenda ainult siis, kui tulemus pole piisav.
Põhineb OpenAI API põhjendusmudelite juhendil ja OpenAI abikeskusel (november 2026).

Nii näeb välja see viimane element, sisestatuna enne kasutaja järgmist sõnumit:

{
  "type": "configuration_update",
  "reasoning": { "effort": "high" }
}

Vestlus, mis algas tasemega low, nihkub seega järgmise ja sellele järgnevate vastuste jaoks tasemele high, kuni toimub uus uuendus.

Mõju kuludele

Põhjendustokeneid arvestatakse väljundtokenitena ja nende arv kasvab taseme tõustes kiiresti: mõnest sajast kümnete tuhandeteni keerulise probleemi lahendamisel. Mudeli valik on sama oluline: ühe väljundtokeni kohta maksab GPT-6 Luna kakskümmend korda vähem kui GPT-6.1 Sol ja GPT-6 Astra maksab viis korda rohkem. ChatGPT-s väljendub kulu kvootides: kui palju nõudlikke päringuid on perioodi jooksul võimalik esitada.

Kolm optimeerimisstrateegiat

Esimene on eskaleerumine: ära alusta tipust. Alusta vaiketasemest, API-s medium, või triviaalse ülesande puhul madalamast; kui vastus on poolik või vale, tõsta taset ühe võrra; jäta xhigh, max, pro-režiim, Max ja Ultra probleemidele, mis seda õigustavad. Rakenduses võimaldab seda eskaleerumist ühe vestluse raames teostada configuration_update.

Teine on ülesandepõhine triaaž, millest peaks saama harjumus: ümber sõnastamine ja liigitamine madalaimal tasemel, mustandi koostamine ja lihtsad analüüsid tasemel low, planeerimine ja hindamine tasemel medium, silumine ja rasked probleemid tasemel high, pikaajaline uurimistöö tasemel xhigh ja äärmuslikud juhtumid tasemel max.

Kolmas on õige mudeli ja õige taseme paaristamine. GPT-6.1 Sol tasemel high või kõrgemal, võimalusel pro-režiimis, lahendab nõudlikke probleeme; GPT-6 Astra on reserveeritud kõige raskematele; GPT-6.1 Terra haldab kirjutamist, pilte ja rakenduste orkestratsiooni; GPT-6 Luna tasemel low või medium neelab suuri mahte madalama kuluga.

Sinu kord

Leia kahaneva tootluse punkt. Küsi järgmist küsimust kolm korda, kolmel erineval tasemel (Instant, Medium ja seejärel High Chatis või low, medium ja seejärel high API-s) ning võrdle analüüsi sügavust ja API puhul tarbitud põhjendustokenite arvu.

“Ettevõttel on 5 projekti. Projekt A: 100 000 €, ROI 3,2x, keskmine risk. Projekt B: 250 000 €, ROI 1,8x, madal risk. Projekt C: 50 000 €, ROI 5,1x, kõrge risk. Projekt D: 150 000 €, ROI 2,4x, keskmine risk. Projekt E: 75 000 €, ROI 4,0x, kõrge risk. Kogueelarve on 400 000 €. Milliseid projekte tuleks rahastada, et maksimeerida riskiga kohandatud ROI-d? Sõnasta selgelt kasutatud kohandamise reegel.”

Tuvasta tase, millest kõrgemale minek lisab vähe väärtust: see on sinu seade seda tüüpi küsimuste jaoks.

Ametlikud allikad: Põhjendusmudelid (OpenAI API: effort, pro mode, max_output_tokens, summaries, configuration_update, billing) · Mudelid (aktsepteeritud intensiivsused ja hinnad mudeli kohta) · GPT-6 ja teised mudelid ChatGPT-s (tasemed, kvoodid ja varuvariandid vestluses)

Peamised punktid

  • Intensiivsus muudab tokeneid, latentsust, sügavust ja kulu koos: see on kompromiss
  • ChatGPT-s kohandub tase sõnumi haaval, paketi kvootide piires
  • API-s: reasoning.effort, reasoning.mode, max_output_tokens, reasoning.summary ja configuration_update
  • Eskaleerumine, ülesannete triaaž ja õige mudeli-taseme paaristamine on kolm kokkuhoiu hooba
  • Intensiivsuse muutmine vestluse käigus käsuga configuration_update säilitab viiba vahemälu