Text Models (LLM)openai

معرفی و مستندات مدل هوش مصنوعی gpt-4.1-mini

مستندات مدل gpt-4.1-mini ارائه شده توسط ای آی کار (AI-KAR)

معرفی و بررسی فنی

⚡ وضعیت پشتیبانی از زبان فارسی

این مدل از زبان فارسی به صورت متوسط پشتیبانی می‌کند. درک و تولید متن فارسی توسط این مدل قابل قبول است، اما ممکن است در برخی موارد نیاز به اصلاح داشته باشد.

معرفی مدل gpt-4.1-mini

مدل gpt-4.1-mini یک پیشرفت چشمگیر در زمینه مدل‌های کوچک هوش مصنوعی است. این مدل که توسط OpenAI توسعه یافته و از طریق ای آی کار (AI-KAR) در دسترس است، در بسیاری از بنچمارک‌ها از GPT-4o عملکرد بهتری دارد، توانایی استدلال آن با GPT-4o مطابقت دارد و با سرعت و هزینه کمتری اجرا می‌شود - تقریباً نصف تأخیر و کسری از هزینه. این مدل بخشی از خانواده GPT-4.1 است که در زمینه‌های مختلف از جمله کدنویسی و پیروی از دستورالعمل‌ها، عملکرد بهتری نسبت به GPT-4o و GPT-4o mini دارد. همچنین، این مدل‌ها دارای پنجره‌های متنی بزرگ‌تری هستند که از حداکثر 1 میلیون توکن پشتیبانی می‌کنند و قادر به استفاده بهتر از این زمینه با درک طولانی‌مدت بهبود یافته هستند. دانش این مدل تا ژوئن 2024 به‌روز شده است.

قابلیت‌ها و کاربردها

مدل gpt-4.1-mini برای طیف گسترده‌ای از کاربردها مناسب است، از جمله:

تولید متن: تولید متن‌های خلاقانه، مقالات، گزارش‌ها و سایر محتواهای نوشتاری.
ترجمه زبان: ترجمه متون از یک زبان به زبان دیگر با دقت بالا.
خلاصه‌سازی متن: خلاصه‌سازی متون طولانی به خلاصه‌های کوتاه و مفید.
پاسخ به سوالات: پاسخ به سوالات کاربران در زمینه‌های مختلف.
تولید کد: تولید کد برنامه‌نویسی در زبان‌های مختلف.
استدلال و حل مسئله: حل مسائل پیچیده و ارائه استدلال‌های منطقی.
پشتیبانی از مشتری: ارائه پاسخ‌های سریع و دقیق به سوالات مشتریان.

نحوه استفاده

برای استفاده از مدل gpt-4.1-mini، ابتدا باید یک حساب کاربری در وب‌سایت ای آی کار (AI-KAR) ایجاد کنید و یک کلید API دریافت کنید. سپس می‌توانید از طریق API این مدل را فراخوانی کرده و درخواست‌های خود را ارسال کنید. برای این کار، باید پارامترهای مورد نیاز را در بدنه درخواست JSON مشخص کنید. پارامترهای اصلی شامل مدل و پیام‌ها هستند، اما می‌توانید پارامترهای اختیاری دیگری را نیز برای تنظیم رفتار مدل اضافه کنید.

مزایا

عملکرد بالا: عملکرد بهتر نسبت به GPT-4o در بسیاری از بنچمارک‌ها.
سرعت و هزینه کم: اجرای سریع‌تر و ارزان‌تر نسبت به GPT-4o.
پنجره متنی بزرگ: پشتیبانی از حداکثر 1 میلیون توکن.
درک طولانی‌مدت بهبود یافته: استفاده بهتر از زمینه متنی.
دانش به‌روز: دانش تا ژوئن 2024 به‌روز شده است.

نتیجه‌گیری

مدل gpt-4.1-mini یک انتخاب عالی برای کاربردهایی است که نیاز به یک مدل هوش مصنوعی کوچک، سریع و کارآمد دارند. این مدل با عملکرد بالا، هزینه کم و قابلیت‌های گسترده، می‌تواند به شما در انجام وظایف مختلف کمک کند.

مشخصات فنی (API References)

پارامتر	نوع	توضیحات و مقادیر
model	stringRequired	شناسه مدل مورد استفاده برای تولید پاسخ. مقدار این فیلد باید 'openai/gpt-4.1-mini-2025-04-14' باشد. مقادیر مجاز (کلیک برای کپی):
messages	one of[]Required	لیستی از پیام‌ها که مکالمه را تا به اینجا تشکیل می‌دهند. بسته به مدلی که استفاده می‌کنید، انواع مختلف پیام‌ها (modalities) مانند متن، اسناد (txt، pdf)، تصاویر و صدا پشتیبانی می‌شوند.
max_completion_tokens	integer	حد بالایی برای تعداد توکن‌هایی که می‌توان برای تکمیل تولید کرد، از جمله توکن‌های خروجی قابل مشاهده و توکن‌های استدلال. حداقل مقدار: 1
max_tokens	number	حداکثر تعداد توکن‌هایی که می‌توان در تکمیل چت تولید کرد. این مقدار می‌تواند برای کنترل هزینه‌های متن تولید شده از طریق API استفاده شود. حداقل مقدار: 1
stream	boolean	اگر روی True تنظیم شود، داده‌های پاسخ مدل با استفاده از رویدادهای ارسال شده از سرور به صورت جریان‌دار به کلاینت ارسال می‌شوند. مقدار پیش‌فرض: false
stream_options	object	تنظیمات مربوط به جریان‌سازی داده‌ها.
tools	object[]	لیستی از ابزارهایی که مدل می‌تواند فراخوانی کند. در حال حاضر، فقط توابع به عنوان ابزار پشتیبانی می‌شوند. از این برای ارائه لیستی از توابعی استفاده کنید که مدل می‌تواند ورودی‌های JSON را برای آنها تولید کند. حداکثر 128 تابع پشتیبانی می‌شود.
tool_choice	any of	کنترل می‌کند که کدام ابزار (در صورت وجود) توسط مدل فراخوانی شود. none به این معنی است که مدل هیچ ابزاری را فراخوانی نمی‌کند و به جای آن یک پیام تولید می‌کند. auto به این معنی است که مدل می‌تواند بین تولید یک پیام یا فراخوانی یک یا چند ابزار انتخاب کند. required به این معنی است که مدل باید یک یا چند ابزار را فراخوانی کند. تعیین یک ابزار خاص از طریق {"type": "function", "function": {"name": "my_function"}} مدل را مجبور می‌کند تا آن ابزار را فراخوانی کند. none مقدار پیش‌فرض زمانی است که هیچ ابزاری وجود نداشته باشد. auto مقدار پیش‌فرض در صورت وجود ابزار است. مقادیر مجاز (کلیک برای کپی):
parallel_tool_calls	boolean	تعیین اینکه آیا فراخوانی موازی توابع در طول استفاده از ابزار فعال شود یا خیر.
n	integer \| nullable	تعداد انتخاب‌های تکمیل چت که برای هر پیام ورودی تولید می‌شود. توجه داشته باشید که هزینه شما بر اساس تعداد توکن‌های تولید شده در تمام انتخاب‌ها محاسبه می‌شود. n را روی 1 نگه دارید تا هزینه‌ها به حداقل برسد.
stop	any of	حداکثر 4 دنباله که API تولید توکن‌های بیشتر را متوقف می‌کند. متن برگشتی شامل دنباله توقف نخواهد بود.
logprobs	boolean \| nullable	تعیین اینکه آیا احتمالات لگاریتمی توکن‌های خروجی برگردانده شوند یا خیر. اگر True باشد، احتمالات لگاریتمی هر توکن خروجی که در محتوای پیام برگردانده شده است را برمی‌گرداند.
top_logprobs	number \| nullable	یک عدد صحیح بین 0 و 20 که تعداد محتمل‌ترین توکن‌ها را برای بازگشت در هر موقعیت توکن مشخص می‌کند، هر کدام با یک احتمال لگاریتمی مرتبط. اگر این پارامتر استفاده شود، logprobs باید روی True تنظیم شود.
logit_bias	object \| nullable	احتمال ظاهر شدن توکن‌های مشخص شده در تکمیل را تغییر می‌دهد. یک شی JSON را می‌پذیرد که توکن‌ها (مشخص شده توسط شناسه توکن آنها در توکن‌ساز) را به یک مقدار بایاس مرتبط از -100 تا 100 نگاشت می‌کند. از نظر ریاضی، بایاس به logits تولید شده توسط مدل قبل از نمونه‌برداری اضافه می‌شود. اثر دقیق برای هر مدل متفاوت خواهد بود، اما مقادیر بین -1 و 1 باید احتمال انتخاب را کاهش یا افزایش دهند. مقادیری مانند -100 یا 100 باید منجر به ممنوعیت یا انتخاب انحصاری توکن مربوطه شوند.
frequency_penalty	number \| nullable	عددی بین -2.0 و 2.0. مقادیر مثبت توکن‌های جدید را بر اساس فراوانی موجود آنها در متن تا به حال جریمه می‌کنند، و احتمال تکرار عین به عین همان خط توسط مدل را کاهش می‌دهند.
prediction	object	پیکربندی برای یک خروجی پیش‌بینی‌شده، که می‌تواند زمان پاسخ را در زمانی که بخش‌های بزرگی از پاسخ مدل از قبل مشخص هستند، بسیار بهبود بخشد.
presence_penalty	number \| nullable	مقادیر مثبت توکن‌های جدید را بر اساس اینکه آیا در متن تا به حال ظاهر شده‌اند جریمه می‌کنند، و احتمال صحبت کردن مدل در مورد موضوعات جدید را افزایش می‌دهند.
seed	integer	این ویژگی در نسخه بتا است. اگر مشخص شود، سیستم ما تمام تلاش خود را می‌کند تا به طور قطعی نمونه‌برداری کند، به طوری که درخواست‌های مکرر با همان seed و پارامترها باید همان نتیجه را برگردانند. حداقل مقدار: 1
response_format	one of	یک شی که فرمتی را مشخص می‌کند که مدل باید خروجی دهد.
temperature	number	از چه دمای نمونه‌برداری استفاده شود. مقادیر بالاتر مانند 0.8 خروجی را تصادفی‌تر می‌کنند، در حالی که مقادیر پایین‌تر مانند 0.2 آن را متمرکزتر و قطعی‌تر می‌کنند. ما به طور کلی توصیه می‌کنیم این یا top_p را تغییر دهید، اما نه هر دو را.
top_p	number	جایگزینی برای نمونه‌برداری با دما، به نام نمونه‌برداری هسته‌ای، که در آن مدل نتایج توکن‌ها را با جرم احتمال top_p در نظر می‌گیرد. بنابراین 0.1 به این معنی است که فقط توکن‌هایی که شامل 10٪ جرم احتمال برتر هستند در نظر گرفته می‌شوند. ما به طور کلی توصیه می‌کنیم این یا دما را تغییر دهید، اما نه هر دو را.

نمونه کدهای درخواست

نکته مهم برای توسعه‌دهندگان:

برای احراز هویت، حتما کلید API خود را جایگزین YOUR_API_KEY کنید. هدر Authorization الزامی است.

import requests
import json

url = 'https://api.ai-kar.com/v1/chat/completions'
headers = {
    'Authorization': 'Bearer <YOUR_AI-KARAPI_KEY>',
    'Content-Type': 'application/json'
}
data = {
    'model': 'openai/gpt-4.1-mini-2025-04-14',
    'messages': [
        {
            'role': 'user',
            'content': 'Hello'
        }
    ]
}

response = requests.post(url, headers=headers, data=json.dumps(data))

if response.status_code == 200:
    print(response.json())
else:
    print(f'Error: {response.status_code}')
    print(response.text)

نمونه پاسخ موفق (JSON)

RESPONSE (200 OK)

{
  "id": "text",
  "object": "text",
  "created": 1,
  "choices": [
    {
      "index": 1,
      "message": {
        "role": "text",
        "content": "text",
        "refusal": null,
        "annotations": [
          {
            "type": "text",
            "url_citation": {
              "end_index": 1,
              "start_index": 1,
              "title": "text",
              "url": "text"
            }
          }
        ],
        "audio": {
          "id": "text",
          "data": "text",
          "transcript": "text",
          "expires_at": 1
        },
        "tool_calls": [
          {
            "id": "text",
            "type": "text",
            "function": {
              "arguments": "text",
              "name": "text"
            }
          }
        ]
      },
      "finish_reason": "stop",
      "logprobs": {
        "content": [
          {
            "bytes": [
              1
            ],
            "logprob": 1,
            "token": "text",
            "top_logprobs": [
              {
                "bytes": [
                  1
                ],
                "logprob": 1,
                "token": "text"
              }
            ]
          }
        ],
        "refusal": []
      }
    }
  ],
  "model": "text",
  "usage": {
    "prompt_tokens": 1,
    "completion_tokens": 1,
    "total_tokens": 1,
    "completion_tokens_details": {
      "accepted_prediction_tokens": 1,
      "audio_tokens": 1,
      "reasoning_tokens": 1,
      "rejected_prediction_tokens": 1
    },
    "prompt_tokens_details": {
      "audio_tokens": 1,
      "cached_tokens": 1
    }
  }
}