Text Models (LLM)openai

معرفی و مستندات مدل هوش مصنوعی gpt-5-1-codex-mini

مستندات مدل gpt-5-1-codex-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 متون فارسی در سطح قابل قبولی است، اما ممکن است در تولید متون پیچیده و تخصصی فارسی با مشکلاتی مواجه شود.

معرفی مدل gpt-5-1-codex-mini

مدل gpt-5-1-codex-mini یک نسخه سبک‌تر و مقرون به صرفه‌تر از مدل GPT 5.1 Codex است که توسط OpenAI توسعه یافته است. این مدل با کاهش قابلیت‌ها، همچنان توانایی‌های قابل توجهی در پردازش زبان طبیعی و تولید کد دارد. هدف از ارائه این مدل، فراهم کردن ابزاری کارآمد و اقتصادی برای توسعه‌دهندگان و محققانی است که به دنبال استفاده از قدرت هوش مصنوعی در پروژه‌های خود هستند.

کاربردهای مدل gpt-5-1-codex-mini

این مدل می‌تواند در زمینه‌های مختلفی مورد استفاده قرار گیرد، از جمله:

تولید کد: با توجه به نام Codex، این مدل به طور خاص برای تولید و تکمیل کد به زبان‌های مختلف برنامه‌نویسی طراحی شده است. می‌تواند قطعه کدها را بر اساس توضیحات متنی تولید کند، اشکالات کد را رفع کند و بهینه‌سازی‌های لازم را انجام دهد.
پاسخ به سوالات برنامه‌نویسی: توسعه‌دهندگان می‌توانند از این مدل برای یافتن پاسخ سوالات مربوط به برنامه‌نویسی، الگوریتم‌ها و ساختارهای داده استفاده کنند.
تولید محتوای فنی: این مدل می‌تواند مقالات فنی، مستندات و توضیحات مربوط به پروژه‌های نرم‌افزاری را تولید کند.
خلاصه‌سازی کد: می‌تواند کدهای پیچیده را خلاصه کرده و توضیحات مختصری از عملکرد آن‌ها ارائه دهد.
ترجمه کد: امکان ترجمه کد از یک زبان برنامه‌نویسی به زبان دیگر را فراهم می‌کند.
یادگیری زبان‌های برنامه‌نویسی: به عنوان یک ابزار آموزشی، می‌تواند به کاربران در یادگیری و درک بهتر زبان‌های برنامه‌نویسی کمک کند.

نحوه استفاده از مدل

برای استفاده از مدل gpt-5-1-codex-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 endpoint /v1/responses درخواست‌های خود را ارسال کنید. پارامترهای اصلی شامل model (که باید openai/gpt-5-1-codex-mini باشد) و input (که شامل سوال یا درخواست شما است) می‌باشد. همچنین، پارامترهای اختیاری دیگری نیز وجود دارند که می‌توانید برای تنظیم رفتار مدل از آن‌ها استفاده کنید.

مزایای استفاده از gpt-5-1-codex-mini

هزینه کمتر: نسبت به مدل‌های بزرگتر GPT، این مدل هزینه کمتری برای استفاده دارد.
سرعت بالا: با توجه به حجم کمتر، پاسخ‌ها با سرعت بیشتری تولید می‌شوند.
کارایی مناسب: با وجود کاهش قابلیت‌ها، همچنان کارایی بالایی در زمینه‌های تخصصی خود دارد.

با استفاده از مدل gpt-5-1-codex-mini، توسعه‌دهندگان می‌توانند به طور موثرتری کد تولید کنند، مشکلات برنامه‌نویسی را حل کنند و محتوای فنی با کیفیت بالا ایجاد کنند. این مدل یک ابزار قدرتمند برای افزایش بهره‌وری و تسریع فرآیند توسعه نرم‌افزار است.

مشخصات فنی (API References)

پارامتر	نوع	توضیحات و مقادیر
model	stringRequired	مدلی که برای تولید پاسخ استفاده می‌شود. مقدار آن باید `openai/gpt-5-1-codex-mini` باشد. مقادیر مجاز (کلیک برای کپی):
input	any ofRequired	ورودی متن، تصویر یا فایل به مدل برای تولید پاسخ.
input (string)	string	ورودی متن به مدل، معادل ورودی متن با نقش کاربر.
input (object)	object	ورودی پیام به مدل با نقشی که سلسله مراتب پیروی از دستورالعمل را نشان می‌دهد. دستورالعمل‌های داده شده با نقش توسعه‌دهنده یا سیستم بر دستورالعمل‌های داده شده با نقش کاربر اولویت دارند. پیام‌های دارای نقش دستیار فرض می‌شوند که توسط مدل در تعاملات قبلی تولید شده‌اند.
include	string · enum[]	مشخص کنید که چه داده‌های خروجی اضافی در پاسخ مدل گنجانده شوند. مقادیر پشتیبانی شده در حال حاضر عبارتند از: - code_interpreter_call.outputs: شامل خروجی‌های اجرای کد پایتون در موارد فراخوانی ابزار مفسر کد. - computer_call_output.output.image_url: شامل آدرس‌های تصویر از خروجی فراخوانی کامپیوتر. - file_search_call.results: شامل نتایج جستجوی فراخوانی ابزار جستجوی فایل. - message.output_text.logprobs: شامل logprobs با پیام‌های دستیار. - reasoning.encrypted_content: شامل یک نسخه رمزگذاری شده از توکن‌های استدلال در خروجی‌های مورد استدلال. این امکان را می‌دهد که موارد استدلال در مکالمات چند نوبتی هنگام استفاده از Responses API به صورت بدون حالت استفاده شوند (مانند زمانی که پارامتر store روی false تنظیم شده است، یا زمانی که یک سازمان در برنامه نگهداری صفر داده ثبت نام کرده است). مقادیر مجاز (کلیک برای کپی):
max_output_tokens	integer	حد بالایی برای تعداد توکن‌هایی که می‌توان برای یک پاسخ تولید کرد، از جمله توکن‌های خروجی قابل مشاهده و توکن‌های استدلال.
previous_response_id	string	شناسه یکتای پاسخ قبلی به مدل. از این برای ایجاد مکالمات چند نوبتی استفاده کنید.
prompt	object	ارجاع به یک الگو و متغیرهای آن.
store	boolean	اینکه آیا پاسخ مدل تولید شده برای بازیابی بعدی از طریق API ذخیره شود یا خیر.
stream	boolean	اگر روی true تنظیم شود، داده‌های پاسخ مدل با استفاده از رویدادهای ارسال شده از سرور به کلاینت ارسال می‌شوند.
text	object	گزینه‌های پیکربندی برای پاسخ متنی از مدل. می‌تواند متن ساده یا داده‌های JSON ساختاریافته باشد.
truncation	string · enum	استراتژی برش برای استفاده در پاسخ مدل. - auto: اگر متن این پاسخ و پاسخ‌های قبلی از اندازه پنجره متن مدل فراتر رود، مدل پاسخ را کوتاه می‌کند تا با حذف موارد ورودی در وسط مکالمه، در پنجره متن جای بگیرد. - disabled (پیش‌فرض): اگر پاسخ مدل از اندازه پنجره متن برای یک مدل فراتر رود، درخواست با خطای 400 با شکست مواجه می‌شود. مقادیر مجاز (کلیک برای کپی):
tools	one of[]	آرایه‌ای از ابزارهایی که مدل ممکن است هنگام تولید پاسخ فراخوانی کند. می‌توانید با تنظیم پارامتر tool_choice مشخص کنید که از کدام ابزار استفاده شود.
tool_choice	any of	نحوه انتخاب ابزار (یا ابزارها) توسط مدل هنگام تولید پاسخ.
tool_choice (string · enum)	string · enum	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 در عوض 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. مقادیر مجاز (کلیک برای کپی):
tool_choice (object)	object	نشان می‌دهد که مدل باید از یک ابزار داخلی برای تولید پاسخ استفاده کند.

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   # for getting a structured output with indentation
response = requests.post(
    "https://api.ai-kar.com/v1/responses",
    headers={
        "Content-Type":"application/json",
        # Insert your AI-KAR API Key instead of <YOUR_AI-KARAPI_KEY>:
        "Authorization":"Bearer <YOUR_AI-KARAPI_KEY>",
        "Content-Type":"application/json"
    },
    json={
        "model":"openai/gpt-5-1-codex-mini",
        "input":"Hello"  # Insert your question for the model here, instead of Hello
    }
)
data = response.json()
print(json.dumps(data, indent=2, ensure_ascii=False))

نمونه پاسخ موفق (JSON)

RESPONSE (200 OK)

{
  "id": "resp_0461a6b6943b501800691754e69aec819687ee01f3009daca8",
  "object": "response",
  "created_at": 1763136742,
  "error": null,
  "incomplete_details": null,
  "instructions": null,
  "max_output_tokens": 512,
  "model": "gpt-5.1-codex-"
}