GPT-4o mini Search Preview

gpt-4o-mini-search-preview の技術仕様

gpt-4o-mini-search-preview とは？

gpt-4o-mini-search-preview は、検索中心の体験とリトリーバル強化型アプリケーション向けに構築された、GPT-4o ファミリーのコンパクトなマルチモーダルモデルです。ユーザー意図の解釈、クエリの書き換えや分解、取得した情報からの簡潔な応答生成、外部検索統合による根拠に基づくワークフローの支援が求められるシステムに適しています。

テキストと画像の両方を受け付けるため、プレーンテキスト検索を超えた、より広い発見・支援体験に参加できます。特に、クエリ理解の高速化、制御可能な応答書式、ツールを用いたオーケストレーションが長文生成より重要となるアプリケーションに有用です。一般的な例として、顧客向け検索コパイロット、社内ナレッジアシスタント、プロダクト探索フロー、クエリ分類・ランキング支援・回答生成に依存するリトリーバルパイプラインなどが挙げられます。

gpt-4o-mini-search-preview の主な機能

• 検索志向の推論：曖昧なユーザー意図の解釈、クエリの再構成、リトリーバル中心のインタラクションを支援します。
• マルチモーダル入力対応：テキストと画像の両方を受け付け、より豊かな検索・発見ワークフローを実現します。
• 簡潔な回答生成：検索 UX に適した短く有用な要約や直接的な回答を生成します。
• ツール統合への準備性：検索、ブラウジング、RAG オーケストレーションのための関数コールや外部ツールと効果的に連携します。
• 構造化出力との親和性：JSON などの整理された形式での応答生成に対応します。
• 指示追従挙動：分類、ルーティング、抽出、回答フォーマットといったガイド付きタスクを確実に扱います。
• ナレッジベース QA 支援：まず文書を取得し、その後、根拠に基づいた回答を生成するシステムに適しています。
• E コマースおよびカタログ探索：購買意図の解釈、フィルターの精緻化、プロダクト検索の改善に役立ちます。
• ランキングとルーティング支援：クエリを分類し、取得・ランキング・ワークフロー分岐の準備を行うのに役立ちます。
• 効率的なデプロイ特性：コンパクトなモデルとして、スケーラブルでコスト志向の統合に適しつつ、マルチモーダルかつツール対応の挙動を提供します。

gpt-4o-mini-search-preview のアクセスと統合方法

ステップ 1: API キーを取得

まず CometAPI にアカウントを作成し、ダッシュボードから API キーを生成します。その後、キーを安全に保管し、すべてのリクエストで Authorization ヘッダーに設定して使用します。

ステップ 2: gpt-4o-mini-search-preview API にリクエストを送信

curl https://api.cometapi.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_API_KEY" \
  -d '{
    "model": "gpt-4o-mini-search-preview",
    "messages": [
      {
        "role": "user",
        "content": "Summarize the main intent behind this search query: best running shoes for flat feet"
      }
    ]
  }'

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_COMETAPI_API_KEY",
    base_url="https://api.cometapi.com/v1"
)

response = client.chat.completions.create(
    model="gpt-4o-mini-search-preview",
    messages=[
        {
            "role": "user",
            "content": "Summarize the main intent behind this search query: best running shoes for flat feet"
        }
    ]
)

print(response.choices[0].message.content)

ステップ 3: 結果の取得と検証

アプリケーションでモデル出力を解析し、必要に応じて取得、再ランキング、検証ステップと連携させます。プロダクションの検索や RAG システムでは、信頼できるソースと照合して出力を検証し、品質監視のためにレスポンスをログに記録することが推奨されます。