Reasoning LLM

Medium

gpt-oss-20b

Aperçu

gpt‑oss‑20b est un modèle de raisonnement open weight performant à faible latence. Son niveau configurable (faible, moyen, élevé) adapte la profondeur de l’analyse à la criticité de la tâche. Il prend en charge le function calling, les sorties JSON structurées et le streaming pour les flux automatisés et les agents intelligents. Son architecture Mixture of Experts active 3,6 milliards de paramètres sur 21 milliards, assurant un calcul efficace sans sacrifier la qualité des réponses.


Spécifications techniques

  • SIÈGE DU FOURNISSEUR: Hors UE
  • PARAMÈTRES: 21,5B (3,6B actifs)
  • CONTEXTE MAX.: 131K token
  • LICENCE: Apache 2.0
  • FONCTIONNALITÉS: Function calling, Raisonnement
  • FORMATS DE SORTIE: Raw_text, Json_object, Json_schema

Cas d'usage

  • Analyse documentaire avancée
  • Agents intelligents avec function calling
  • Classification et triage automatiques
  • Extraction structurée de données

Exemples de mise en œuvre

Input
curl --request POST \
--url https://apiaruba.it/aiplatform/v1/chat/completions \
--header 'content-type: application/json' \
--header 'x-aruba-api-key: *****' \
--data '{
"model": "gpt-oss-20b",
"messages": [
{
"role": "system",
"content": "Sei un assistente conciso."
},
{
"role": "user",
"content": "Spiega cos'\''è un embedding."
}
],
"temperature": 0.7,
"max_tokens": 1000
}'
Output
{
"id": "chatcmpl-9abcc998-9e21-4fca-b610-f280e96b0f79",
"created": 1787560923,
"model": "gpt-oss-20b",
"object": "chat.completion",
"system_fingerprint": "vllm-0.24.0-c6d97d58",
"choices": [
{
"finish_reason": "stop",
"index": 0,
"message": {
"content": "Un **embedding** è una rappresentazione numerica (vettore) di un oggetto (parola, frase, immagine, nodo, ecc.) in uno spazio continuo. \n- Permette di trasformare dati discreti o categorici in numeri che i modelli di machine‑learning possono elaborare. \n- Gli embedding cercano di mantenere relazioni semantiche: elementi simili ottengono vettori vicini. \n- Esempi: Word2Vec/GloVe per parole, BERT per frasi, embeddings grafici per nodi di rete.",
"role": "assistant",
"reasoning_content": "We need to produce concise answer in Italian. The user says: \"Spiega cos'è un embedding.\" We need to explain what an embedding is. They want concise. So something like: \"Un embedding è una rappresentazione vettoriale di un elemento (parole, immagini, ecc.) in uno spazio continuo per permettere algoritmi di machine learning di operare su di esso.\" Provide definition, purpose, examples: word embeddings like Word2Vec, GloVe, sentence embeddings, etc. Keep concise.\n\nLet's answer in Italian concisely.",
"provider_specific_fields": {
"reasoning": "We need to produce concise answer in Italian. The user says: \"Spiega cos'è un embedding.\" We need to explain what an embedding is. They want concise. So something like: \"Un embedding è una rappresentazione vettoriale di un elemento (parole, immagini, ecc.) in uno spazio continuo per permettere algoritmi di machine learning di operare su di esso.\" Provide definition, purpose, examples: word embeddings like Word2Vec, GloVe, sentence embeddings, etc. Keep concise.\n\nLet's answer in Italian concisely.",
"refusal": null
}
},
"provider_specific_fields": {}
}
],
"usage": {
"completion_tokens": 245,
"prompt_tokens": 89,
"total_tokens": 334
}
}

Alternatives dans le catalogue


Coût

0,0237 € + TVA / 1M token (input)
0,1146 € + TVA / 1M token (output)

Ressources