benchr
الفائدة الأهم من mini أنه يصبح خط الأساس للتوجيه. مرر إليه المكالمة العادية، وحدد أين يفشل، ثم اكتب قاعدة رفع يمكن تفسيرها من سجل الأحداث. تشغيل الكامل لكل مكالمة يخفي هل أصلح النموذج الأغلى شيئاً أم لا.
حدد مسار mini بوضوح
ابدأ بمهام محدودة وأدوات قليلة وإجراءات قابلة للعكس: حالة طلب، معلومات متجر، حجز موعد، جمع بيانات أولية، أو فرز سؤال قبل تحويله لموظف. يدعم mini function calling، لكن التطبيق يجب أن يفحص الوسائط ويؤكد الإجراء. ولا يدعم structured outputs، فلا تجعل الجملة المنطوقة عقد بيانات غير مراقب.
لا تخلط اختيار النموذج باختيار الاتصال. WebRTC للمتصفح والجوال، وWebSocket لوسائط الخادم، وSIP للهاتف. الانتقال إلى الكامل لا يصلح صدى أو مفتاحاً مكشوفاً أو إعادة اتصال تكرر الصوت.
ارفع نوع الفشل لا هوية العميل
| نتيجة mini | القرار | السبب |
|---|---|---|
| التقط القصد والحقول وأتم المهمة | ابقَ على mini | لا قيمة مثبتة للنموذج الأكبر |
| رقم ملتبس بعد التأكيد | أعد بأمان ثم ارفع أو حوّل | لا تنفذ على هوية غير مؤكدة |
| فشل اختيار أداة في فرع معقد | ارفع هذا الفرع للكامل | فشل قدرة قابل للاختبار |
| السياسة تتطلب موافقة أو نصاً منظماً | استخدم سلسلة صوتية | الكامل أيضاً لا يدعم structured outputs |
| خلل اتصال أو صدى أو استعادة | أصلح التطبيق | حجم النموذج لا يصلح الوسائط |
اكتب لكل قاعدة اسم الفشل وعدد المحاولات والوجهة وحدود الخصوصية. لا ترفع العميل لأنه «مهم» أو السؤال لأنه «صعب»؛ قد تكون الخطوة الأولى بسيطة والثانية استثناءً منظماً. ارفع المرحلة التي تحتاج قدرة مختلفة فقط.
أعد المكالمات نفسها على النموذجين
كوّن مجموعة فيها صوت نظيف وضجيج ورقم من حروف وأرقام ومقاطعة وأداة بطيئة وأداة تفشل وتصحيح وإعادة اتصال. أعط mini والكامل الأدوات والأحداث نفسها. قِس إتمام المهمة ودقة الحقل الحرج وإصلاح المقاطعة ومدخلات الأداة والادعاءات غير المسندة وجودة التحويل والاستخدام حسب الوسيط والتكلفة للمكالمة الناجحة.
صنّف الخطأ قبل قراءة الفاتورة. إذا فشل النموذجان بعد إعادة الاتصال، فقد تكون المشكلة في حالة الجلسة. إذا أخفق mini وحده في أداة ذات شروط متعددة ونجح الكامل، فهذا فرع مناسب للرفع. إذا نجحا معاً، يبقى mini ما لم يوجد شرط جودة منفصل.
بطاقة mini متعددة الوسائط أيضاً
لكل مليون توكن: النص $0.60 إدخال و$0.06 مخزن و$2.40 إخراج؛ الصوت $10 و$0.30 و$20؛ الصورة $0.80 إدخال و$0.08 مخزن. مدة الصوت وإعادات المحاولة والمكالمات المهجورة تحدد النتيجة، لا سعر النص وحده.
السياق 128 ألف توكن والإخراج 32 ألفاً، لكنه ليس تصريحاً لحفظ كل المكالمة. لخّص الأدوار القديمة، وأبطل نتائج الأدوات المنتهية، واحذف الصوت والبيانات الحساسة حسب السياسة.
متى ترفع أو تستخدم سلسلة أو إنساناً؟
ارفع إلى GPT-Realtime-2.1 حين يتكرر نوع فشل معقد في التعليمات أو اختيار الأداة أو التعافي، ويجتاز الكامل السجل نفسه. استخدم سلسلة عندما يكون النص الوسيط أو الاعتماد المنظم إلزامياً. حوّل إلى موظف عند نزاع هوية أو سياسة أو موافقة أو إجراء لا يمكن التراجع عنه.
| الفئة | الإدخال / المخزن | الإخراج أو القدرة |
|---|---|---|
| النص لكل مليون | $0.60 / $0.06 | $2.40 إخراج |
| الصوت لكل مليون | $10 / $0.30 | $20 إخراج |
| الصورة لكل مليون | $0.80 / $0.08 | إدخال فقط |
| الواجهة | نص وصوت وصورة | نص وصوت وأدوات؛ لا structured outputs |
| السعة | 128K سياق | 32K إخراج أقصى |