การปรับแต่งพารามิเตอร์การตอบสนอง

การทำงานกับ OpenAI Responses API

James Chapman

AI Curriculum Manager, DataCamp

การเลือกโมเดล

response = client.responses.create(
    model="gpt-5.4-mini",
    input="What is recursion?",
)

¹ https://platform.openai.com/docs/models

การเลือกโมเดล

response = client.responses.create(
    model="gpt-5.4-mini",
    input="What is recursion?",
)

หลักการทั่วไป: เลือกโมเดลที่ถูกที่สุดที่ตรงตามความต้องการ

โมเดล	ความเร็ว	ต้นทุน	เหมาะสำหรับ
gpt-5.4-mini	เร็ว	ต่ำ	งานง่าย, Q&A
gpt-5.5	ปานกลาง	สูงกว่า	การใช้เหตุผลซับซ้อน

¹ https://platform.openai.com/docs/models

LLM และโทเค็น

โทเค็น: หน่วยของข้อความที่ช่วยให้ AI เข้าใจและตีความข้อความ

ประโยค "How can the OpenAI API deliver business value?" โดยแต่ละโทเค็นถูกไฮไลต์ด้วยสีต่างกัน

¹ https://platform.openai.com/tokenizer

LLM และโทเค็น

LLM แบบไม่ใช้การใช้เหตุผล: สร้างโทเค็นที่มีความน่าจะเป็นสูงสุดในการตอบสนองต่อพรอมต์

LLM และโทเค็น

ระดับความพยายามในการใช้เหตุผล

response = client.responses.create(
    model="gpt-5.4-mini",
    input="Explain LLMs to a 6yr old.",

    reasoning={"effort": "none"}

)

ระดับความพยายามในการใช้เหตุผล

response = client.responses.create(
    model="gpt-5.4-mini",
    input="Explain LLMs to a 6yr old.",
    reasoning={"effort": "none"}
)

ระดับ	เหมาะสำหรับ
none	งานง่ายหรืองานเชิงกล
low	งานง่ายที่เน้นความเร็วและต้นทุนต่ำ
medium	ค่าเริ่มต้นสำหรับความสมดุลระหว่างการใช้เหตุผลและประสิทธิภาพ
high	งานซับซ้อน หลายขั้นตอน หรือใช้ตรรกะมาก
xhigh	งานที่ยากที่สุดซึ่งท้าทายขีดความสามารถสูงสุด

สรุปการใช้เหตุผล

response = client.responses.create(
    model="gpt-5.4-mini",
    input="Explain LLMs to a 6yr old.",
    reasoning={
        "effort": "medium",

        "summary": "auto"

    }
)

การจำกัดจำนวนโทเค็นของผลลัพธ์

response = client.responses.create(
    model="gpt-5.4-mini",
    input="Explain LLMs to a 6yr old.",
    reasoning={"effort": "none"},

    max_output_tokens=500

)

max_output_tokens รวม reasoning tokens ด้วย

สรุป

งานง่าย → เริ่มด้วยโมเดลขนาดเล็ก ไม่ใช้การใช้เหตุผล และโทเค็นน้อย
งานซับซ้อน → เริ่มด้วยโมเดลขนาดกลางและการใช้เหตุผล จากนั้นปรับแต่ง

มาฝึกกันเถอะ!

การทำงานกับ OpenAI Responses API