OpenAI の o3-mini の API を Node.js でシンプルに試す

OpenAI の o3-mini の API の利用に関して、記事執筆時点では、リリース直後と同様に「tier 3 から tier 5 のユーザーのみ利用可能」となっています。

↓こちらは、公式のヘルプセンターからの抜粋です。
●API access to o1 and o3-mini | OpenAI Help Center
https://help.openai.com/en/articles/10362446-api-access-to-o1-and-o3-mini

はじめに

以下の記事の中でも話題に出していた、OpenAI の「o3-mini の API」に関する話です。

●OpenAI o3-mini を API で利用しようとした話（利用できていない原因も記載）と tier 1 を tier 3 にした課金の話 - Qiita
https://qiita.com/youtoy/items/f0c3ce457c52fe18733e

o3-mini が発表された後、tier 3 にしていた自分のアカウントで、ようやく o3-mini の API を使えるようになったのでサクッと試してみたのですが、その時の流れのメモという感じの記事です。

API を使えたことの確認

今回のお試しをやってみた際、OpenAI のアカウントのダッシュボードのページ（Usage の activity）で、履歴から o3-mini の API が使われているかを念のため確認しています。

その時のポストは以下です。

API の利用履歴の中で、「o3-mini-2025-01-31」を使った履歴が出ているのが分かります。

試してみる

参照元

今回のお試しで参照する情報は、以下の公式のページです。

●Reasoning models - OpenAI API
https://platform.openai.com/docs/guides/reasoning

このページ冒頭のクイックスタートで、curl・Python・JavaScript のサンプルを見ることができます。

それらのサンプルの中の「JavaScript のサンプル」を元にして、今回のお試しをやってみます。

またモデル名・それついて書かれた公式ページに関する情報は、上で掲載していた記事の「o3-mini を API で試そうとして調べた情報」という部分で書いているため、ここでは省略します。

お試し用のコード

今回、公式の JavaScript のサンプルを使いますが、そこで利用されている以下のパッケージを用います（npmコマンドでインストールしておきます）。

●openai - npm
　https://www.npmjs.com/package/openai

また、上記を使う場合に APIキーを「OPENAI_API_KEY」という名称の環境変数に保存しておけば、それを勝手に参照してくれるようになっています。

今回は、その環境変数を使う部分で、以下の記事で書いていた Node.js標準の機能を使ってみています。

●【小ネタ】Node.js v21.7.0 の新機能で環境変数用のファイル読みこみを軽く試す： process.loadEnvFile() - Qiita
　https://qiita.com/youtoy/items/ae838cacd43b3c3e61e1

（以前も OpanAI の API を試す際に、試しに使ったことがあるものです）

実装した内容

まず、実装した内容は以下のとおりです。

今回の実装では、環境変数の読み込み・利用の処理順の関係で、 process.loadEnvFile("./development.env"); は const openai = new OpenAI(); よりも前に書いてある必要があるので、ご注意ください。

import OpenAI from "openai";

process.loadEnvFile("./development.env");
const openai = new OpenAI();

const prompt = `
【プロンプト】
`;

const completion = await openai.chat.completions.create({
  model: "o3-mini",
  reasoning_effort: "medium",
  messages: [
    {
      role: "user",
      content: prompt,
    },
  ],
  store: true,
});

console.log(completion.choices[0].message.content);

ファイルを使った環境変数の設定

今回のやり方における環境変数は、「development.env」という名前のファイルの中に書く形になります。具体的には、以下のようにしています。

development.env

OPENAI_API_KEY="【自身の APIキー】"

このファイルがある場所で、nodeコマンドを使ってプログラムを実行すると、APIキーを使った o3-mini の API経由での利用が行えます。

環境変数の設定

APIキーの環境変数への設定については、もちろんコマンドなどによる一時的な設定なども利用可能です。

例えば、OpenAI 公式のクイックスタート内の「Create and export an API key」という部分では、Mac等や Windows での設定方法について書かれていたりします。

Mac の例は export を使った方法が示されており、「そのターミナルセッション内でのみ有効」となるような、一時的な設定を行う形です。

【 macOS / Linux】

export OPENAI_API_KEY="【自身の APIキー】"

Windows の例は setx を使った永続化をする方法になっていますが、上記の Mac の例と同様に一時的な設定とする場合は set を使った以下のような形になるかと思います。

【Windows】

set OPENAI_API_KEY "【自身の APIキー】"

実装内容に関する補足

Reasoning effort の説明

実装した内容の中で「Reasoning effort」を指定している部分があります。

この「Reasoning effort」が意味する内容について、公式の説明で確認しておきます。公式の説明を以下に抜粋します。

意味するところをざっくりと日本語で書くと、以下のような感じになるかと思います。

• 「プロンプトへの応答を作成する前にどれだけの推論トークンを生成すべきかを、モデルに対して指示するためのもので、このパラメータには「low」「medium」「high」のいずれかを指定可能
  • low： 処理速度が速く、トークンの使用量が少ない
  • high： より詳細な推論を行うが、その分トークンの消費が増えて、また応答速度は遅くなる
  • medium（デフォルト）： 速度と推論の正確さのバランスを取った設定

medium がデフォルト値となるようなので、 reasoning_effort: "medium" とするのであれば、この部分を省略してしまっても medium が指定された状態になるようです。

Controlling costs

今回は指定してないですが、コストをコントロールできるパラメータもあります。

公式ページの「Reasoning models ＞ Controlling costs」の部分を見ると、以下の記載があります。

ざっくり内容を見てみると、「モデルが生成するトークンの総数（推論用のトークンと応答のトークンの両方を含むもの）を制限するためのパラメータが max_completion_tokens」と書いています。

以前のモデルでは、max_tokens パラメータが「生成されるトークン数とユーザーに表示されるトークン数の両方を制御するパラメータ」だったものの、推論を行うモデルでは内部で使用される推論トークンも加わるために、別パラメータを指定する形になるようです。
※ 一部のアプリケーションで、max_tokens の値と API から受け取るトークン数が一致する前提で処理を行うものがある状況のため、そこで不整合が生じないよう、推論用のトークンを含む総量を扱うパラメータは別で作ったようです