Intérprete de código

Si lo está utilizando por primera vez, piense en Code Interpreter como un espacio de trabajo temporal de Python para el modelo.

Puede utilizarlo para tareas como:

• Resolución de problemas matemáticos
• Analizando archivos cargados
• Limpieza o transformación de datos
• Creación de gráficos o tablas
• Generación de archivos de salida, como logs o juegos de datos procesados

El entorno de Python incluye más de 420 bibliotecas preinstaladas, incluidas Pandas, Matplotlib y SciPy, por lo que muchas tareas comunes funcionan sin configuración adicional.

El código se ejecuta dentro de un contenedor de sandbox. Este contenedor es el entorno de trabajo donde se ejecuta Python y donde se almacenan los archivos cargados, los archivos generados y los datos de trabajo temporales durante la sesión.

Los contenedores de Code Interpreter utilizan un pool de memoria compartida de 64 GB por arrendamiento.

Los tamaños de contenedor soportados son:

• 1 GB
• 4 GB
• 16 GB
• 64 GB

Este límite compartido se puede dividir en varios contenedores. Por ejemplo, puede admitir:

• Sesenta y cuatro contenedores de 1 GB
• Dieciséis contenedores de 4 GB
• Cuatro contenedores de 16 GB
• Un contenedor de 64 GB

Si necesita más capacidad, puede enviar una solicitud de servicio.

Un contenedor caduca después de 20 minutos de inactividad.

Esto es importante saber al crear flujos de varios pasos:

• No se puede reutilizar un contenedor caducado
• Debe crear un nuevo contenedor
• Los archivos se deben volver a cargar si es necesario
• El estado en memoria, como variables de Python y objetos de Python, se pierde

Debido a esto, es mejor tratar los contenedores como entornos de trabajo temporales.

response = client.responses.create(
    model="xai.grok-4-1-fast-reasoning",
    tools=[
        {
            "type": "code_interpreter",
            "container": {"type": "auto"}
        }
    ],
    instructions="Use the python tool to solve the problem and explain the result.",
    input="Find the value of (18 / 3) + 7 * 2."
)

print(response.output_text)

En este ejemplo, la herramienta python es Code Interpreter.

La herramienta Interpretador de código requiere un objeto contenedor. El contenedor es el entorno aislado en el que el modelo ejecuta código Python.

Un contenedor puede contener:

• Archivos Cargados
• Archivos creados por el modelo
• Datos de trabajo temporales durante la ejecución

Al utilizar Code Interpreter, puede utilizar uno de los dos modos de contenedor:

• auto: OCI Generative AI aprovisiona o reutiliza un contenedor en el contexto actual.
• OCID de contenedor: cree el contenedor usted mismo, defina el tamaño de memoria y proporcione el OCID.

Para ambas opciones, los contenedores se crean y gestionan en OCI Generative AI. El código que se ejecuta en esos contenedores también se ejecuta en el arrendamiento de OCI Generative AI.

El intérprete de código admite la interacción dinámica de archivos durante la vida útil del contenedor. El modelo puede leer los archivos que proporcione y también puede crear nuevos archivos.

Esto resulta útil para flujos de trabajo como:

• Lectura de un CSV o PDF
• Generación de un gráfico
• Guardando salida procesada
• Creación de logs o informes

Referencia de API: documentación de la API de archivos de contenedor OpenAI y API de archivos de contenedor.

Los archivos creados o actualizados por la herramienta python se mantienen en los turnos de ejecución de código en el mismo contenedor, siempre que el contenedor no haya caducado.

Esto significa que el modelo puede basarse en trabajos anteriores en la misma sesión. Por ejemplo, puede:

• Leer un Archivo
• Analizarlo
• Guardar un gráfico
• Utilizar ese gráfico más adelante en el mismo contenedor

Cuando el contenedor caduca, ese estado ya no está disponible.