OpenAI: GPT-4.1 Nano (batch)

GPT-4.1 Nano er OpenAIs hurtigste medlem af GPT-4.1-familien, udviklet til efterlevelse af instruktioner og værktøjskald uden et separat ræsonneringstrin. Den modtager tekst og billeder og producerer tekst. Nano egner sig til en veldefineret handling, hvor applikationen har brug for et kompakt svar, et sæt felter eller den næste værktøjsanmodning frem for en omfattende undersøgelse.

Et nyttigt eksempel er at sortere indgående beskeder efter et leveret sæt kategorier. Forklar hver kategori, vis, hvordan tvetydige beskeder eller beskeder uden for opgavens rammer skal repræsenteres, og bed om kategorien sammen med den kildeformulering, der understøtter den. Til udtræk skal du definere feltnavne, tilladte værdier og håndtering af manglende oplysninger. Til en kort skriveopgave skal du levere fakta og bede om den konkrete passage, som det næste applikationstrin har brug for. Eksemplerne og begrænsningerne skal være korte nok til at forblive tydelige, selv når kildesamlingen er stor.

Leverandøren angiver et kontekstvindue på 1.047.576 tokens, et maksimalt output på 32.768 tokens og en vidensgrænse den 1. juni 2024. Specifikationerne matcher vinduet i GPT-4.1 Mini og bevarer samtidig Nanos særskilte modelidentitet og rolle med fokus på hurtige svar. Mærk dokumenter og samtaleafsnit, medtag kun den kontekst, som er relevant for handlingen, og reserver plads til det komplette svar. Hentede søgeresultater eller leveret referencetekst kan give fakta, som er nyere end modellens indlærte viden.

Nano understøtter streaming og Structured Outputs. Et skemabegrænset slutsvar tjener et andet formål end et funktionskald: det ene giver applikationen et færdigt resultat, mens det andet beder den om at udføre en handling. Structured Outputs understøtter en delmængde af JSON Schema; definer påkrævede egenskaber og en tydelig repræsentation af ukendte værdier. Håndter afvisninger og ufuldstændige svar separat, og kontroller de udtrukne værdier mod inputtet frem for at sætte lighedstegn mellem en gyldig form og en korrekt konklusion.

Det dokumenterede værktøjssæt omfatter funktionskald, filsøgning, kodefortolkning, MCP-forbindelser og et separat billedgenereringsværktøj. Applikationen leverer værktøjsbeskrivelser og skemaer, udfører egne funktioner og returnerer deres faktiske resultater. For Nano-modelversionen fra den 14. april 2025 anbefaler OpenAI specifikt at deaktivere parallelle værktøjskald, fordi modellen kan anmode om samme værktøj flere gange i én samtalerunde. Det er et versionsspecifikt hensyn ved udførelse, ikke en grund til at fortolke flere foreslåede kald som gennemførte handlinger.

Billedinput føjer visuelt kildemateriale til en tekstopgave, eksempelvis læsning af en synlig etiket eller beskrivelse af tilstanden i et skærmbillede. Brug understøttede PNG-, JPEG-, WebP- eller ikke-animerede GIF-billeder, hold teksten læsbar, og forklar, hvilken observation der er vigtig. Vejledningen til billedforståelse nævner vanskeligheder med lille eller roteret tekst, præcise rumlige relationer, optælling af genstande og visse ikke-latinske skriftsystemer. Tilføj omgivende kontekst, hvor en beskæring alene ville gøre en etiket eller et diagram tvetydigt. Nanos eget svar er tekst; et billedgenereringsværktøj returnerer sit eget separate resultat. I OpenAIs dokumenterede arbejdsgang til billedforståelse er den samlede anmodnings nyttelast begrænset til 512 MB, og en anmodning kan indeholde op til 1.500 billeder; billederne og teksten skal også passe ind i modellens kontekst.

I leverandørens filarbejdsgang modtager en model med billedforståelse både udtrukket tekst og sidebilleder fra PDF-dokumenter. Andre dokumentformater bidrager med udtrukket tekst, og berigelse af regneark medtager op til de første 1.000 rækker pr. ark. En fil skal være under 50 MB, og filerne i anmodningen må tilsammen fylde 50 MB. Chat Completions understøtter PDF-fildele, mens den dokumenterede Responses-arbejdsgang accepterer yderligere filtyper. Indlejrede diagrammer i dokumenter, der ikke er PDF-filer, sendes ikke som billedindhold, så en PDF-gengivelse er nyttig, når det visuelle kildemateriale er vigtigt.

OpenAI dokumenterer promptcaching for Nano og Predicted Outputs for GPT-4.1 Nano-serien. Promptcaching genbruger et inputpræfiks, som opfylder betingelserne, i leverandørens tjeneste. Predicted Outputs leverer i stedet stort set kendt outputtekst til en redigering, eksempelvis revision af et dokument eller en kodefil med bevarelse af de uændrede dele. Fremgangsmåden med forudsagt output er rent tekstbaseret og udelukker blandt andet funktionskald, logprobs og max_completion_tokens. Vælg fremgangsmåden til den faktiske handling, og hold resultatet knyttet til den oprindelige kilde.

Leverandøren dokumenterer også superviseret finjustering og direkte præferenceoptimering for Nanos navngivne GPT-4.1-modelversion. Træningseksempler og foretrukne frem for afviste svar tilpasser en model til en tilbagevendende opgave; de er adskilt fra den kontekst, der leveres til en almindelig anmodning. Til et praktisk udtræks- eller klassifikationstrin skal du begynde med tydelige kategorier, eksempler og et udtrykkeligt slutformat og derefter undersøge, om de returnerede felter bevarer de fakta, som næste trin skal bruge.