OpenAI: GPT-4.1 Nano (batch)

GPT-4.1 Nano es el miembro más rápido de la familia GPT-4.1 de OpenAI, diseñado para seguir instrucciones y llamar a herramientas sin una etapa separada de razonamiento. Acepta texto e imágenes y genera texto. Nano encaja en una operación bien definida en la que la aplicación necesita una respuesta compacta, un conjunto de campos o la siguiente solicitud de herramienta, en lugar de una investigación extensa.

Un ejemplo útil consiste en clasificar mensajes entrantes según un conjunto de categorías proporcionado. Explica cada categoría, muestra cómo representar los mensajes ambiguos o fuera de alcance y pide la categoría junto con la frase de la fuente que la respalda. Para extraer información, define los nombres de los campos, los valores permitidos y el tratamiento de la información ausente. Para una tarea breve de escritura, proporciona los hechos y pide el fragmento concreto que necesita la siguiente etapa de la aplicación. Los ejemplos y las restricciones deben ser lo bastante pequeños para seguir siendo claros incluso cuando la colección de fuentes sea amplia.

El proveedor indica una ventana de contexto de 1,047,576 tokens, una salida máxima de 32,768 tokens y conocimientos actualizados hasta el 1 de junio de 2024. Estas especificaciones coinciden con la ventana de GPT-4.1 Mini, manteniendo la identidad propia de Nano y su función orientada a responder con rapidez. Etiqueta los documentos y las secciones de la conversación, incluye solo el contexto pertinente para la operación y reserva espacio para la respuesta completa. Los resultados de recuperación de información o el texto de referencia proporcionado pueden aportar hechos más recientes que los conocimientos aprendidos por el modelo.

Nano admite transmisión en flujo y Structured Outputs. Una respuesta final limitada por un esquema cumple un propósito distinto al de una llamada a función: una proporciona a la aplicación un resultado completo, mientras que la otra le pide realizar una operación. Structured Outputs admite un subconjunto de JSON Schema; define las propiedades obligatorias y una representación clara de los valores desconocidos. Gestiona por separado los rechazos y las respuestas incompletas, y comprueba los valores extraídos frente a la entrada en lugar de equiparar una estructura válida con una conclusión correcta.

El conjunto de herramientas documentado incluye llamadas a funciones, búsqueda en archivos, interpretación de código, conexiones MCP y una herramienta independiente de generación de imágenes. La aplicación proporciona descripciones y esquemas de las herramientas, ejecuta funciones personalizadas y devuelve sus resultados reales. Para la versión de Nano del 14 de abril de 2025, OpenAI recomienda expresamente desactivar las llamadas paralelas a herramientas porque el modelo puede solicitar la misma herramienta varias veces en un turno. Es una consideración de ejecución específica de esa versión, no un motivo para interpretar varias llamadas propuestas como acciones completadas.

La entrada de imágenes añade pruebas visuales a una tarea de texto, como leer una etiqueta visible o describir el estado mostrado en una captura de pantalla. Utiliza imágenes compatibles en PNG, JPEG, WebP o GIF no animado, mantén el texto legible y explica qué observación importa. La guía de visión señala dificultades con texto pequeño o girado, relaciones espaciales precisas, recuentos de objetos y algunos sistemas de escritura no latinos. Proporciona contexto alrededor cuando un recorte aislado vuelva ambigua una etiqueta o un diagrama. La propia respuesta de Nano es texto; una herramienta de generación de imágenes devuelve su propio resultado independiente. En el proceso de visión documentado de OpenAI, el contenido total de la solicitud está limitado a 512 MB y una solicitud puede incluir hasta 1,500 imágenes; las imágenes y el texto también deben caber en el contexto del modelo.

En el proceso de archivos del proveedor, un modelo con capacidad de visión recibe tanto el texto extraído como imágenes de las páginas de los PDF. Otros formatos de documento aportan texto extraído, y la ampliación de hojas de cálculo considera como máximo las primeras 1,000 filas por hoja. Un archivo debe ocupar menos de 50 MB, con un límite total de 50 MB para el conjunto de la solicitud. Chat Completions admite partes de archivos PDF, mientras que el proceso documentado de Responses acepta tipos de archivo adicionales. Los gráficos incrustados en documentos que no sean PDF no se transmiten como contenido de imagen, por lo que una representación PDF resulta útil cuando las pruebas visuales importan.

OpenAI documenta el almacenamiento de la entrada en caché para Nano y Predicted Outputs para la serie GPT-4.1 Nano. La caché de entrada reutiliza un prefijo de entrada apto en el servicio del proveedor. Predicted Outputs, en cambio, proporciona texto de salida ya conocido en gran medida para una edición, como revisar un documento o archivo de código conservando sus partes sin cambios. La vía de predicción funciona solo con texto y excluye las llamadas a funciones, logprobs y max_completion_tokens, entre otros controles. Elige la vía adecuada para la operación real y mantén su resultado asociado con la fuente original.

El proveedor también documenta ajuste fino supervisado y optimización directa de preferencias para la versión de GPT-4.1 Nano identificada por nombre. Los ejemplos de entrenamiento y las respuestas preferidas frente a las rechazadas adaptan un modelo a una tarea recurrente; son distintos del contexto proporcionado a una solicitud habitual. Para una etapa práctica de extracción o clasificación, empieza con categorías claras, ejemplos y un formato final explícito, y comprueba después si los campos devueltos conservan los hechos que utilizará la siguiente etapa.