OpenAI: GPT-4o-mini (batch)

GPT-4o Mini es el modelo pequeño de OpenAI de la familia GPT-4o para trabajo concreto. Acepta texto e imágenes y produce texto, incluido Structured Outputs. Su función resulta útil cuando una aplicación necesita una respuesta concisa a una solicitud bien especificada: extraer campos, desarrollar una respuesta a partir de referencias proporcionadas o realizar un paso acotado dentro de un proceso más amplio.

Para una respuesta de soporte, proporciona el mensaje recibido, los fragmentos pertinentes de las políticas y los hechos ya establecidos en la conversación. Solicita una propuesta de respuesta breve e identifica la información que aún se necesita del remitente. Para extracción documental, define los campos, explica cómo tratar los valores ausentes y conserva una etiqueta que vincule cada resultado con su fuente. El mismo enfoque puede producir una clasificación, un pasaje editado o una explicación de un cambio pequeño de código sin tratar al modelo como sustituto de la lógica que rodea a la aplicación.

El proveedor indica una ventana de contexto de 128.000 tokens, una salida máxima de 16.384 tokens y una fecha límite de conocimientos del 1 de octubre de 2023. El material de origen, la conversación y la salida generada ocupan juntos ese contexto. Mantén visibles los hechos anteriores importantes e indica el entregable final requerido. GPT-4o Mini es un modelo pequeño independiente, no un modo de extensión de salida de GPT-4o completo; su identidad y sus capacidades propias deben orientar la tarea incluso cuando ambos modelos compartan especificaciones.

Las imágenes pueden aportar una captura de pantalla, una página de documento, una fotografía o un diagrama. El flujo de visión de OpenAI admite PNG, JPEG, WebP y GIF no animados, con detalle low, high o auto para esta familia. Un detalle mayor utiliza el procesamiento de imágenes por bloques del proveedor. Mantén las etiquetas importantes legibles y en la orientación correcta y explica qué parte de la imagen debe orientar la respuesta. Las relaciones espaciales precisas, los recuentos exactos de objetos, las proyecciones de imagen inusuales y algunos textos no latinos son dificultades documentadas. Una pregunta concreta facilita comparar una respuesta visual con las pruebas originales. En el flujo de visión documentado de OpenAI, el tamaño 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.

El flujo de archivos del proveedor transmite texto extraído e imágenes de las páginas de PDF a modelos con capacidad de visión. Otros archivos ofimáticos y de texto aportan texto extraído, por lo que sus imágenes y gráficos incrustados necesitan una representación PDF cuando esos elementos visuales importen. El enriquecimiento de hojas de cálculo utiliza, como máximo, las primeras 1.000 filas de cada hoja. Cada archivo debe tener menos de 50 MB, con un límite combinado de 50 MB por solicitud. Chat Completions admite partes de archivos PDF; el flujo Responses documentado acepta un conjunto más amplio de formatos de archivo. Conserva los identificadores de página, fila o sección en el material que utilices para extracción.

La transmisión en continuo devuelve texto de forma incremental. Structured Outputs limita una respuesta completada al subconjunto admitido de JSON Schema, mientras que una solicitud de modo JSON solo garantiza JSON válido. Indica los campos requeridos y los valores permitidos, incluida una representación explícita de la falta de pruebas. Las aplicaciones deben tratar por separado los rechazos y las respuestas incompletas. Un esquema puede hacer que el entregable sea adecuado para la siguiente etapa, pero los valores deben seguir reflejando la fuente real, sin rellenar de forma inventada un campo vacío.

GPT-4o Mini admite llamadas a funciones y los flujos del proveedor orientados a herramientas, con búsqueda en la web, búsqueda en archivos, interpretación de código y conexiones MCP. Describe una función disponible, deja que la aplicación ejecute la operación solicitada y devuelva su observación antes de que el modelo desarrolle una respuesta posterior. OpenAI también admite una herramienta independiente de generación de imágenes en el flujo Responses configurado. Las imágenes producidas por esa herramienta son elementos independientes; la salida nativa documentada del modelo sigue siendo texto. La búsqueda y el uso de herramientas son actividades configuradas, no pruebas de que todas las respuestas hayan consultado información actual.

Predicted Outputs permite regenerar un documento o archivo de código cuyo contenido se conoce en gran medida con un cambio pequeño. Proporciona el contenido anterior y la edición precisa y compara el entregable resultante con esa solicitud. El flujo de predicción solo admite texto y no se combina con llamadas a funciones; logprobs, max_completion_tokens y otros controles también están excluidos. Una solicitud normal que utiliza herramientas sigue un flujo distinto cuando la respuesta depende de una consulta o un cálculo nuevos.

OpenAI documenta ajuste fino para este modelo y describe el uso de las salidas de un modelo más grande para enseñar una tarea especializada a un modelo GPT-4o Mini más pequeño. Este flujo de destilación produce un modelo personalizado; no cambia la identidad de una respuesta normal de Mini. Para una solicitud normal, establece la tarea y el formato de salida con ejemplos claros y utiliza una intervención posterior concreta para revisar el mismo resultado. Un entregable final útil sigue vinculado con los hechos de origen, el lector previsto y el paso de la aplicación que lo utiliza.