OpenAI: GPT-4.1 (batch)

GPT-4.1 est le modèle d’OpenAI sans étape de raisonnement dédiée pour le suivi des instructions et l’appel d’outils, avec de vastes connaissances dans de nombreux domaines. Il accepte du texte et des images et renvoie du texte sans étape de raisonnement dédiée. Son grand contexte est utile lorsque la tâche est clairement définie, mais que les éléments pertinents couvrent des documents volumineux ou du code. Précisez l’opération souhaitée, le contenu source auquel elle s’applique et la forme du résultat final.

Pour traiter des documents, séparez les instructions du contenu à l’aide de titres ou d’autres délimitations claires. Identifiez les documents et conservez les identifiants auxquels la réponse doit faire référence. Définissez les champs à extraire, les critères de comparaison ou le public et la longueur d’une réécriture. Un exemple de résultat peut être un tableau d’exigences avec leurs emplacements dans les sources, une synthèse organisée selon un ensemble de questions précis ou une fiche structurée distinguant une information manquante d’une valeur explicite.

Pour programmer, fournissez les fichiers pertinents, la modification demandée et le comportement à conserver. Demandez le résultat concret dont vous avez besoin : une fonction révisée, un fichier complet, des arguments d’outil proposés ou une explication de la logique concernée. Les exemples peuvent clarifier une règle de mise en forme ou un cas limite, mais doivent respecter les mêmes exigences que la tâche réelle. Les recommandations d’OpenAI pour les consignes privilégient les instructions directes, les rôles, les délimitations des sources et les exemples représentatifs, plutôt que de supposer qu’une longue consigne est automatiquement précise.

La spécification exacte de GPT-4.1 indique une fenêtre de contexte de 1 047 576 jetons, une sortie maximale de 32 768 jetons et une date limite des connaissances au 1er juin 2024. Un grand contexte d’entrée n’implique pas une sortie aussi grande : une demande de réécriture d’un contenu volumineux doit donc préciser la partie concernée et le résultat final attendu. Gardez suffisamment de place pour la réponse et fournissez des informations actuelles lorsque la tâche dépend de faits postérieurs à cette date limite. Le type de modèle documenté pour GPT-4.1 est chat ; les réglages d’effort de raisonnement des modèles de raisonnement plus récents ne font pas partie de ce profil.

OpenAI documente pour GPT-4.1 les interfaces Chat Completions, Responses, Assistants, Batch et d’ajustement fin. Les fonctionnalités répertoriées comprennent la diffusion en continu, Structured Outputs, l’appel de fonctions, l’envoi de fichiers, les images en entrée, la recherche sur le Web et dans les fichiers, l’ajustement fin et la mise en cache de l’entrée. Ses outils comprennent l’interprétation de code, la génération d’images et les connexions MCP, ainsi que la recherche et les fonctions. La sortie propre du modèle est du texte, tandis qu’un outil peut renvoyer un résultat ou une observation distincts. Définissez l’objectif et les arguments d’une opération de l’application et utilisez son résultat effectivement renvoyé ; une demande générée par le modèle ne confirme pas qu’une opération externe a été exécutée.

Predicted Outputs, dans l’interface Chat Completions d’OpenAI, est une fonctionnalité particulière. Lorsque l’essentiel du résultat textuel ou du code souhaité est déjà connu, le contenu existant peut être fourni comme prédiction pour aider à régénérer le résultat complet avec une petite modification. Fournissez par exemple un fichier actuel et demandez un renommage de propriété précisément délimité en conservant le code environnant. La prédiction est le contenu de sortie attendu, et non une instruction ni une garantie que les parties inchangées resteront correctes. Examinez le résultat régénéré au regard de la modification demandée et du contenu d’origine.

Predicted Outputs possède ses propres limites de compatibilité. OpenAI documente un usage uniquement textuel, sans entrée ni sortie audio et sans appel de fonctions dans cette requête. La fonctionnalité ne prend pas en charge plusieurs choix avec n supérieur à 1, les logarithmes des probabilités, les pénalités positives de présence ou de fréquence, ni le paramètre max_completion_tokens. Distinguez ce processus de régénération d’une tâche nécessitant des appels d’outils. Le texte de prédiction peut correspondre à certaines parties de la sortie, et le fournisseur indique les jetons de prédiction acceptés et rejetés ; une prédiction inadaptée peut rester partiellement inutilisée. La fonctionnalité ne garantit donc ni une accélération donnée ni un résultat particulier.

Pour les tâches courantes de suivi des instructions, un résultat utile de GPT-4.1 est un document ou du code respectant des spécifications définies, une extraction avec des champs explicites ou une demande d’outil dont les arguments correspondent à l’opération fournie. Pour une petite modification d’un fichier en grande partie inchangé, le processus de sortie prédite offre un moyen plus spécifique de préparer le résultat attendu. Dans les deux cas, conservez le contenu source nécessaire pour vérifier la réponse et rendez les ambiguïtés explicites. La capacité de contexte et les outils du modèle soutiennent le processus ; la consigne de la tâche détermine toujours ce que doit contenir une réponse complète et exploitable.