OpenAI: GPT-4o-mini (batch)

GPT-4o Mini est le petit modèle d’OpenAI de la famille GPT-4o pour les travaux ciblés. Il accepte du texte et des images et produit du texte, notamment avec Structured Outputs. Son rôle est utile lorsqu’une application nécessite une réponse concise à une demande bien spécifiée : extraire des champs, élaborer une réponse à partir des références fournies ou effectuer une étape délimitée dans un processus plus vaste.

Pour une réponse d’assistance, fournissez le message reçu, les extraits de politique pertinents et les faits déjà établis dans la conversation. Demandez une proposition de réponse courte et identifiez les informations encore nécessaires de la part de l’expéditeur. Pour une extraction documentaire, définissez les champs, expliquez comment traiter les valeurs manquantes et préservez un libellé reliant chaque résultat à sa source. La même approche peut produire une classification, un passage modifié ou une explication d’une petite modification de code sans traiter le modèle comme un substitut à la logique environnante de l’application.

Le fournisseur indique une fenêtre de contexte de 128 000 tokens, une sortie maximale de 16 384 tokens et une date limite des connaissances au 1er octobre 2023. Les sources, la conversation et la sortie générée occupent ensemble ce contexte. Gardez visibles les faits antérieurs significatifs et précisez le livrable final requis. GPT-4o Mini est un petit modèle distinct, et non un mode de longueur de sortie de GPT-4o complet ; son identité et ses capacités propres doivent guider la tâche, même lorsque les deux modèles partagent des spécifications.

Les images peuvent fournir une capture d’écran, une page de document, une photographie ou un schéma. Le processus de vision d’OpenAI accepte PNG, JPEG, WebP et les GIF non animés, avec un niveau de détail low, high ou auto pour cette famille. Le niveau de détail plus élevé suit le traitement d’image par tuiles du fournisseur. Gardez les libellés importants lisibles et à l’endroit et expliquez quelle partie de l’image doit éclairer la réponse. Les relations spatiales fines, les décomptes exacts d’objets, les projections d’images inhabituelles et certains textes non latins constituent des difficultés documentées. Une question ciblée facilite la comparaison de la réponse visuelle avec les preuves d’origine. Dans le processus de vision documenté d’OpenAI, la charge utile totale de la requête est limitée à 512 MB et une requête peut inclure jusqu’à 1 500 images ; les images et le texte doivent également tenir dans le contexte du modèle.

Le processus de fichiers du fournisseur transmet le texte extrait et les images des pages des PDF aux modèles capables de vision. Les autres fichiers bureautiques et textuels apportent le texte extrait ; leurs images et graphiques intégrés nécessitent donc une représentation PDF lorsque ces visuels importent. L’enrichissement des feuilles de calcul utilise jusqu’aux 1 000 premières lignes de chaque feuille. Chaque fichier doit faire moins de 50 MB, avec une allocation totale de 50 MB par requête. Chat Completions accepte les parties de fichier PDF ; le processus Responses documenté accepte un ensemble plus large de formats de fichiers. Préservez les identifiants de page, de ligne ou de section dans les éléments utilisés pour l’extraction.

La diffusion en continu renvoie le texte progressivement. Structured Outputs contraint une réponse terminée au sous-ensemble pris en charge de JSON Schema, tandis qu’une demande de mode JSON garantit seulement un JSON valide. Nommez les champs requis et les valeurs autorisées, y compris une représentation explicite de l’absence de preuves. Les applications doivent traiter séparément les refus et les réponses incomplètes. Un schéma peut rendre le livrable adapté à l’étape suivante, mais les valeurs doivent toujours refléter la source réelle plutôt qu’une complétion inventée d’un champ vide.

GPT-4o Mini prend en charge l’appel de fonctions et les processus du fournisseur axés sur les outils, avec la recherche sur le Web, la recherche dans les fichiers, l’interprétation de code et les connexions MCP. Décrivez une fonction disponible, laissez l’application exécuter l’opération demandée et renvoyer son observation avant que le modèle élabore une réponse suivante. OpenAI prend également en charge un outil distinct de génération d’images dans le processus Responses configuré. Les images produites par cet outil constituent des livrables distincts ; la sortie native documentée du modèle reste textuelle. La recherche et l’utilisation d’outils sont des activités configurées, et non une preuve que chaque réponse a consulté des informations actuelles.

Predicted Outputs permet de régénérer un document ou un fichier de code largement connu avec une petite modification. Fournissez le contenu précédent et la modification précise, puis comparez le livrable obtenu à cette demande. Le parcours de prédiction prend uniquement en charge le texte et ne se combine pas avec l’appel de fonctions ; logprobs, max_completion_tokens et plusieurs autres contrôles sont également exclus. Une requête ordinaire utilisant des outils constitue un autre parcours lorsque la réponse dépend d’une recherche ou d’un calcul récent.

OpenAI documente l’ajustement fin pour ce modèle et décrit l’utilisation des sorties d’un modèle plus grand pour enseigner une tâche spécialisée à un plus petit modèle GPT-4o Mini. Ce processus de distillation produit un modèle personnalisé ; il ne change pas l’identité d’une réponse Mini ordinaire. Pour une requête ordinaire, établissez la tâche et le format de sortie avec des exemples clairs, puis utilisez un échange suivant ciblé pour réviser le même résultat. Un livrable final utile reste relié aux faits sources, au lecteur visé et à l’étape de l’application qui l’utilise.