OpenAI: GPT-4.1 Nano (batch)

A GPT-4.1 Nano az OpenAI GPT-4.1 családjának leggyorsabb tagja, külön következtetési lépés nélküli utasításkövetésre és eszközhívásra tervezve. Szöveget és képeket fogad, és szöveget állít elő. A Nano jól meghatározott művelethez alkalmas, amelyben az alkalmazás tömör választ, mezők halmazát vagy a következő eszközkérést igényli, nem terjedelmes vizsgálatot.

Hasznos példa lehet beérkező üzenetek besorolása megadott kategóriák szerint. Magyarázza el a kategóriákat, mutassa meg a kétértelmű vagy a feladatkörön kívüli üzenetek megjelenítését, és kérje a kategóriát az azt alátámasztó forráskifejezéssel együtt. Adatkinyeréshez határozza meg a mezőneveket, az engedélyezett értékeket és a hiányzó információ kezelését. Rövid szövegírási feladathoz adja meg a tényeket, és kérje az alkalmazás következő szakaszához szükséges konkrét szövegrészt. A példák és korlátok legyenek elég rövidek és körülhatároltak ahhoz, hogy nagy forrásgyűjtemény mellett is egyértelműek maradjanak.

A gyártó 1 047 576 tokenes kontextusablakot, legfeljebb 32 768 tokenes kimenetet és 2024. június 1-jei tudáshatárt sorol fel. Ezek a specifikációk megegyeznek a GPT-4.1 Mini ablakával, miközben megőrzik a Nano különálló modellidentitását és a gyors válaszra összpontosító szerepét. Jelölje meg a dokumentumokat és beszélgetési szakaszokat, csak a művelethez releváns kontextust használja, és hagyjon helyet a teljes válasznak. Lekérdezési eredmények vagy megadott referenciaszöveg a modell tanult tudásánál újabb tényeket is adhatnak.

A Nano streamelést és Structured Outputs támogatást biztosít. A séma szerint korlátozott végső válasz más célt szolgál, mint a függvényhívás: az egyik befejezett eredményt ad az alkalmazásnak, a másik művelet elvégzését kéri tőle. A Structured Outputs a JSON Schema egy részhalmazát támogatja; határozza meg a szükséges tulajdonságokat és az ismeretlen értékek egyértelmű megjelenítését. A visszautasításokat és hiányos válaszokat külön kezelje, a kinyert értékeket pedig a bemenet alapján ellenőrizze, ne azonosítsa az érvényes szerkezetet a helyes következtetéssel.

A dokumentált eszközkészlet függvényhívást, fájlkeresést, kódértelmezést, MCP-kapcsolatokat és külön képgeneráló eszközt tartalmaz. Az alkalmazás megadja az eszközleírásokat és sémákat, végrehajtja az egyedi függvényeket, és visszaadja a tényleges eredményeiket. A 2025. április 14-i Nano modellpillanatképnél az OpenAI kifejezetten a párhuzamos eszközhívások kikapcsolását ajánlja, mert a modell egy fordulóban többször is kérheti ugyanazt az eszközt. Ez a konkrét pillanatkép végrehajtási szempontja, nem indok több javasolt hívás végrehajtott műveletként történő értelmezésére.

A képbemenet vizuális bizonyítékot ad egy szöveges feladathoz, például látható felirat elolvasásához vagy képernyőképen szereplő állapot leírásához. Támogatott PNG, JPEG, WebP vagy nem animált GIF képet használjon, a szöveg maradjon olvasható, és magyarázza el a fontos megfigyelést. A képi útmutató kis vagy elforgatott szövegnél, pontos térbeli összefüggéseknél, objektumszámlálásnál és egyes nem latin írásrendszereknél nehézségeket jelez. Adjon környező kontextust, ha egy kivágás önmagában kétértelművé tenné a feliratot vagy ábrát. A Nano saját válasza szöveg; a képgeneráló eszköz külön képi eredményt ad vissza. Az OpenAI dokumentált képi munkafolyamatában a kérés teljes adatmennyiségének korlátja 512 MB, és egy kérés legfeljebb 1 500 képet tartalmazhat; a képeknek és a szövegnek a modell kontextusába is bele kell férniük.

A gyártó fájlmunkafolyamatában a képeket is értelmező modell a PDF-ekből kinyert szöveget és az oldalak képeit egyaránt megkapja. Más dokumentumformátumok kinyert szöveget adnak, a táblázatok kiegészítő feldolgozása pedig munkalaponként legfeljebb az első 1 000 sort veszi figyelembe. Egy fájlnak 50 MB alatt kell lennie, a kérés teljes fájlkerete pedig 50 MB. A Chat Completions PDF-fájlrészeket támogat, a dokumentált Responses munkafolyamat további fájltípusokat fogad. Nem PDF dokumentumok beágyazott grafikonjai nem kerülnek át képi tartalomként, ezért a PDF-reprezentáció hasznos, ha fontos a vizuális bizonyíték.

Az OpenAI bemeneti gyorsítótárazást dokumentál a Nano modellhez és Predicted Outputs támogatást a GPT-4.1 Nano sorozathoz. A bemeneti gyorsítótárazás a gyártó szolgáltatásában alkalmas bemeneti előtagot használ újra. A Predicted Outputs ezzel szemben nagyrészt ismert kimeneti szöveget ad egy módosításhoz, például dokumentum vagy kódfájl átdolgozásához a változatlan részek megőrzésével. A predikciós út csak szöveges, és többek között kizárja a függvényhívást, a logprobs és max_completion_tokens használatát. A tényleges műveletnek megfelelő utat válassza, és eredményét tartsa az eredeti forráshoz kötve.

A gyártó a Nano megnevezett GPT-4.1 modellpillanatképéhez felügyelt finomhangolást és közvetlen preferenciaoptimalizálást is dokumentál. Tanítópéldák és előnyben részesített, illetve elutasított válaszok ismétlődő feladathoz igazítanak egy modellt; ezek különböznek a szokásos kéréshez megadott kontextustól. Gyakorlati adatkinyerési vagy osztályozási szakasznál világos kategóriákkal, példákkal és egyértelmű végső formátummal kezdjen, majd vizsgálja meg, hogy a visszaadott mezők megőrzik-e a következő szakaszban felhasznált tényeket.