OpenAI: GPT-4.1 Nano (batch)

GPT-4.1 Nano er OpenAIs raskeste medlem av GPT-4.1-familien, laget for instruksjonsfølging og verktøykall uten et separat resonneringstrinn. Den tar imot tekst og bilder og produserer tekst. Nano passer til en klart definert operasjon der applikasjonen trenger et kompakt svar, et sett med felter eller neste verktøyforespørsel fremfor en omfattende undersøkelse.

Et nyttig eksempel er å sortere innkommende meldinger etter et oppgitt sett med kategorier. Forklar hver kategori, vis hvordan tvetydige meldinger eller meldinger utenfor virkeområdet skal representeres og be om kategorien sammen med kildeformuleringen som støtter den. For uthenting definerer du feltnavn, tillatte verdier og håndtering av manglende opplysninger. For en kort skriveoppgave oppgir du faktaene og ber om det konkrete avsnittet som neste steg i applikasjonen trenger. Eksemplene og begrensningene bør være små nok til å forbli klare selv når kildesamlingen er stor.

Produsenten angir et kontekstvindu på 1047576 tokener, en maksimal utdatamengde på 32768 tokener og en kunnskapsgrense på 1. juni 2024. Disse spesifikasjonene samsvarer med vinduet til GPT-4.1 Mini, samtidig som Nanos separate modellidentitet og rolle med vekt på rask respons bevares. Merk dokumenter og samtaledeler, ta bare med konteksten som er relevant for operasjonen og sett av plass til hele svaret. Søkeresultater eller oppgitt referansetekst kan gi fakta som er nyere enn modellens innlærte kunnskap.

Nano støtter strømming og Structured Outputs. Et skjemabegrenset endelig svar har et annet formål enn et funksjonskall: det ene gir applikasjonen et ferdig produkt, mens det andre ber den utføre en operasjon. Structured Outputs støtter et delsett av JSON Schema; definer nødvendige egenskaper og en tydelig representasjon for ukjente verdier. Håndter avslag og ufullstendige svar separat og kontroller uthentede verdier mot inndataene, fremfor å likestille en gyldig form med en korrekt konklusjon.

Det dokumenterte verktøysettet inkluderer funksjonskall, filsøk, kodetolkning, MCP-tilkoblinger og et separat verktøy for bildegenerering. Applikasjonen oppgir verktøybeskrivelser og skjemaer, utfører egendefinerte funksjoner og returnerer de faktiske resultatene deres. For Nano-modellversjonen fra 14. april 2025 anbefaler OpenAI uttrykkelig å deaktivere parallelle verktøykall fordi modellen kan be om det samme verktøyet flere ganger i én tur. Dette er et hensyn ved utførelse som er spesifikt for modellversjonen, ikke en grunn til å tolke flere foreslåtte kall som fullførte handlinger.

Bildeinndata gir visuelle bevis til en tekstoppgave, som å lese en synlig etikett eller beskrive tilstanden i et skjermbilde. Bruk støttede bilder i PNG, JPEG, WebP eller ikke-animert GIF, hold teksten leselig og forklar hvilken observasjon som er viktig. Bildeveiledningen omtaler vansker med liten eller rotert tekst, presise romlige forhold, antall gjenstander og noe skrift utenfor det latinske alfabetet. Gi omkringliggende kontekst der et utsnitt alene ville gjøre en etikett eller et diagram tvetydig. Nanos eget svar er tekst; et verktøy for bildegenerering returnerer sitt eget separate produkt. I OpenAIs dokumenterte bildearbeidsflyt er forespørselens samlede datamengde begrenset til 512 MB, og en forespørsel kan inneholde opptil 1500 bilder; bildene og teksten må også passe i modellens kontekst.

I produsentens filarbeidsflyt mottar en modell med bildestøtte både uthentet tekst og sidebilder fra PDF-filer. Andre dokumentformater bidrar med uthentet tekst, og utvidet regnearkbehandling tar hensyn til opptil de første 1000 radene per ark. En fil må være under 50 MB, med 50 MB samlet for forespørselen. Chat Completions støtter PDF-fildeler, mens den dokumenterte Responses-arbeidsflyten godtar flere filtyper. Innebygde diagrammer i dokumenter som ikke er PDF, sendes ikke som bildeinnhold, så en PDF-representasjon er nyttig når visuelle bevis er viktige.

OpenAI dokumenterer hurtigbufring av instruksjoner for Nano og Predicted Outputs for GPT-4.1 Nano-serien. Hurtigbufring av instruksjoner gjenbruker et kvalifisert inndataprefiks i produsentens tjeneste. Predicted Outputs oppgir i stedet stort sett kjent utdatatekst for en endring, for eksempel revisjon av et dokument eller en kodefil der uendrede deler bevares. Prediksjonsveien bruker bare tekst og utelukker blant annet funksjonskall, logprobs og max_completion_tokens. Velg veien som passer den faktiske operasjonen og hold resultatet knyttet til originalkilden.

Produsenten dokumenterer også veiledet finjustering og direkte preferanseoptimalisering for Nanos navngitte GPT-4.1-modellversjon. Treningseksempler og foretrukne kontra avviste svar tilpasser en modell til en gjentakende oppgave; de er forskjellige fra konteksten som gis i en vanlig forespørsel. For et praktisk steg med uthenting eller klassifisering begynner du med tydelige kategorier, eksempler og et uttrykkelig sluttformat og undersøker så om de returnerte feltene bevarer faktaene neste steg skal bruke.