OpenAI: GPT-4o-mini (batch)

GPT-4o Mini é o modelo pequeno da OpenAI da família GPT-4o para trabalho focado. Aceita texto e imagens e produz texto, incluindo Structured Outputs. O seu papel é útil quando uma aplicação precisa de uma resposta concisa a um pedido bem especificado: extrair campos, desenvolver uma resposta a partir de material de referência fornecido ou realizar uma etapa delimitada num processo mais amplo.

Para uma resposta de assistência, forneça a mensagem recebida, os excertos relevantes das regras aplicáveis e os factos já estabelecidos na conversa. Peça uma resposta proposta curta e identifique qualquer informação ainda necessária do remetente. Para extração documental, defina os campos, explique como tratar valores em falta e preserve uma etiqueta que relacione cada resultado com a sua origem. A mesma abordagem pode produzir uma classificação, um excerto editado ou uma explicação de uma pequena alteração ao código, sem tratar o modelo como substituto da lógica envolvente da aplicação.

O fabricante indica uma janela de contexto de 128 000 tokens, uma saída máxima de 16 384 tokens e conhecimentos atualizados até 1 de outubro de 2023. Material de origem, conversa e saída gerada ocupam esse contexto em conjunto. Mantenha visíveis os factos anteriores significativos e indique o resultado final necessário. GPT-4o Mini é um modelo pequeno separado, não um modo de comprimento de saída de GPT-4o completo; a sua identidade e capacidades próprias devem orientar a tarefa, mesmo quando os dois modelos partilham especificações.

As imagens podem fornecer uma captura de ecrã, página de documento, fotografia ou diagrama. O processo de visão da OpenAI aceita PNG, JPEG, WebP e GIF não animado, com detalhe low, high ou auto para esta família. Detalhe superior segue o tratamento de imagens por blocos do fabricante. Mantenha as etiquetas importantes legíveis e na orientação correta e explique que parte da imagem deve informar a resposta. Relações espaciais precisas, contagens exatas de objetos, projeções de imagem invulgares e algum texto não latino são dificuldades documentadas. Uma pergunta focada torna uma resposta visual mais fácil de comparar com as evidências originais. No processo de visão documentado da OpenAI, o conteúdo total do pedido é limitado a 512 MB e um pedido pode incluir até 1 500 imagens; as imagens e o texto têm também de caber no contexto do modelo.

O processo de ficheiros do fabricante transmite texto extraído e imagens das páginas de PDF a modelos com visão. Outros ficheiros de escritório e texto contribuem com texto extraído, pelo que as suas imagens e gráficos incorporados precisam de uma representação PDF quando esses visuais são importantes. O enriquecimento de folhas de cálculo utiliza, no máximo, as primeiras 1 000 linhas por folha. Cada ficheiro deve ter menos de 50 MB, com um limite combinado de 50 MB por pedido. Chat Completions aceita partes de ficheiro PDF; o processo Responses documentado aceita um conjunto mais amplo de formatos de ficheiro. Preserve os identificadores de página, linha ou secção no material que utiliza para extração.

O streaming devolve texto de forma incremental. Structured Outputs restringe uma resposta concluída ao subconjunto suportado de JSON Schema, enquanto um pedido de modo JSON assegura apenas JSON válido. Indique os campos necessários e os valores permitidos, incluindo uma representação explícita de evidências em falta. As aplicações precisam de tratar recusas e respostas incompletas separadamente. Um esquema pode tornar o resultado adequado à etapa seguinte, mas os valores continuam a precisar de refletir a origem efetiva, em vez de um preenchimento inventado de um campo vazio.

GPT-4o Mini suporta chamadas de funções e os processos do fabricante orientados para ferramentas, com pesquisa na web, pesquisa em ficheiros, interpretação de código e ligações MCP. Descreva uma função disponível, deixe a aplicação executar a operação pedida e devolver a sua observação antes de o modelo desenvolver uma resposta posterior. A OpenAI suporta também uma ferramenta separada de geração de imagens no processo Responses configurado. As imagens produzidas por essa ferramenta são resultados separados; a saída nativa documentada do modelo continua a ser texto. Pesquisa e utilização de ferramentas são atividades configuradas, não evidência de que todas as respostas tenham consultado informação atual.

Predicted Outputs suporta regeneração de um documento ou ficheiro de código em grande parte conhecido com uma pequena alteração. Forneça o conteúdo anterior e a edição precisa, depois compare o resultado com esse pedido. O percurso de previsão suporta apenas texto e não se combina com chamadas de funções; logprobs, max_completion_tokens e vários outros controlos são também excluídos. Um pedido normal com ferramentas é um percurso diferente quando a resposta depende de uma pesquisa ou cálculo novos.

A OpenAI documenta ajuste fino para este modelo e descreve a utilização das saídas de um modelo maior para ensinar uma tarefa especializada a um modelo GPT-4o Mini mais pequeno. Este processo de destilação produz um modelo personalizado; não altera a identidade de uma resposta Mini normal. Para um pedido normal, estabeleça a tarefa e o formato de saída com exemplos claros, depois utilize um pedido posterior focado para rever o mesmo resultado. Um resultado final útil continua ligado aos factos de origem, ao leitor previsto e à etapa da aplicação que o consome.