OpenAI: GPT-5.4 Mini (batch)

GPT-5.4 Mini (batch) هو نموذج توليد نصوص من OpenAI، متاح على api14 تحت معرّف النموذج openai/gpt-5.4-mini:batch. وهو عضو أصغر وأكثر كفاءة في عائلة GPT-5.4، مصمم لأحمال العمل ذات الإنتاجية العالية مع الحفاظ على القدرات الأساسية لنموذج GPT-5.4 الأكبر. النسخة batch مخصصة للمهام غير المتزامنة وعالية الحجم بدلاً من المحادثة التفاعلية التي تدار دوراً بدور.

يقبل النموذج النصوص والصور والملفات كمدخلات، وينتج النصوص كمخرجات. تبلغ نافذة السياق لديه 400,000 رمز ويمكنه توليد ما يصل إلى 128,000 رمز في استجابة واحدة. وحد المعرفة لديه هو 2025-08-31. ولأنه يتعامل مع مدخلات نصية وبصرية معاً، يمكنه العمل مع محتوى مختلط مثل المستندات التي تحتوي على أشكال مضمّنة ولقطات شاشة وصفحات ممسوحة ضوئياً إلى جانب التعليمات المكتوبة.

تشير هذه القدرات إلى مجموعة واسعة نسبياً من الاستخدامات العملية. الاستدلال والبرمجة هما المجالان اللذان تسلط OpenAI الضوء عليهما، لذا فإن توليد الشيفرة ومراجعة الشيفرة والمساعدة في تصحيح الأخطاء تناسب ذلك بطبيعتها، وكذلك المهام التحليلية متعددة الخطوات حيث يتعين على النموذج العمل على مسألة قبل الإجابة. تناسب نافذة السياق الكبيرة معالجة المستندات الطويلة: تلخيص التقارير، أو استخراج بيانات منظمة من العقود، أو الإجابة على أسئلة حول قاعدة شيفرة كاملة أو مجموعة من الملفات. ويوسّع إدخال الصور ذلك ليشمل مهام مثل قراءة المخططات، ونسخ الجداول من لقطات الشاشة، ووصف المحتوى البصري. ويجعل التوجه نحو المعالجة المجمعة منه خياراً معقولاً لخطوط المعالجة دون الاتصال المباشر، والتصنيف بالجملة، وإثراء مجموعات البيانات، وغيرها من المهام التي تُوضع فيها الطلبات في قائمة انتظار بدلاً من انتظارها واحداً تلو الآخر.

يمكنك استدعاؤه عبر واجهة API المتوافقة مع OpenAI من api14 باستخدام معرّف النموذج openai/gpt-5.4-mini:batch، لذا تعمل حزم SDK وعملاء OpenAI الحاليون مع تغيير عنوان URL الأساسي والمفتاح فقط. معاملات الطلب التي يدعمها هي include_reasoning وmax_tokens وreasoning وreasoning_effort وresponse_format وseed وstructured_outputs وtool_choice وtools وverbosity. عملياً، يعني ذلك أنه يمكنك تحديد طول المخرجات باستخدام max_tokens، والتحكم في مقدار الاستدلال الداخلي الذي يقوم به النموذج باستخدام reasoning_effort وreasoning، وطلب إجابات بصيغة JSON باستخدام response_format أو structured_outputs، وجعل أخذ العينات قابلاً للتكرار باستخدام seed، ومنح النموذج دوال قابلة للاستدعاء عبر tools وtool_choice. ويتيح لك include_reasoning وverbosity تحديد مقدار أثر الاستدلال ومقدار التفصيل الذي تريد استرجاعه.

أمر يجب أخذه في الاعتبار هو الطبيعة المجمعة لنقطة النهاية هذه. إذا كان تطبيقك يحتاج إلى استجابات فورية داخل واجهة محادثة أو حلقة وكيل، فإن نموذجاً غير مجمع سيكون على الأرجح الخيار الأفضل، وينطبق الشيء نفسه إذا كنت تحتاج إلى إدخال صوتي أو مرئي، لأن هذا النموذج لا يقبل سوى النصوص والصور والملفات ولا يعيد سوى النصوص. ومع ذلك، ضمن هذه الحدود، فإن الجمع بين سياق يبلغ 400,000 رمز وسقف مخرجات يبلغ 128,000 رمز ودعم الأدوات والمخرجات المنظمة يغطي معظم أحمال العمل كثيفة المستندات وكثيفة الشيفرة.