OpenAI: GPT-4.1

GPT-4.1 es un modelo de lenguaje grande insignia de OpenAI, lanzado por el proveedor el 14 de abril de 2025. Se sitúa en la categoría de texto y está posicionado para el seguimiento avanzado de instrucciones, la ingeniería de software del mundo real y el razonamiento de contexto largo. Si ya trabajas dentro de la familia de modelos de OpenAI, este es el nivel sucesor de GPT-4o, y está orientado a cargas de trabajo donde el cumplimiento cuidadoso de las instrucciones y grandes cantidades de contexto importan más que la velocidad bruta.

El modelo acepta texto, imágenes y archivos como entrada, y devuelve texto. Su ventana de contexto es de 1.047.576 tokens, que es un poco más de un millón de tokens, y la salida máxima es de 32.768 tokens. El corte de conocimiento es el 30 de junio de 2024, por lo que cualquier cosa posterior a esa fecha queda fuera de aquello con lo que se entrenó el modelo. La combinación de una ventana de contexto muy grande y un techo de salida moderado significa que el modelo es adecuado para leer mucho más de lo que escribe, lo cual es típico de tareas de análisis, revisión y recuperación.

Esas capacidades apuntan a algunos usos prácticos. El razonamiento de contexto largo lo hace adecuado para trabajar sobre bases de código grandes, especificaciones extensas o conjuntos de varios documentos en una sola solicitud en lugar de fragmentarlos. La ingeniería de software del mundo real sugiere revisión de código, refactorización, depuración y generación de pruebas. El seguimiento avanzado de instrucciones ayuda con tareas de extracción y transformación estructuradas donde debe respetarse el formato de salida. Dado que se aceptan imágenes y archivos como entrada, también puedes mezclar capturas de pantalla, diagramas o documentos en la misma solicitud junto con texto.

Llamas al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo "openai/gpt-4.1". Los parámetros de solicitud admitidos son max_completion_tokens, max_tokens, response_format, seed, structured_outputs, temperature, tool_choice, tools y top_p. En la práctica, eso significa que puedes controlar la longitud de salida, solicitar muestreo determinista con una seed, establecer temperature y top_p para la aleatoriedad, restringir la forma de la respuesta con response_format o structured_outputs, y definir el llamado a funciones mediante tools y tool_choice.

Un límite que vale la pena señalar es el techo de salida de 32.768 tokens. Si tu tarea es generar un documento muy largo en una sola pasada, ese tope se impondrá antes que el contexto de entrada, y es posible que necesites dividir la generación en varias llamadas. El corte de conocimiento del 30 de junio de 2024 también significa que el modelo no tiene conocimiento incorporado de eventos posteriores, por lo que cualquier cosa reciente tiene que provenir del prompt o de las herramientas que proporciones.