OpenAI: GPT-4.1 Nano

GPT-4.1 Nano es un modelo de texto de OpenAI, parte de la serie GPT-4.1. OpenAI lo posiciona como el miembro más pequeño y rápido de esa familia, orientado a tareas donde la baja latencia es importante. Fue lanzado por el proveedor el 14 de abril de 2025, y su fecha de corte de conocimiento es el 30 de junio de 2024, por lo que cualquier cosa posterior a esa fecha queda fuera de lo que aprendió durante el entrenamiento.

El modelo acepta texto, imágenes y archivos como entrada, y devuelve solo texto. Su ventana de contexto es de 1.047.576 tokens, lo suficientemente grande como para contener documentos muy largos, bases de código completas o historiales de conversación extensos en una sola solicitud. La salida está limitada a 32.768 tokens por respuesta. Dado que la entrada puede incluir imágenes y archivos junto con texto, puedes enviar una mezcla de formatos en una sola llamada en lugar de convertir todo a texto plano primero.

Esas capacidades apuntan a un conjunto de usos bastante específico. El trabajo con contexto largo, como resumir o consultar documentos grandes, buscar en un corpus extenso y extraer datos estructurados de entradas mixtas de texto e imágenes, encaja dentro de la ventana y los tipos de entrada admitidos. El modelo también admite el llamado a herramientas, por lo que puede impulsar llamadas a funciones y bucles de agentes simples. Su baja latencia lo convierte en una opción razonable para funciones interactivas donde un usuario espera la respuesta, y para trabajos en segundo plano de gran volumen donde se desea una respuesta rápida en cada elemento.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo "openai/gpt-4.1-nano", lo que significa que los SDK y clientes de OpenAI existentes funcionan con solo cambiar la URL base y la clave. Los parámetros de solicitud que admite son max_completion_tokens, max_tokens, response_format, seed, structured_outputs, temperature, tool_choice, tools y top_p. En la práctica, eso cubre el control de la longitud de salida, el muestreo determinista mediante seed, los modos de salida JSON y estructurada, los controles de muestreo y el llamado a herramientas o funciones con una opción de cómo se seleccionan las herramientas.

Vale la pena tener en cuenta dos límites al decidir. La salida se detiene en 32.768 tokens, por lo que las tareas que necesitan una sola respuesta muy larga pueden no caber, y la fecha de corte de conocimiento del 30 de junio de 2024 significa que el modelo no tiene conocimiento incorporado de eventos posteriores. Si tu trabajo depende de cualquiera de esos dos aspectos, un modelo diferente de la serie podría convenirte más.