OpenAI: GPT-4o

GPT-4o es un modelo de generación de texto de OpenAI, identificado en api14 como openai/gpt-4o. El nombre significa "omni", lo que refleja que acepta más de un tipo de entrada. Fue lanzado por el proveedor el 13 de mayo de 2024 y se sitúa en la categoría de texto, con un corte de conocimiento del 31 de octubre de 2023. Si has usado GPT-4 Turbo, GPT-4o se posiciona como manteniendo ese nivel de inteligencia, por lo que es una opción predeterminada razonable cuando quieres un modelo OpenAI de propósito general en lugar de uno especializado.

En la entrada, el modelo acepta texto, imágenes y archivos, y produce solo texto. Esa combinación importa para tareas donde el prompt no es solo prosa: una captura de pantalla, una página escaneada o un documento adjunto pueden enviarse junto con tus instrucciones, y el modelo responde en texto. La ventana de contexto es de 128.000 tokens, lo cual es suficiente para documentos largos, conversaciones de varios turnos o archivos de código grandes en una sola solicitud. La salida está limitada a 16.384 tokens por respuesta, así que las generaciones muy largas deben planificarse en torno a ese techo, por ejemplo pidiendo secciones en secuencia.

Los usos prácticos se derivan de esas capacidades. La respuesta a preguntas y el resumen de documentos funcionan bien cuando adjuntas un archivo o pegas una transcripción larga y pides respuestas específicas. La comprensión de imágenes admite tareas como leer gráficos, describir capturas de pantalla, extraer texto de fotos o comprobar un mock de UI contra una especificación. Como el modelo admite herramientas y salidas estructuradas, también encaja en flujos de trabajo estilo agente y canalizaciones de extracción de datos donde la respuesta debe ajustarse a un esquema. El chat general, la redacción, la reescritura y la asistencia con código están dentro del alcance, y el contexto largo lo hace utilizable para preguntas a nivel de repositorio en lugar de fragmentos individuales.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo openai/gpt-4o, así que los SDKs y clientes de OpenAI existentes funcionan con solo cambiar la URL base y la clave. Los parámetros de solicitud admitidos son frequency_penalty, logit_bias, logprobs, max_completion_tokens, max_tokens, prediction, presence_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_logprobs, top_p y web_search_options. En la práctica, eso cubre controles de muestreo, comportamiento casi determinista mediante seed, salida restringida por JSON y esquema a través de response_format y structured_outputs, llamada a funciones mediante tools y tool_choice, límites de tokens y búsqueda web opcional.

Dos límites conviene tener en cuenta al elegir. La salida se detiene a los 16.384 tokens, así que si necesitas una única generación muy larga quizá tengas que dividir el trabajo o elegir un modelo con un margen de salida mayor. El corte de conocimiento del 31 de octubre de 2023 significa que el modelo no conoce por sí solo eventos posteriores, que es donde el parámetro web_search_options o tu propio contexto recuperado resulta útil. Si tu tarea es puramente de texto y no se beneficia de entrada de imágenes o archivos, un modelo más pequeño solo de texto puede ser más barato y rápido para el mismo trabajo.