OpenAI: GPT-4.1

GPT-4.1 est un grand modèle de langage phare d'OpenAI, publié par le fournisseur le 14 avril 2025. Il appartient à la catégorie texte et est positionné pour le suivi avancé d'instructions, l'ingénierie logicielle réelle et le raisonnement sur un long contexte. Si vous travaillez déjà dans la famille de modèles OpenAI, il s'agit du niveau successeur de GPT-4o, et il cible les charges de travail où le respect rigoureux des instructions et de grandes quantités de contexte importent plus que la vitesse brute.

Le modèle accepte du texte, des images et des fichiers en entrée, et renvoie du texte. Sa fenêtre de contexte est de 1 047 576 jetons, soit un peu plus d'un million de jetons, et la sortie maximale est de 32 768 jetons. La date de coupure des connaissances est le 30 juin 2024, donc tout ce qui est postérieur à cette date sort de ce sur quoi le modèle a été entraîné. La combinaison d'une très grande fenêtre de contexte et d'un plafond de sortie modéré signifie que le modèle est bien adapté pour lire beaucoup plus qu'il n'écrit, ce qui est typique des tâches d'analyse, de revue et de type récupération.

Ces capacités indiquent quelques usages pratiques. Le raisonnement sur un long contexte le rend adapté au travail sur de grandes bases de code, de longues spécifications ou des ensembles multi-documents dans une seule requête plutôt que de les découper. L'ingénierie logicielle réelle suggère la revue de code, la refactorisation, le débogage et la génération de tests. Le suivi avancé d'instructions aide pour les tâches d'extraction et de transformation structurées où le format de sortie doit être respecté. Comme les images et les fichiers sont acceptés en entrée, vous pouvez aussi mélanger des captures d'écran, des schémas ou des documents avec du texte dans la même requête.

Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "openai/gpt-4.1". Les paramètres de requête pris en charge sont max_completion_tokens, max_tokens, response_format, seed, structured_outputs, temperature, tool_choice, tools et top_p. En pratique, cela signifie que vous pouvez contrôler la longueur de sortie, demander un échantillonnage déterministe avec une seed, définir temperature et top_p pour l'aléatoire, contraindre la forme de la réponse avec response_format ou structured_outputs, et définir l'appel de fonctions via tools et tool_choice.

Une limite à noter est le plafond de sortie de 32 768 jetons. Si votre tâche consiste à générer un très long document en une seule passe, ce plafond sera atteint avant le contexte d'entrée, et vous devrez peut-être répartir la génération sur plusieurs appels. La date de coupure des connaissances du 30 juin 2024 signifie aussi que le modèle n'a pas de connaissance intégrée des événements postérieurs, donc tout élément récent doit provenir du prompt ou des outils que vous fournissez.