OpenAI: GPT-4.1 Nano

GPT-4.1 Nano est un modèle de texte d'OpenAI, faisant partie de la série GPT-4.1. OpenAI le positionne comme le plus petit et le plus rapide membre de cette famille, destiné aux tâches où la faible latence est importante. Il a été publié par le fournisseur le 14 avril 2025, et sa date limite de connaissances est le 30 juin 2024, donc tout ce qui suit cette date dépasse ce qu'il a appris pendant l'entraînement.

Le modèle accepte le texte, les images et les fichiers en entrée, et ne renvoie que du texte. Sa fenêtre de contexte est de 1 047 576 tokens, ce qui est suffisamment grand pour contenir de très longs documents, des bases de code entières ou des historiques de conversation étendus dans une seule requête. La sortie est plafonnée à 32 768 tokens par réponse. Comme l'entrée peut inclure des images et des fichiers en plus du texte, vous pouvez envoyer un mélange de formats en un seul appel plutôt que de tout convertir en texte brut au préalable.

Ces capacités correspondent à un ensemble d'usages assez spécifique. Les travaux à contexte long tels que le résumé ou l'interrogation de grands documents, la recherche dans un vaste corpus et l'extraction de données structurées à partir d'entrées mixtes texte et images tiennent tous dans la fenêtre et les types d'entrée pris en charge. Le modèle prend également en charge l'appel d'outils, il peut donc piloter des appels de fonctions et des boucles d'agents simples. Sa faible latence en fait un choix raisonnable pour les fonctionnalités interactives où un utilisateur attend la réponse, et pour les tâches en arrière-plan à fort volume où vous voulez un traitement rapide de chaque élément.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "openai/gpt-4.1-nano", ce qui signifie que les SDK et clients OpenAI existants fonctionnent avec seulement un changement d'URL de base et de clé. Les paramètres de requête qu'il prend en charge sont max_completion_tokens, max_tokens, response_format, seed, structured_outputs, temperature, tool_choice, tools et top_p. En pratique, cela couvre le contrôle de la longueur de sortie, l'échantillonnage déterministe via seed, les modes de sortie JSON et structurée, les contrôles d'échantillonnage, et l'appel d'outils ou de fonctions avec un choix sur la manière dont les outils sont sélectionnés.

Deux limites méritent d'être gardées à l'esprit lorsque vous décidez. La sortie s'arrête à 32 768 tokens, donc les tâches qui nécessitent une seule réponse très longue peuvent ne pas tenir, et la date limite de connaissances du 30 juin 2024 signifie que le modèle n'a aucune connaissance intégrée des événements postérieurs. Si votre travail dépend de l'une ou l'autre de ces limites, un autre modèle de la série pourrait mieux vous convenir.