OpenAI: GPT-4.1 Nano

GPT-4.1 Nano to model tekstowy od OpenAI, część serii GPT-4.1. OpenAI pozycjonuje go jako najmniejszego i najszybszego członka tej rodziny, przeznaczonego do zadań, w których liczy się niskie opóźnienie. Został udostępniony przez dostawcę 14 kwietnia 2025, a jego data odcięcia wiedzy to 30 czerwca 2024, więc wszystko po tej dacie wykracza poza to, czego nauczył się podczas treningu.

Model przyjmuje jako dane wejściowe tekst, obrazy i pliki, a zwraca wyłącznie tekst. Jego okno kontekstu wynosi 1 047 576 tokenów, co wystarcza na bardzo długie dokumenty, całe bazy kodu lub rozbudowane historie rozmów w jednym żądaniu. Dane wyjściowe są ograniczone do 32 768 tokenów na odpowiedź. Ponieważ dane wejściowe mogą zawierać obrazy i pliki obok tekstu, można wysłać mieszankę formatów w jednym wywołaniu, zamiast najpierw konwertować wszystko na zwykły tekst.

Te możliwości wskazują na dość konkretny zestaw zastosowań. Praca z długim kontekstem, taka jak streszczanie lub odpytywanie dużych dokumentów, przeszukiwanie dużego korpusu oraz wyodrębnianie danych strukturalnych z mieszanych danych wejściowych tekstowych i obrazowych, mieszczą się w oknie i obsługiwanych typach danych wejściowych. Model obsługuje również wywoływanie narzędzi, więc może sterować wywołaniami funkcji i prostymi pętlami agentowymi. Jego niskie opóźnienie czyni go rozsądnym wyborem dla funkcji interaktywnych, w których użytkownik czeka na odpowiedź, oraz dla zadań w tle o dużym natężeniu, gdzie zależy Ci na szybkiej realizacji każdego elementu.

Wywołujesz go przez API zgodne z OpenAI w api14, używając identyfikatora modelu "openai/gpt-4.1-nano", co oznacza, że istniejące zestawy SDK i klienty OpenAI działają po zmianie tylko bazowego adresu URL i klucza. Obsługiwane parametry żądania to max_completion_tokens, max_tokens, response_format, seed, structured_outputs, temperature, tool_choice, tools i top_p. W praktyce obejmuje to kontrolę długości danych wyjściowych, deterministyczne próbkowanie przez seed, tryby danych wyjściowych JSON i strukturalnych, kontrolę próbkowania oraz wywoływanie narzędzi lub funkcji z możliwością wyboru sposobu selekcji narzędzi.

Przy podejmowaniu decyzji warto pamiętać o dwóch ograniczeniach. Dane wyjściowe kończą się na 32 768 tokenach, więc zadania wymagające bardzo długiej pojedynczej odpowiedzi mogą się nie zmieścić, a data odcięcia wiedzy 30 czerwca 2024 oznacza, że model nie ma wbudowanej świadomości późniejszych zdarzeń. Jeśli Twoja praca zależy od któregokolwiek z tych ograniczeń, lepszy może okazać się inny model z tej serii.