OpenAI: GPT-5.1

GPT-5.1 to model tekstowy klasy frontier od OpenAI i najnowsza pozycja w serii GPT-5. Został udostępniony przez dostawcę 13 listopada 2025. W porównaniu z GPT-5 OpenAI opisuje go jako oferujący silniejsze rozumowanie ogólnego przeznaczenia, lepsze przestrzeganie instrukcji i bardziej naturalny styl konwersacyjny, zbudowany wokół adaptacyjnego rozumowania. Należy do kategorii tekstowych i jest przeznaczony do pracy ogólnego przeznaczenia, a nie do wąskiego, pojedynczego zadania.

Po stronie danych wejściowych model przyjmuje tekst, obrazy i pliki, więc można łączyć prompty tekstowe z treścią wizualną lub dokumentową w tym samym żądaniu. Wyjście to wyłącznie tekst. Okno kontekstu wynosi 400 000 tokenów, co wystarcza na długie dokumenty, rozszerzoną historię rozmowy lub spore bazy kodu w jednym wywołaniu. Maksymalne wyjście to 128 000 tokenów, więc odpowiedzi mogą być długie, gdy zadanie tego wymaga. Adaptacyjne rozumowanie oznacza, że model dostosowuje ilość wewnętrznego rozumowania, zamiast używać stałej ilości przy każdym żądaniu.

Te możliwości wskazują na dość szeroki zestaw zastosowań. Praca z długim kontekstem, taka jak streszczanie lub odpytywanie dużych dokumentów, umów czy podręczników technicznych, pasuje do okna 400 000 tokenów. Ponieważ obrazy i pliki są przyjmowane jako dane wejściowe, można budować przepływy pracy, które rozumują nad zrzutami ekranu, zeskanowanymi stronami, diagramami lub załączonymi danymi wraz z promptem tekstowym. Lepsze przestrzeganie instrukcji i bardziej naturalny styl konwersacyjny pasują do asystentów czatu, tworzenia i edycji tekstu oraz wieloetapowych zadań w stylu agenta, w których model musi konsekwentnie podążać za szczegółowym briefem. Wysoki limit wyjścia pomaga w generowaniu długich raportów, ustrukturyzowanych dokumentów lub rozbudowanego kodu w jednej odpowiedzi.

Model wywołujesz przez API api14 zgodne z OpenAI, używając identyfikatora modelu "openai/gpt-5.1". Ponieważ interfejs jest zgodny z formatem OpenAI, istniejące zestawy SDK i klienty OpenAI działają po zmianie jedynie bazowego adresu URL i klucza. Obsługiwane parametry żądania to include_reasoning, max_completion_tokens, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, tool_choice, tools oraz verbosity. W praktyce oznacza to, że możesz kontrolować głębokość rozumowania za pomocą reasoning i reasoning_effort, ograniczać długość wyjścia za pomocą max_completion_tokens lub max_tokens, żądać odpowiedzi w formacie JSON za pomocą response_format lub structured_outputs oraz podłączać wywoływanie funkcji za pomocą tools i tool_choice. Parametr seed pozwala na powtarzalne próbkowanie, gdy backend to obsługuje, a verbosity dostraja, jak rozbudowane są odpowiedzi.

Jedna rzecz do rozważenia: wyjście to wyłącznie tekst, więc jeśli potrzebujesz generowanych obrazów lub dźwięku, musisz poszukać innego modelu. Elementy sterujące rozumowaniem dodają też warstwę konfiguracji, której prostsze modele nie udostępniają, co jest przydatne, gdy chcesz wymienić opóźnienie na głębokość, ale stanowi dodatkową powierzchnię do zarządzania. W przypadku prostych, masowych zadań tekstowych, w których długi kontekst, wejście multimodalne ani elementy sterujące rozumowaniem nie mają znaczenia, mniejszy model może być prostszym wyborem.