OpenAI: GPT-4.1

O GPT-4.1 é um modelo de linguagem de grande porte flagship da OpenAI, lançado pelo fornecedor em 14 de abril de 2025. Ele está na categoria de texto e é posicionado para seguir instruções avançadas, engenharia de software do mundo real e raciocínio de contexto longo. Se você já trabalha dentro da família de modelos da OpenAI, este é o nível sucessor do GPT-4o, e é voltado para cargas de trabalho onde a adesão cuidadosa às instruções e grandes quantidades de contexto importam mais do que a velocidade bruta.

O modelo aceita texto, imagens e arquivos como entrada, e retorna texto. Sua janela de contexto é de 1.047.576 tokens, o que é pouco mais de um milhão de tokens, e a saída máxima é de 32.768 tokens. O corte de conhecimento é 30 de junho de 2024, então qualquer coisa após essa data está fora do que o modelo foi treinado. A combinação de uma janela de contexto muito grande e um teto de saída moderado significa que o modelo é adequado para ler muito mais do que escreve, o que é típico de tarefas de análise, revisão e recuperação.

Essas capacidades apontam para alguns usos práticos. O raciocínio de contexto longo o torna adequado para trabalhar sobre grandes bases de código, especificações extensas ou conjuntos de múltiplos documentos em uma única requisição, em vez de dividi-los em partes. A engenharia de software do mundo real sugere revisão de código, refatoração, depuração e geração de testes. O seguimento avançado de instruções ajuda em tarefas de extração e transformação estruturadas, onde o formato de saída deve ser respeitado. Como imagens e arquivos são aceitos como entrada, você também pode misturar capturas de tela, diagramas ou documentos na mesma requisição junto com texto.

Você chama o modelo através da API compatível com OpenAI da api14 usando o id de modelo "openai/gpt-4.1". Os parâmetros de requisição suportados são max_completion_tokens, max_tokens, response_format, seed, structured_outputs, temperature, tool_choice, tools e top_p. Na prática, isso significa que você pode controlar o comprimento da saída, solicitar amostragem determinística com uma seed, definir temperature e top_p para aleatoriedade, restringir a forma da resposta com response_format ou structured_outputs, e definir chamadas de função através de tools e tool_choice.

Um limite que vale a pena notar é o teto de saída de 32.768 tokens. Se sua tarefa é gerar um documento muito longo em uma única passagem, esse limite vai restringir antes do contexto de entrada, e você pode precisar dividir a geração em várias chamadas. O corte de conhecimento de 30 de junho de 2024 também significa que o modelo não tem conhecimento embutido de eventos posteriores, então qualquer coisa recente precisa vir do prompt ou de ferramentas que você fornecer.