OpenAI: GPT-5.2 (batch)

O GPT-5.2 (batch) é um modelo de texto da OpenAI, listado na api14 sob o id de modelo openai/gpt-5.2:batch. Pertence à série GPT-5, e a OpenAI descreve-o como o mais recente modelo de nível frontier dessa linha, com desempenho agêntico e de contexto longo mais forte do que o GPT-5.1. O rótulo batch indica que esta é a variante batch do modelo, e não o endpoint interativo padrão.

O modelo aceita texto, imagens e ficheiros como entrada, e devolve apenas texto. A sua janela de contexto é de 400.000 tokens, o que é suficientemente grande para conter documentos longos, conversas extensas ou bases de código consideráveis num único pedido. A saída máxima é de 128.000 tokens, pelo que as respostas podem ser longas quando a tarefa o exigir. Segundo a OpenAI, o GPT-5.2 utiliza raciocínio adaptativo para alocar computação de forma dinâmica, o que significa que pode responder rapidamente a prompts simples e dedicar mais esforço aos mais difíceis.

Estas capacidades apontam para um conjunto bastante específico de casos de uso. A combinação de entrada de imagens e ficheiros com um contexto de 400.000 tokens é adequada à análise de documentos, em que se fornecem contratos, relatórios ou PDFs juntamente com instruções, e à sumarização ou extração sobre material de origem longo. A força agêntica que a OpenAI reivindica torna-o uma escolha razoável para fluxos de trabalho orientados por ferramentas, uma vez que o modelo suporta tools e tool_choice, e para tarefas que exigem saída estruturada em vez de texto livre. O contexto longo também ajuda na revisão de código com vários ficheiros ou na resposta a perguntas sobre um grande corpus interno, onde a divisão em blocos perderia o fio à meada.

Pode chamá-lo através da API compatível com OpenAI da api14 utilizando o id de modelo openai/gpt-5.2:batch, pelo que os SDKs e clientes OpenAI existentes funcionam apenas com uma alteração de base URL e chave. Os parâmetros de pedido suportados são include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, tool_choice, tools e verbosity. Na prática, reasoning_effort e verbosity permitem trocar latência e comprimento da saída por profundidade, response_format e structured_outputs cobrem respostas em estilo JSON, e seed ajuda quando se pretende amostragem repetível. Os parâmetros reasoning e include_reasoning expõem o comportamento de raciocínio do modelo onde o seu cliente o possa consumir.

Um aspeto a ponderar é que esta é a variante batch, pelo que se destina a cargas de trabalho que pode colocar em fila, e não a chat interativo sensível à latência. Se precisar de respostas imediatas, turno a turno, a versão não batch do mesmo modelo é a escolha mais natural. A saída é apenas texto, pelo que a geração de imagens ou áudio está fora do âmbito aqui.