OpenAI: GPT-5.4 Mini (batch)

GPT-5.4 Mini (batch) é um modelo de geração de texto da OpenAI, oferecido em api14 sob o id de modelo openai/gpt-5.4-mini:batch. É um membro menor e mais eficiente da família GPT-5.4, criado para cargas de trabalho de alto rendimento, mantendo as capacidades centrais do modelo GPT-5.4 maior. A variante batch destina-se a tarefas assíncronas e de grande volume, em vez de chat interativo, turno a turno.

O modelo aceita texto, imagens e ficheiros como entrada, e produz texto como saída. Tem uma janela de contexto de 400.000 tokens e pode gerar até 128.000 tokens numa única resposta. O seu limite de conhecimento é 2025-08-31. Como lida tanto com entradas de texto como de imagem, pode trabalhar com conteúdo misto, tais como documentos com figuras incorporadas, capturas de ecrã e páginas digitalizadas, juntamente com instruções escritas.

Essas capacidades apontam para um conjunto bastante amplo de utilizações práticas. O raciocínio e a programação são as áreas que a OpenAI destaca, pelo que a geração de código, a revisão de código e o auxílio à depuração são aplicações naturais, tal como tarefas analíticas de vários passos, em que o modelo tem de trabalhar um problema antes de responder. A grande janela de contexto adequa-se ao processamento de documentos longos: resumir relatórios, extrair dados estruturados de contratos, ou responder a perguntas sobre todo um código-fonte ou um conjunto de ficheiros. A entrada de imagens estende isto a tarefas como ler gráficos, transcrever tabelas a partir de capturas de ecrã e descrever conteúdo visual. A orientação para batch torna-o uma escolha razoável para pipelines offline, classificação em massa, enriquecimento de conjuntos de dados e outros trabalhos em que os pedidos são colocados em fila em vez de aguardados um a um.

Chama-o através da API compatível com OpenAI do api14, usando o id de modelo openai/gpt-5.4-mini:batch, pelo que os SDKs e clientes OpenAI existentes funcionam apenas com a alteração do URL base e da chave. Os parâmetros de pedido que suporta são include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, tool_choice, tools e verbosity. Na prática, isto significa que pode limitar o comprimento da saída com max_tokens, controlar quanto raciocínio interno o modelo faz com reasoning_effort e reasoning, pedir respostas em formato JSON com response_format ou structured_outputs, tornar a amostragem reproduzível com seed, e fornecer ao modelo funções chamáveis através de tools e tool_choice. include_reasoning e verbosity permitem-lhe decidir quanto do traço de raciocínio e quanto detalhe quer receber de volta.

Um aspeto a ponderar é a natureza batch deste endpoint. Se a sua aplicação precisa de respostas imediatas dentro de uma interface de chat ou de um ciclo de agente, um modelo não batch é provavelmente a melhor escolha, e o mesmo se aplica se precisar de entrada de áudio ou vídeo, uma vez que este modelo só aceita texto, imagens e ficheiros e só devolve texto. Dentro desses limites, porém, a combinação de um contexto de 400.000 tokens, um teto de saída de 128.000 tokens e suporte de ferramentas e saída estruturada cobre a maioria das cargas de trabalho com muitos documentos e muito código.