OpenAI: GPT-5.4 (batch)

GPT-5.4 (batch) é um modelo de geração de texto da OpenAI, listado em api14 sob o id de modelo openai/gpt-5.4:batch. Ele pertence à linha GPT-5.4 da OpenAI, que o fornecedor descreve como o seu mais recente modelo de fronteira e como uma unificação das linhas Codex e GPT num único sistema. A variante batch é a versão que você chama através do endpoint compatível com OpenAI da api14.

O modelo aceita texto, imagens e arquivos como entrada, e devolve texto. A sua janela de contexto é de 1.050.000 tokens, e a saída máxima é de 128.000 tokens. Essa combinação de um contexto muito grande e um orçamento de saída elevado significa que você pode fornecer documentos longos, bases de código ou material misto de texto e imagem num único pedido e ainda deixar espaço para uma resposta gerada substancial.

Como lida com texto, imagens e arquivos em conjunto, o modelo adequa-se a trabalho em que a entrada não é uma única string limpa. Análise e resumo de documentos sobre ficheiros longos, resposta a perguntas com base num conjunto de referências carregadas, e extração de dados estruturados a partir de relatórios ou material digitalizado são todos encaixes naturais. Os parâmetros reasoning e tool tornam-no utilizável para fluxos de trabalho ao estilo de agentes, em que o modelo decide quando chamar uma função e quanto raciocínio interno gastar. O limite elevado de saída também ajuda em tarefas que produzem artefactos longos, como relatórios detalhados ou alterações extensas de código, em vez de respostas curtas.

Para o chamar, envie um pedido para o endpoint de chat completions compatível com OpenAI da api14 com o id de modelo openai/gpt-5.4:batch. 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, tools e tool_choice cobrem a chamada de funções, response_format e structured_outputs cobrem a saída JSON e restringida por esquema, seed suporta amostragem reproduzível, e reasoning, reasoning_effort, include_reasoning e verbosity controlam quanto raciocínio é exposto e como o modelo regula o seu esforço.

Tenha em mente o limite de saída: 128.000 tokens é generoso mas finito, por isso tarefas que precisem de emitir mais do que isso numa só passagem têm de ser divididas. O modelo produz apenas texto, por isso qualquer coisa que exija imagens ou áudio gerados precisa de um modelo diferente. Se a sua carga de trabalho for pequena, sensível à latência e não beneficiar de um contexto de um milhão de tokens ou de controlos de raciocínio, um modelo de texto mais leve pode ser mais adequado.