Famille GPT

Les modèles de texte GPT d’OpenAI, qui comprennent les séries GPT-6, GPT-5.x, GPT-4.1, GPT-4o et Codex. Ils s’appellent via l’API compatible OpenAI, avec deux endpoints au choix, Chat Completions et Responses ; il suffit de modifier base_url dans le SDK officiel d’OpenAI.

Tâches courantes

Activer le raisonnement Valeurs de reasoning_effort, tokens de raisonnement, résumé du raisonnement.Recherche web Outil web_search de l'endpoint Responses.Mise en cache des prompts Cache automatique et vérification des accès au cache.Sortie structurée et PDF Sortie json_schema et fichiers PDF en entrée.Résoudre les erreurs Contexte dépassé, max_tokens trop grand, réponse vide, endpoint non pris en charge.Utiliser avec Codex Configuration et questions fréquentes.

Modèles

Tous les modèles prennent en charge l’appel d’outils et la sortie structurée ; tous sauf GPT-5 nano acceptent les images en entrée. La liste complète des modèles et les prix en vigueur figurent sur la page des modèles ; vous pouvez aussi les interroger via la Models API.

ID de modèle courants (à copier tels quels)

GPT-6 Solopenai/gpt-6-sol

GPT-5.4openai/gpt-5.4

GPT-5.4 miniopenai/gpt-5.4-mini

GPT-4.1 miniopenai/gpt-4.1-miniSans raisonnement, adapté aux tâches simples

Le préfixe openai/ de l’ID de modèle est facultatif, par exemple gpt-5.4. Le champ model de la réponse utilise toujours l’écriture avec préfixe.

Choix de l’endpoint

L'essentielLa série Codex et GPT-5.4 Pro ne prennent en charge que l’endpoint Responses ; les autres modèles fonctionnent avec les deux.

	Chat Completions	Responses
Adresse	`POST https://api.ofox.io/v1/chat/completions`	`POST https://api.ofox.io/v1/responses`
Entrée	`messages`	`input` (chaîne ou tableau de messages)
Longueur maximale de sortie	`max_completion_tokens` (`max_tokens` également accepté)	`max_output_tokens`
Effort de raisonnement	`reasoning_effort`	`reasoning.effort`
Résumé du raisonnement	Non renvoyé	`reasoning.summary` ; voir Résumé du raisonnement
Recherche web	Non prise en charge	Outil `web_search`
Modèles limités à cet endpoint	—	`openai/gpt-5.4-pro`, `openai/gpt-5.3-codex`, `openai/gpt-5.2-codex`

Les paramètres de requête complets sont décrits dans Chat Completions API et Responses API.

Fournisseurs

Fournisseur	Modèles servis
Azure AI Foundry (`azure_foundry`)	Tous les modèles, fournisseur par défaut
OpenAI (`openai`)	GPT-6 Sol, GPT-6 Luna, GPT-6 Astra, GPT-5.6 Sol, GPT-5.6 Terra, GPT-5.6 Luna

Lors de nos tests, les deux fournisseurs se comportent de la même façon pour le raisonnement, le cache et la recherche web. Pour sélectionner un fournisseur, ajoutez l’en-tête X-OfoxAI-Provider-Type: openai à la requête ; les autres méthodes sont décrites dans Routage des fournisseurs.

Exemples d’appel

Python (Chat Completions)

gpt_chat.py


import os
from openai import OpenAI
 
client = OpenAI(base_url="https://api.ofox.io/v1", api_key=os.environ["OFOX_API_KEY"])
 
resp = client.chat.completions.create(
    model="openai/gpt-5.4",
    messages=[
        {"role": "system", "content": "Tu es un ingénieur backend expérimenté ; réponds de façon concise."},
        {"role": "user", "content": "Explique en une phrase ce qu’est l’idempotence."},
    ],
)
print(resp.choices[0].message.content)

Python (Responses)

gpt_responses.py


import os
from openai import OpenAI
 
client = OpenAI(base_url="https://api.ofox.io/v1", api_key=os.environ["OFOX_API_KEY"])
 
resp = client.responses.create(
    model="openai/gpt-5.4",
    instructions="Tu es un ingénieur backend expérimenté ; réponds de façon concise.",
    input="Explique en une phrase ce qu’est l’idempotence.",
)
print(resp.output_text)

cURL

Terminal


curl https://api.ofox.io/v1/chat/completions \
  -H "Authorization: Bearer $OFOX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "openai/gpt-5.4",
    "messages": [{"role": "user", "content": "Explique en une phrase ce qu’est l’idempotence."}]
  }'

Mise en cache des prompts

L'essentielLa famille GPT met en cache automatiquement, sans modifier la requête ; placer le contenu fixe au début de la requête améliore le taux d’accès au cache.

Lorsque le préfixe d’une requête est identique à celui de requêtes récentes et suffisamment long, il accède automatiquement au cache, et la partie concernée est facturée au prix unitaire de lecture du cache.

Élément	Remarques
Vérifier l’accès	Avec Chat Completions, `usage.prompt_tokens_details.cached_tokens` est supérieur à 0 ; avec Responses, c’est `usage.input_tokens_details.cached_tokens`
Écriture	Pour les séries GPT-6 et GPT-5.6, la première requête renvoie `prompt_tokens_details.cache_write_tokens`, facturé au prix unitaire d’écriture du cache
Longueur minimale	Un préfixe trop court n’est pas mis en cache ; la longueur minimale figure dans la documentation officielle d’OpenAI
Stabilité	Le cache fonctionne au mieux : une requête au préfixe identique peut ne pas y accéder

Les explications générales sur le cache figurent dans Mise en cache des prompts.

Recherche web

Ajoutez web_search dans les tools de l’endpoint Responses : le modèle lance lui-même les recherches et cite ses sources. Chat Completions ne prend pas en charge la recherche web.

gpt_web_search.py


import os
from openai import OpenAI
 
client = OpenAI(base_url="https://api.ofox.io/v1", api_key=os.environ["OFOX_API_KEY"])
 
resp = client.responses.create(
    model="openai/gpt-5.4",
    tools=[{"type": "web_search"}],
    input="Quelle est la dernière version stable de Python ?",
)
print(resp.output_text)
print("Nombre de recherches :", sum(1 for item in resp.output if item.type == "web_search_call"))

Dans output, chaque entrée web_search_call correspond à une recherche et l’entrée message à la réponse finale. Les recherches sont facturées à l’unité, au prix indiqué sur la page du modèle .

Erreurs courantes

L'essentielLes erreurs de paramètres renvoient 400 avec la cause. Les raisonnements longs provoquent parfois des 502 ou 504 : utilisez le streaming et un délai d’attente long.

HTTP · type	Message d’erreur	Cause	Solution
400 `invalid_request_error`	`This model's maximum context length is 128000 tokens. However, your messages resulted in 152008 tokens.`	L’entrée dépasse le contexte du modèle	Raccourcissez l’entrée, ou passez à un modèle au contexte plus long
400 `invalid_request_error`	`max_tokens is too large: 100000. This model supports at most 16384 completion tokens`	La limite de sortie dépasse le maximum autorisé par le modèle	Réduisez `max_completion_tokens`
400 `invalid_request_error`	`Invalid value: 'bogus'. Supported values are: 'low', 'medium', 'high', and 'xhigh'.`	Valeur de `reasoning_effort` non prise en charge par ce modèle	Utilisez l’une des valeurs listées dans le message d’erreur
400 `endpoint_not_supported`	`Model 'openai/gpt-5.4-pro' does not support the /v1/chat/completions endpoint on this platform.`	Ce modèle ne prend en charge que l’endpoint Responses	Utilisez `/v1/responses`
404 `model_not_found`	`Model 'openai/gpt-9' not found`	ID de modèle mal orthographié ou modèle retiré	Copiez l’ID de modèle depuis cette page
429 `rate_limit_error`	`Rate limit reached for the requested model. Please retry after a short delay.`	Requêtes trop fréquentes	Réessayez plus tard ; voir Limites de débit
502 `upstream_error`	`The model service is temporarily unavailable. Please retry or switch to another model.`	Service en amont temporairement indisponible	Réessayez plus tard, ou passez à un autre modèle
504 `gateway_timeout`	`The upstream service did not respond in time.`	Raisonnement trop long, l’amont n’a pas répondu dans le délai imparti	Utilisez le streaming, ou réduisez l’effort de raisonnement
200, `finish_reason: "length"` et réponse vide	—	Le raisonnement a épuisé `max_completion_tokens`	Augmentez `max_completion_tokens`, ou réduisez l’effort de raisonnement

Les autres erreurs générales sont décrites dans Gestion des erreurs.

Documentation officielle

La documentation officielle décrit le comportement en appel direct à OpenAI. Via OfoxAI, les ID de modèle et les adresses d’endpoint de cette page font foi.

FAQ

Comment écrire l'ID de modèle de GPT ?

L'écriture standard est openai/gpt-5.4 ; vous pouvez aussi omettre le préfixe openai/ et écrire gpt-5.4.

Chat Completions ou Responses : lequel utiliser ?

Les deux conviennent. La série Codex et GPT-5.4 Pro ne prennent en charge que Responses ; Responses est aussi nécessaire pour obtenir le résumé du raisonnement ou utiliser la recherche web. Les projets qui ont déjà du code Chat Completions peuvent continuer à l'utiliser.

Comment activer le raisonnement de GPT ?

Avec Chat Completions, passez reasoning_effort (par exemple "high") ; avec Responses, passez reasoning: {"effort": "high"}. Certains modèles ne raisonnent pas par défaut : indiquez-le explicitement si nécessaire.

GPT renvoie une réponse vide avec finish_reason égal à length ?

Les tokens consommés par le raisonnement sont comptés dans max_completion_tokens ; une fois ce quota épuisé par le raisonnement, aucune réponse n'est produite. Augmentez max_completion_tokens, ou réduisez reasoning_effort.

Erreur does not support the /v1/chat/completions endpoint ?

Ce modèle ne prend en charge que l'endpoint Responses, comme gpt-5.4-pro, gpt-5.3-codex et gpt-5.2-codex. Utilisez POST /v1/responses.

Peut-on voir le raisonnement de GPT ?

Utilisez l’endpoint Responses en passant reasoning: {"effort": "medium", "summary": "auto"} : les entrées reasoning de output contiennent le résumé du raisonnement. Chat Completions ne renvoie pas le contenu du raisonnement.

GPT peut-il faire des recherches sur le web ?

Oui : utilisez l’endpoint Responses et ajoutez {"type": "web_search"} dans tools. Chat Completions ne prend pas en charge la recherche web.

Faut-il activer manuellement la mise en cache des prompts de GPT ?

Non. Lorsque le préfixe est assez long et identique à celui de requêtes récentes, il accède automatiquement au cache ; le volume concerné figure dans cached_tokens de usage.

Que faire si une requête GPT dépasse le délai d'attente ou renvoie 504 ?

Un raisonnement de forte intensité peut prendre du temps. Utilisez le streaming (stream: true), réglez le délai d'attente du client sur au moins 600 secondes, ou réduisez reasoning_effort.