Família GPT

Os modelos de texto GPT da OpenAI, incluindo as séries GPT-6, GPT-5.x, GPT-4.1, GPT-4o e Codex. São chamados pela API compatível com OpenAI, com suporte aos endpoints Chat Completions e Responses; basta alterar o base_url do SDK oficial da OpenAI.

Tarefas comuns

Ativar o reasoning Valores de reasoning_effort, tokens de reasoning e resumo do reasoning.Busca na web Ferramenta web_search do endpoint Responses.Cache de prompt Cache automático e confirmação de acerto.Saída estruturada e PDF Saída json_schema e entrada de arquivos PDF.Solução de erros Contexto excedido, max_tokens muito grande, resposta vazia, endpoint não suportado.Usar no Codex Configuração e perguntas frequentes.

Modelos

Todos os modelos suportam chamada de ferramentas e saída estruturada; todos, exceto o GPT-5 nano, aceitam entrada de imagem. A lista completa de modelos e os preços atualizados estão na página de modelos ; também é possível consultá-los pela Models API.

IDs de modelo comuns (copie exatamente como estão)

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-miniSem reasoning; indicado para tarefas simples

O prefixo openai/ do ID de modelo pode ser omitido, por exemplo gpt-5.4. O campo model da resposta sempre usa o formato com prefixo.

Escolha do endpoint

ResumoA série Codex e o GPT-5.4 Pro só suportam o endpoint Responses; os demais modelos funcionam nos dois endpoints.

	Chat Completions	Responses
Endereço	`POST https://api.ofox.ai/v1/chat/completions`	`POST https://api.ofox.ai/v1/responses`
Entrada	`messages`	`input` (string ou array de mensagens)
Limite de tamanho da saída	`max_completion_tokens` (também aceita `max_tokens`)	`max_output_tokens`
Intensidade do reasoning	`reasoning_effort`	`reasoning.effort`
Resumo do reasoning	Não retornado	`reasoning.summary`; consulte Resumo do reasoning
Busca na web	Não suportada	Ferramenta `web_search`
Modelos que só suportam este endpoint	—	`openai/gpt-5.4-pro`, `openai/gpt-5.3-codex`, `openai/gpt-5.2-codex`

Os parâmetros completos de requisição estão em Chat Completions API e Responses API.

Provedores

Provedor	Modelos oferecidos
Azure AI Foundry (`azure_foundry`)	Todos os modelos; provedor padrão
OpenAI (`openai`)	GPT-6 Sol, GPT-6 Luna, GPT-6 Astra, GPT-5.6 Sol, GPT-5.6 Terra, GPT-5.6 Luna

Em nossos testes, os dois provedores se comportaram da mesma forma em reasoning, cache e busca na web. Para indicar um provedor, adicione o cabeçalho X-OfoxAI-Provider-Type: openai; outras formas estão em Roteamento de provedores.

Exemplos de chamada

Python (Chat Completions)

gpt_chat.py


import os
from openai import OpenAI
 
client = OpenAI(base_url="https://api.ofox.ai/v1", api_key=os.environ["OFOX_API_KEY"])
 
resp = client.chat.completions.create(
    model="openai/gpt-5.4",
    messages=[
        {"role": "system", "content": "Você é um engenheiro de back-end sênior e responde de forma concisa."},
        {"role": "user", "content": "Explique em uma frase o que é idempotência."},
    ],
)
print(resp.choices[0].message.content)

Python (Responses)

gpt_responses.py


import os
from openai import OpenAI
 
client = OpenAI(base_url="https://api.ofox.ai/v1", api_key=os.environ["OFOX_API_KEY"])
 
resp = client.responses.create(
    model="openai/gpt-5.4",
    instructions="Você é um engenheiro de back-end sênior e responde de forma concisa.",
    input="Explique em uma frase o que é idempotência.",
)
print(resp.output_text)

cURL

Terminal


curl https://api.ofox.ai/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 em uma frase o que é idempotência."}]
  }'

Cache de prompt

ResumoA família GPT faz cache automaticamente, sem alterações na requisição; colocar o conteúdo fixo no início da requisição aumenta a taxa de acerto.

Quando o prefixo da requisição coincide com o de requisições recentes e é longo o suficiente, o cache é aproveitado automaticamente, e a parte em cache é cobrada pelo preço de leitura de cache.

Item	Descrição
Confirmar acerto	No Chat Completions, `usage.prompt_tokens_details.cached_tokens` é maior que 0; no Responses, `usage.input_tokens_details.cached_tokens`
Gravação	Nas séries GPT-6 e GPT-5.6, a primeira requisição retorna `prompt_tokens_details.cache_write_tokens`, cobrado pelo preço de gravação de cache
Tamanho mínimo	Prefixos muito curtos não são armazenados em cache; o tamanho mínimo está na documentação oficial da OpenAI
Estabilidade	O cache é de melhor esforço; requisições com o mesmo prefixo podem não acertar o cache

As informações gerais sobre cache estão em Cache de prompt.

Busca na web

Adicione web_search em tools do endpoint Responses; o modelo faz as buscas por conta própria e cita as fontes. O Chat Completions não suporta busca na web.

gpt_web_search.py


import os
from openai import OpenAI
 
client = OpenAI(base_url="https://api.ofox.ai/v1", api_key=os.environ["OFOX_API_KEY"])
 
resp = client.responses.create(
    model="openai/gpt-5.4",
    tools=[{"type": "web_search"}],
    input="Qual é a versão estável mais recente do Python?",
)
print(resp.output_text)
print("Buscas:", sum(1 for item in resp.output if item.type == "web_search_call"))

Cada item web_search_call em output corresponde a uma busca, e o item message é a resposta final. As buscas são cobradas por uso; o preço unitário está na página do modelo .

Erros comuns

ResumoErros de parâmetro retornam 400 com a causa. Reasoning longo pode gerar 502 ou 504 ocasionalmente; recomenda-se usar streaming e um timeout longo.

HTTP · type	Mensagem de erro original	Causa	Solução
400 `invalid_request_error`	`This model's maximum context length is 128000 tokens. However, your messages resulted in 152008 tokens.`	A entrada excede o contexto do modelo	Reduza a entrada ou use um modelo com contexto maior
400 `invalid_request_error`	`max_tokens is too large: 100000. This model supports at most 16384 completion tokens`	O limite de saída excede o máximo permitido pelo modelo	Diminua `max_completion_tokens`
400 `invalid_request_error`	`Invalid value: 'bogus'. Supported values are: 'low', 'medium', 'high', and 'xhigh'.`	O valor de `reasoning_effort` não é suportado por este modelo	Use um dos valores listados na mensagem de erro
400 `endpoint_not_supported`	`Model 'openai/gpt-5.4-pro' does not support the /v1/chat/completions endpoint on this platform.`	Este modelo só suporta o endpoint Responses	Use `/v1/responses`
404 `model_not_found`	`Model 'openai/gpt-9' not found`	ID do modelo digitado incorretamente ou modelo descontinuado	Copie o ID do modelo desta página
429 `rate_limit_error`	`Rate limit reached for the requested model. Please retry after a short delay.`	Requisições frequentes demais	Tente novamente mais tarde; consulte Limites de taxa
502 `upstream_error`	`The model service is temporarily unavailable. Please retry or switch to another model.`	O serviço upstream está temporariamente indisponível	Tente novamente mais tarde ou use outro modelo
504 `gateway_timeout`	`The upstream service did not respond in time.`	O reasoning demorou demais e o upstream não respondeu a tempo	Use streaming ou reduza a intensidade do reasoning
200, `finish_reason: "length"` e resposta vazia	—	O reasoning esgotou `max_completion_tokens`	Aumente `max_completion_tokens` ou reduza a intensidade do reasoning

Outros erros gerais estão em Tratamento de erros.

Documentação oficial

A documentação oficial descreve o comportamento das chamadas diretas à OpenAI. Ao chamar pela OfoxAI, prevalecem os IDs de modelo e os endereços de endpoint desta página.

Perguntas frequentes

Como escrever o ID de modelo do GPT?

O formato padrão é openai/gpt-5.4; também é possível omitir o prefixo openai/ e escrever gpt-5.4.

Devo usar Chat Completions ou Responses?

Ambos funcionam. A série Codex e o GPT-5.4 Pro só suportam Responses; para resumo do reasoning ou busca na web, também é preciso usar Responses. Projetos com código existente em Chat Completions podem continuar usando-o.

Como ativar o reasoning do GPT?

No Chat Completions, envie reasoning_effort (por exemplo, "high"); no Responses, envie reasoning: {"effort": "high"}. Alguns modelos não fazem reasoning por padrão; quando precisar, envie o parâmetro explicitamente.

O GPT retorna conteúdo vazio com finish_reason igual a length?

Os tokens consumidos pelo reasoning contam em max_completion_tokens; quando o reasoning esgota a cota, nenhuma resposta é gerada. Aumente max_completion_tokens ou reduza reasoning_effort.

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

O modelo só suporta o endpoint Responses, como gpt-5.4-pro, gpt-5.3-codex e gpt-5.2-codex. Use POST /v1/responses.

É possível ver o processo de reasoning do GPT?

Use o endpoint Responses e envie reasoning: {"effort": "medium", "summary": "auto"}; os itens reasoning em output trarão o resumo do reasoning. O Chat Completions não retorna o conteúdo do reasoning.

O GPT pode fazer buscas na web?

Sim. Use o endpoint Responses e adicione {"type": "web_search"} em tools. O Chat Completions não suporta busca na web.

O cache de prompt do GPT precisa ser ativado manualmente?

Não. Quando o prefixo é longo o suficiente e coincide com o de requisições recentes, o cache é aproveitado automaticamente; a quantidade em cache aparece em cached_tokens no usage.

O que fazer quando uma requisição ao GPT atinge o timeout ou retorna 504?

Reasoning de alta intensidade pode demorar. Recomenda-se usar streaming (stream: true), definir o timeout do cliente em 600 segundos ou mais, ou reduzir reasoning_effort.