Parametry odpowiedzi — opanuj je w praktyce

Praca z API Responses OpenAI

James Chapman

AI Curriculum Manager, DataCamp

Wybór modelu

response = client.responses.create(
    model="gpt-5.4-mini",
    input="What is recursion?",
)

¹ https://platform.openai.com/docs/models

Wybór modelu

response = client.responses.create(
    model="gpt-5.4-mini",
    input="What is recursion?",
)

Zasada ogólna: wybieraj najtańszy model, który spełnia pozostałe wymagania

Model	Szybkość	Koszt	Najlepszy do
gpt-5.4-mini	Szybki	Niski	Proste zadania, Q&A
gpt-5.5	Umiarkowana	Wyższy	Złożone rozumowanie

¹ https://platform.openai.com/docs/models

LLM-y i tokeny

Tokeny: jednostki tekstu, które pomagają AI rozumieć i interpretować tekst

Zdanie „How can the OpenAI API deliver business value?" z każdym tokenem wyróżnionym innym kolorem.

¹ https://platform.openai.com/tokenizer

LLM-y i tokeny

LLM-y bez rozumowania: generują tokeny o najwyższym prawdopodobieństwie wystąpienia po danym prompcie

LLM-y i tokeny

Intensywność rozumowania

response = client.responses.create(
    model="gpt-5.4-mini",
    input="Explain LLMs to a 6yr old.",

    reasoning={"effort": "none"}

)

Intensywność rozumowania

response = client.responses.create(
    model="gpt-5.4-mini",
    input="Explain LLMs to a 6yr old.",
    reasoning={"effort": "none"}
)

Intensywność	Najlepsze zastosowanie
none	Zadania trywialne lub mechaniczne.
low	Proste zadania, gdy liczy się szybkość i koszt.
medium	Domyślna — balans między rozumowaniem a wydajnością.
high	Zadania złożone, wieloetapowe lub logicznie wymagające.
xhigh	Najtrudniejsze zadania, na granicy możliwości modelu.

Podsumowania rozumowania

response = client.responses.create(
    model="gpt-5.4-mini",
    input="Explain LLMs to a 6yr old.",
    reasoning={
        "effort": "medium",

        "summary": "auto"

    }
)

Ograniczanie liczby tokenów wyjściowych

response = client.responses.create(
    model="gpt-5.4-mini",
    input="Explain LLMs to a 6yr old.",
    reasoning={"effort": "none"},

    max_output_tokens=500

)

max_output_tokens uwzględnia tokeny rozumowania

Podsumowanie

Prostsze zadania → zacznij od małych modeli, bez rozumowania i z małą liczbą tokenów
Złożone zadania → zacznij od modeli średniej wielkości z rozumowaniem, a następnie dopasuj parametry

Czas na praktykę!

Praca z API Responses OpenAI