OpenAI: értékelések több tényezőt mérnek, ajánlott a Responses API és beállítások használata

Az OpenAI arra hívja fel a figyelmet, hogy a modellek értékelésekor nemcsak a modelleket magukat mérik, hanem az API-beállítások, a tesztkörnyezet és a promptolás döntéseit is. A cég kísérleteire hivatkozva API-fejlesztőknek azt javasolja, hogy a teljesítmény maximalizálásához a Responses API-t használják a régi Chat Completions API helyett, és engedélyezzék a reasoning megtartását és a compactiont; emellett nyilvános játékokat is kínál tesztelésre.