GPT-5.4 API gebruiken: handleiding voor parameters en tools

Op 5–7 maart 2026 bracht OpenAI publiekelijk GPT-5.4 uit, een grensverleggend model dat expliciet is afgestemd op professionele, documentintensieve en agentgestuurde workflows. De release benadrukt drie samenkomende verbeteringen: (1) aanzienlijk grotere contextvensters (≈1.050.000 tokens), (2) een nieuwe “reasoning”-mogelijkheid waarmee ontwikkelaars de interne redeneerinspanning kunnen sturen, en (3) eersteklas computerbediening / tool-orkestratie en verbeterd multimodaal begrip (tekst + afbeeldingen + screenshots). Deze functies maken GPT-5.4 bij uitstek geschikt voor taken zoals spreadsheetmodellering, contractbeoordeling, slidegeneratie, meerstapse agentische workflows en het schrijven van code die op live systemen draait.

U kunt GPT-5.4 ervaren in CometAPI. Een variant met hogere compute — GPT-5.4 Pro — is beschikbaar voor de zwaarste redeneer- en multi-turn-workloads.

Wat is GPT-5.4 (inclusief de Thinking- en Pro-varianten)

De modelfamilie in vogelvlucht

GPT-5.4 is gepositioneerd als het “frontier”-GPT-5-model voor complex professioneel werk: langvormige documenten, code, meerstapsredenering en agentgestuurde workflows. De release bundelt mogelijkheden die eerder gescheiden waren tussen Codex (coderen) en de GPT-lijn — zodat u één model krijgt dat kan coderen, redeneren, tools gebruiken en lange contexten beheren. De officiële modelgids vermeldt gpt-5.4 als de standaard voor het meeste werk en gpt-5.4-pro voor de moeilijkste problemen.

Belangrijkste specificaties (officieel):

• Contextvenster: ~1.050.000 tokens (≈ 700–800k Engelse woorden), waardoor zeer grote input mogelijk is zoals volledige boekconcepten, codebases met meerdere bestanden of lange juridische documenten.
• Maximale uitvoertokens: rapporten geven aan dat zeer grote uitvoer wordt ondersteund (bijv. tot 128.000 tokens in sommige Pro-configuraties).
• Varianten: gpt-5.4 (standaard), gpt-5.4-pro (meer compute, langer nadenken), en lichtere/mini-modellen voor kostenbewuste inzet.

“Thinking” en “Pro” uitgelegd

• GPT-5.4 Thinking: een getunede modus voor interactieve redenering. Het benadrukt plan-eerst-workflows — het model kan vooraf een plan presenteren (een “upfront plan”) voordat het volledige resultaten genereert, waardoor bijsturing tijdens de generatie mogelijk is en verspilling van tokens aan verkeerde richtingen wordt verminderd. Deze modus verbetert de zichtbaarheid van de voorgenomen stappen van het model en maakt lange taken veiliger en beter beheersbaar.
• GPT-5.4 Pro: de high-compute sibling voor de moeilijkste problemen — diepere chain-of-thought, grotere interne compute-budgetten en meer deterministische/stabiele resultaten op moeilijke benchmarks. Het is beschikbaar in de Responses API en bedoeld voor multi-turn, zware redeneertaken (verwacht hogere latentie en kosten).

---

Belangrijkste verbeteringen & nieuwe functies in GPT-5.4

Enorme contextvensters (≈1.050.000 tokens)

Dit is een van de headline-verbeteringen: een model dat kan consumeren en redeneren over hele boeken, codebases met meerdere bestanden of enterprise-documentsets zonder ze stukje bij beetje te streamen. In de praktijk vereenvoudigt dat taken zoals end-to-end contractbeoordeling, samenvatting van volledige documenten en Q&A over meerdere documenten. Use cases: juridische due diligence, technische audits en agentlogboeken.

Praktische noot: het grotere contextvenster verandert het systeemontwerp — in plaats van agressief te chunken kunt u nu meer “globale” staat in context houden, maar u dient nog steeds compactie te gebruiken (zie Parametercontrole) om de kosten binnen de perken te houden.

Native computerbediening & toolintegraties

GPT-5.4 is het eerste generieke model met native computerbedieningsmogelijkheden: het genereren van reeksen browser- of OS-acties (Playwright-scripts, toetsenbord-/muisacties), het lezen van screenshots, het interacteren met web-UI’s en het orkestreren van multi-tool-workflows. Dit is een grote stap richting het bouwen van autonome agents die echte taken end-to-end uitvoeren.

GPT-5.4 bevat ingebouwde computerbediening: het model kan interageren met lokale/remote software-agents, connectors aanroepen, spreadsheets manipuleren, screenshots maken en meerstapse workflows automatiseren wanneer toegestaan. Dat vermindert glue code: in plaats van fragiele instructiewrappers te bouwen kan het model opereren in een build-run-verify-fix-lus (agentisch gedrag) met gedocumenteerde tool-API’s. Dit is een grote stap richting veilige, praktische autonome agents.

Reasoning-modi & reasoning.effort

Een instelbare parameter reasoning.effort stelt u in staat te bepalen hoeveel interne compute het model investeert in chain-of-thought en oplossingszoektocht (opties: none, low, medium, high, xhigh). Hogere inspanning levert betere antwoorden op voor complexe problemen, maar kost meer en verhoogt de latentie — ideaal voor gpt-5.4-pro.

Vooraf plannen / interactieve plannen

“Upfront plans” laten het model een kort plan uitgeven voordat het een lange generatie uitvoert. Dat plan kan door de ontwikkelaar of gebruiker worden geïnspecteerd en aangepast, wat verspilde output minimaliseert en bijsturing tijdens een taak mogelijk maakt (uitstekend voor lange documentcreatie of meerstapse analyses).

Betere multimodale/documentvaardigheden

Benchmarks en interne evaluaties die met het model zijn vrijgegeven tonen grote winst op spreadsheettaken (voorbeeld interne spreadsheet-evaluatie: GPT-5.4 gemiddeld 87,3% vs GPT-5.2 68,4%) en menselijke voorkeur voor presentatie-uitvoer (presentaties van GPT-5.4 verkozen 68% vs GPT-5.2 in menselijke tests). Het bedrijf rapporteert ook verminderingen in feitelijke fouten (individuele claim-false-rate omlaag ~33%, volledige responsfoutpercentage omlaag ~18% ten opzichte van GPT-5.2).

Hoe u de GPT-5.4 API gebruikt (Responses API / Chat API)

GPT-5.4 pro ondersteunt alleen response-toegang. GPT-5.4 (thinking) ondersteunt chat en responses. CometAPI (een one-stop-aggregatieplatform voor grote model-API’s met kortingen) biedt de GPT-5.4-serie, twee toegangs­methoden en compatibele, handige playgrounds.

Opmerking: de Responses API is de aanbevolen integratie voor GPT-5.x-modellen omdat deze direct reasoning-parameters, toolregistratie en de grotere contextgroottes ondersteunt.

Python — Responses API (ter illustratie)

# pip install openai (or use the official package named in docs)
from openai import OpenAI
import os

api_key = os.environ.get("OPENAI_API_KEY")  # or set env var
client = OpenAI(api_key=api_key)

resp = client.responses.create(
     model="gpt-5.4-pro-2026-03-05",
    input="How much gold would it take to coat the Statue of Liberty in a 1mm layer?",
    reasoning={"effort": "high"},          # hidden internal reasoning tokens used
    max_output_tokens=4096,               # keep below max output limit for your use case
    temperature=0.0,                      # deterministic for legal/technical tasks
    tools=[                                # optionally register tools the model can call
        {
            "name": "file_search",
            "type": "file_search",
            "config": {"root": "/mnt/data/contracts"}
        }
    ],
    response_format={"type":"json", "json_schema":{
        "name":"redlines",
        "schema":{"type":"object","properties":{"summary":{"type":"string"},"redlines":{"type":"array","items":{"type":"object"}}}}
    }}
)

print(resp.output_text)  # final model answer

Notities: reasoning is een object dat de interne inspanning stuurt; tools registreert beschikbare toolinterfaces die het model kan aanroepen; response_format dwingt gestructureerde uitvoer af. De labelwaarden voor reasoning.effort variëren van none (snelst) tot xhigh (meeste interne inspanning), afhankelijk van SDK- en providerondersteuning. Gebruik lage inspanning voor eenvoudige samenvattingen; verhoog deze voor complexe, meerstapse taken.

curl— Chat API (ter illustratie)

curl --location --request POST 'https://api.cometapi.com/v1/chat/completions' \
--header 'Authorization: Bearer ' \
--header 'Content-Type: application/json' \
--data-raw '{
  "model": "gpt-5.2\4",
  "messages": [
    {
      "role": "system",
      "content": "You are a helpful assistant."
    },
    {
      "role": "user",
      "content": "Hello!"
    }
  ]
}'

Tools gebruiken met GPT-5.4 (Computerbediening, connectors en agents)

De meest praktische sprong van GPT-5.4 is zijn agentische, toolbewuste gedrag: het kan de juiste tool ontdekken en aanroepen, werken met spreadsheets en UI’s wanneer geautoriseerd, en redeneren over de acties die het zal ondernemen.

GPT-5.4 is ontworpen om met tools te werken. Er zijn drie belangrijke toolklassen om te overwegen:

1. Gehoste tools (bijv. web_search, file_search) — het model kan deze aanroepen als onderdeel van de response-loop. Geweldig voor het ophalen van actuele informatie of vector-DB-lookups.
2. Aangepaste tools / function calling — uw eigen serverendpoints of functieschemas. Declareer functies (schemas) zodat het model gestructureerde output retourneert die uw code uitvoert.
3. Computerbediening — het model geeft GUI-acties uit en verwacht een harness die ze uitvoert (klikken, typen, screenshots). Dit is krachtig maar hoog risico.

Als u tientallen/honderden tools heeft, geef tool_search door en laat het model relevante toolschemas tijdens runtime ontdekken. Dit vermindert tokengebruik en cachet prestaties over deployments.

Hoe toolintegratie werkt (conceptueel)

1. Toolontdekking: het model vindt beschikbare connectors (bijv. Google Sheets, Salesforce, interne DB) op basis van een catalogus.
2. Plan & toestemming: het model geeft een upfront plan uit met beschrijving welke tools het zal aanroepen en waarom; dit wordt beoordeeld en goedgekeurd.
3. Aanroepen & verifiëren: het model roept tools aan (via connectors of action-API’s), leest resultaten, en voert verificatiechecks uit (of vraagt om menselijke bevestiging).
4. Fix-lus: bij fouten probeert het model herstel of vraagt om begeleiding.

Dit patroon vermindert breekbare, aangepaste orkestratie en centraliseert logica in het model, maar vereist strikte toegangscontroles en auditlogs.

Aanroepen met tools (web_search / file_search / computerbediening)

De Responses API ondersteunt het doorgeven van een tools-array. Het model kan tools kiezen (gehoste tools zoals web_search, file_search), of u kunt tools vooraf declareren en beperken. Voorbeeld: vraag het model om websearch te gebruiken.

response = client.responses.create(    model="gpt-5.4",    input="What are the three most-cited 2025 papers on federated learning?",    tools=[{"type": "web_search", "name": "web_search"}],    tool_search={"enabled": True})

Als u veel tooldefinities doorgeeft, stelt tool_search GPT-5.4 in staat om het laden van de meeste tools uit te stellen en alleen de relevante te laden — cruciaal voor grote toolecosystemen.

GPT-5.4 Parametercompatibiliteit en -bedieningsgids

Traditionele LLM-parameters bestaan nog, maar zijn beperkt afhankelijk van de reasoning-modus.

Core GPT-5.4 API-parameters

reasoning.effort: De volgende parameter is volledig ondersteund en aanbevolen bij het aanroepen van GPT-5.4. Bepaalt hoeveel interne redenering het model uitvoert voordat het de uiteindelijke output genereert.

Ondersteunde waarden:

nonelowmediumhighxhigh

Voorbeeld:

response = client.responses.create(    model="gpt-5.4",    reasoning={"effort": "high"},    input="Explain the Nash equilibrium in game theory.")

Effecten:

Hogere reasoning-inspanning verhoogt over het algemeen:

• antwoordnauwkeurigheid
• reasoning-tokens
• latentie
• kosten

Het standaardniveau is doorgaans medium.

Tools

Definieert tools die het model kan aanroepen. tools + tool_search

• tool_search stelt het laden van tooldefinities uit voor efficiëntie; schakel dit in voor grote toolsets.
• tools declareert tooldefinities (web_search, file_search, aangepaste RPC’s).

Ondersteunde ingebouwde tools omvatten:

• web search
• file search
• code interpreter
• image generation

Voorbeeld:

tools=[{
   "name":"get_weather",
   "description":"Get current weather",
   "parameters":{
      "type":"object",
      "properties":{
         "city":{"type":"string"}
      }
   }
}

Samplingparameters (controle op willekeur)

Belangrijke compatibiliteitsregel: Wanneer reasoning.effort ≠ none, worden sommige samplingparameters mogelijk niet ondersteund. Als reasoning.effort high is, kan de aanvraag mislukken of temperature negeren.

GPT-5.4-modellen schakelen parameters als:

• temperature
• top_p
• logprobs

uit, omdat reasoning-modellen sampling intern beheren.

1. temperature Controleert willekeur in token-sampling.

Voorbeeld:

{ "model": "gpt-5.4", "temperature": 0.2, "reasoning": { "effort": "none" }}

Als reasoning.effort high is, kan de aanvraag mislukken of temperature negeren.

2. top_p: Nucleus-samplingparameter.

3. stop: Stopt de generatie bij specifieke tokens.

Nuttig voor:

• codegeneratie
• toolpijplijnen
• chat-delimiters

Verbosity: stuurt de responslengte.

Er zijn verschillende nieuwe parameters verschenen vanaf GPT-5-modellen, waaronder GPT-5.4.

Waarden:

lowmediumhigh

Voorbeeld:

verbosity="high"

Use cases:

Deze parameter helpt de outputlengte te sturen zonder tokenlimieten te manipuleren.

Parameterverschillen van GPT-5.4

Hieronder staat een vereenvoudigde compatibiliteitsmatrix.

Vergelijking van GPT-5.4 en GPT-5.4-Pro parameters en capabilities

Best practices voor het adopteren van GPT-5.4 in productie

1) Begin klein, verhoog vervolgens reasoning

• Start met reasoning.effort=none/low + text.verbosity=low voor latentiegevoelige endpoints.
• Voor complexe flows, ga naar medium en vervolgens high pas na A/B-tests van kosten versus nauwkeurigheid.

2) Geef de voorkeur aan gestructureerde output voor programmatische taken

Gebruik functieschemas of Pydantic/JSON-schemas zodat het model machine-parseerbare output retourneert; dit vermindert downstream-parsingfouten.

3) Houd mensen in de loop voor beslissingen met hoge impact

Elke workflow die geld, juridische uitkomsten of persoonlijke gegevens omvat, moet menselijke goedkeuring vereisen voordat er externe effecten optreden.

4) Beperk blootgestelde mogelijkheden

Gebruik allowed_tools-lijsten (standaard weigeren) en granulaire tool­toestemmingen. Hanteer voor computerbediening een strikte whitelist voor acties.

5) Kosten- en tokenbudgettering

Gebruik max_output_tokens en text.verbosity voor voorspelbare kosten. Voor zeer grote contexten, pagina­keer of comprimeer inhoud waar passend — zelfs met 1M tokens helpen compactie/ selectie­strategieën de kosten te verminderen.

Slotopmerkingen — migratie en volgende stappen

GPT-5.4 vertegenwoordigt een betekenisvolle stap vooruit in het bouwen van AI-systemen die meer kunnen denken, over software kunnen werken en zeer grote contexten aankunnen. Voor de meeste teams is het aanbevolen migratiepad:

1. Prototyping met een kleine subset van workflows (bijv. contractbeoordeling, slidegeneratie) met behulp van de gpt-5.4-alias in een sandbox.
2. Meten van taaknauwkeurigheid, tokengebruik, latentie en kosten ten opzichte van eerdere modellen.
3. Versterken door gestructureerde output, toolguards en menselijke goedkeuringen toe te voegen voor risicovolle flows.
4. API-kortingen van CometAPI kunnen uitkomst bieden als kosten- of latentie-eisen die keuze sturen.

Ontwikkelaars kunnen GPT-5.4, GPT-5.4-pro en de API via CometAPI nu gebruiken. Om te beginnen, verken de mogelijkheden van het model in de Playground en raadpleeg de API-gids voor gedetailleerde instructies. Zorg er vóór toegang toe voor dat u bent ingelogd bij CometAPI en de API-sleutel heeft verkregen. CometAPI biedt een prijs die aanzienlijk lager ligt dan de officiële prijs om integratie te vergemakkelijken.

Klaar om te starten?→ Meld u vandaag aan voor GPT-5.4 !

Als u meer tips, gidsen en nieuws over AI wilt weten, volg ons op VK, X en Discord!