Merci, ça répond pile à ma question.
Le coup du raisonnement actif par défaut, je serais passé à côté à 100 %. Je viens de vérifier : j’ai deux routes avec max_tokens à 1500 parce que les réponses sont censées tenir en trois lignes. Elles auraient sauté dès le premier appel.
Par contre sur l’effort je patauge un peu. Vous dites xhigh pour le code, mais mon app fait surtout de l’extraction structurée sur des PDF, rien de créatif. Je mets quoi ? J’aimerais éviter de tripler la facture pour rien.