“功能最强、成本偏低”！OpenAI宣告GPT-4o mini 入局小模型竞争

比GPT-3.5 Turbo便宜超过60% 谈天表现优于竞品

该公司表示，GPT-4o mini从周四起向ChatGPT的免用度户、ChatGPT Plus和团队订阅用户开放，并将不才周向ChatGPT企业用户开放。

GPT-4o mini将取代ChatGPT中的旧模型GPT-3.5 Turbo。
OpenAI表示，GPT-4o mini的本钱为每百万输入标记（token）15美分和每百万输出标记60美分，比GPT-3.5 Turbo便宜超过60%。

该公司还表示，新模型目前在谈天偏好上表现优于GPT-4模型，并在大规模多任务措辞理解（MMLU）测试中得到了82%的得分。
媒体宣布，MMLU是一种用于评估措辞模型能力的文本智能和推理基准。
更高的MMLU得分表明它可以在各种领域中更好地理解和利用措辞，增强其在现实天下中的运用。

根据OpenAI的数据，GPT-4o mini模型的得分为82%，比其余两款低本钱竞品更高，Google的Gemini Flash得分为77.9%，Anthropic的Claude Haiku得分为73.8%。

而在更大模型中，GPT-3.5在这项测试中的得分为70%，GPT-4o得分为88.7%，而Google声称其Gemini Ultra取得了有史以来最高的90%得分。

剖析认为，较小的措辞模型须要较少的打算能力运行，使其成为资源有限的公司支配天生式AI的更实惠的选择。

此外，这个新的轻量化模型还将在API中支持文本和视觉功能，OpenAI表示，它很快就会处理所有多模态输入和输出，如视频和音频。
拥有这些功能后，这可能会像更强大的虚拟助手一样，能够理解你的旅行行程并提出建议。
然而，该模型目前只能紧张用于大略任务。

“小而精”AI模型竞争激烈 OpenAI末了入局

媒体宣布，由微软支持的OpenAI的估值已超过800亿美元，虽然在天生式AI市场仍旧霸占领头羊地位，但该公司面临的竞争压力已经越来越大。
OpenAI还须要找到赢利的办法，由于该公司在处理器和根本举动步伐上花费了大量资金来构建和演习其模型。

然而，不少公司无法包袱大型、更昂贵的模型，因此轻量化且廉价的模型可能更受欢迎。
在此之前，许多开拓职员会选择Claude 3 Haiku或Gemini 1.5 Flash，而不是支付运行最强大模型所需的高昂打算本钱。
例如，一个较小的模型可能最适宜自动化处理高量、根本任务，而一个较大的模型则可能处理更繁芜的事情。
一些开拓职员可能希望在一个运用程序中同时利用这两种模型。

OpenAI的API产品卖力人Olivier Godement在接管媒体采访时阐明了为何该公司未能更早推出“小而精”的AI模型，他说，这纯粹是“优先级”的问题，由于OpenAI专注于创建更大、更好的模型，如GPT-4，这须要大量的人力和打算资源。
随着韶光的推移，OpenAI把稳到开拓职员越来越渴望利用较小的模型，因此公司决定现在是投入资源开拓GPT-4o Mini的机遇。

“我们的义务是使最前沿技能、构建最强大、最有用的运用程序，我们当然希望连续做前沿模型，推动技能进步，”OpenAI的API产品卖力人Olivier Godement在接管媒体采访时说。
“但我们也希望拥有最好的小模型，我认为它会非常受欢迎。
”

“我认为GPT-4o Mini真正表示了OpenAI让AI更加遍及的义务。
如果我们希望AI惠及天下的每一个角落，每一个行业，每一个运用，我们必须让AI更加实惠。
”OpenAI的API平台产品卖力人Olivier Godement对媒体表示。

GPT-4o mini能帮助员工专心

Godement表示，过去一周内，一些开拓职员已经在试用这个模型。

OpenAI让金融科技初创公司Ramp测试了这款模型，利用GPT-4o Mini构建了一个提取收据上的用度数据的工具。
因此，用户可以上传收据照片，模型会为他们整理数据。
电子邮件客户端Superhuman也测试了GPT-4o Mini，并用它创建了一个自动建议邮件回答的功能。

最初，GPT-4o mini将能够处理和天生文本和图像。
终极版本完成后，OpenAI表示它将能够处理其他类型的内容。

OpenAI还表示，GPT-4o mini是该公司首个利用其新安全策略“指令层级”的AI模型。
这种方法的目的是使AI系统优先处理某些指令——例如来自公司的指令——以使人们更难让工具做不该做的事情。

剖析认为，GPT-4o mini模型是OpenAI致力于“多模态性”的一部分，即供应广泛类型的AI天生媒体（如文本、图像、音频和视频）在一个工具：ChatGPT中。

去年，OpenAI首席运营官Brad Lightcap见告媒体：

“天下是多模态的。
如果你考虑我们作为人类处理和参与天下的办法，我们瞥见东西，听到东西，说话——天下不仅仅是文本。
因此，对我们来说，只有文本和代码作为单一模态、单一接口，觉得总是不完全的，由于这些模型的强大能力和它们能做的事情远远不止于此。
”

本文来自华尔街见闻，欢迎下载APP查看更多