OpenAI突发新模型,全面取代老去的GPT-3.5。
GPT-4o mini,能力接近原版GPT-4,价格却要便宜一个数量级:
-
每百万输入tokens,15美分(约1.09元人民币)
-
每百万输出tokens,60美分(约4.36元人民币)
在ChatGPT应用中,GPT-3.5已经完全退役,免费用户已可使用GPT-4o mini模型。
对应的API也已经开放,支持128k输入tokens(图像和文本),更令人瞩目的是支持16k输出tokens。
相比之下,隔壁Claude 3.5 Sonnet几天前刚刚升级8k输出tokens。
以其低成本和低延迟特性,官方推荐用于多种场景:
-
链式或并行化多个模型调用
-
将大量上下文输入给模型(如完整的代码库或对话历史记录)
-
或通过快速、实时的文本响应交互(如客服)
在未来几天内,将开放GPT-4o mini微调。
CEO奥特曼表示,仅仅两年前,世界上最好的模型还是GPT-3的text-davinci-003版本。
与今天相比表现差得多,还要贵上100倍。
或者换另一个说法,大模型成本在两年内下降了99%。
GPT-4级别小模型,便宜一个数量级
ChatGPT首发震撼世界,原版GPT-3.5模型功不可没。
但尽管经过一系列升级降价,系列最新型号GPT-3.5 Turbo也渐渐落后了。
竞争对手新出的小模型,以Anthropic的Claude 3 Haiku和谷歌Gemini Flash为代表,开始抢占市场。
GPT-4o mini就是专门来找回场子的。
在多项文本和多模态推理学术基准测试中,GPT-4o mini都超过了其他小模型。
特别是在数学(MGSM、MATH)和代码能力(HumanEval)上优势明显,与其他小模型拉开一个档次,只比GPT-4o完整版稍弱。
此外,它还在函数调用方面表现出强大的性能。
价格方面,也比Claude 3 Haiku和Gemini Flash要更便宜40%-60%。
作为模型开发的一部分,OpenAI与Ramp和Superhuman等公司合作,已将GPT-4o mini用于实际应用,在“从文件中提取结构化数据”和“对邮件通信记录生成高质量回复”等任务明显优GPT于 -3.5 Turbo。
此外几周之前,新模型还化名GPT-mini登上大模型竞技场供广大网友测试检验。
目前收集到6000+用户投票,与GPT-4 Turbo表现相当。
不过感兴趣的可以在大模型竞技场体验,目前版本为gpt-4o-mini-2024-07-18。
这一次OpenAI对模型做了更多的安全设置,第一个应用了OpenAI指令层次结构方法的模型,有助于提高模型抵抗越狱、Prompt注入和系统Prompt提取的能力。
简单测试中,确实不能简单的一句话套出系统提示词了。
不过用上一系列复杂的越狱手段之后,还是没防住。泄漏出来的系统提示词倒也没什么特殊的内容。
不过很可惜,新模型还是搞不懂9.11和9.9哪个大……
One More Thing
此外奥特曼还在回复网友提问中透露,GPT-4o实时语音模式也就是《Her》,将于本月晚些时候Alpha测试,更晚一些正式发布。
不过也有网友略有点失望:我们要想要的是GPT-5,你却给我GPT-4o mini。
同一天,DeepSeek与Mistral也都有了新进展。
一边开源了 DeepSeek-V2-0628,直接摘得大模型榜单上开源大模型头名。
另一边则是推出了12B的小模型,同英伟达合作开发,上下文长度为128K。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。