【案例】9 D: o2 o3 i* U7 P+ `
/ x' ~% _. M: N9 T, \
GPT-4「变懒」bug被修复，价格暴降80%！OpenAI连更5款新模型，性能狂飙 新智元 2024-01-26 12:18 发表于北京
# i- J1 `# K# |( u- s7 {- O新智元报道 编辑：编辑部 0 i9 H) [( C" J
【新智元导读】昨夜，OpenAI一口气连更5款新模型。GPT-4 Turbo变懒问题修复，代码生成能力史诗级加强。另外，多款模型价格大幅暴降。! V* @7 O2 o/ n9 [3 Z
+ k1 o) m6 q. O5 ~4 e/ M; K0 d' c, s
: N. A& |% ~' W! a P GPT-4又双叒叕变强了！
: u: \; y: K$ n, m& S1 t1 Q( p$ A4 Q8 O1 }
今天，OpenAI正式发布了更新版的GPT-4 Turbo——gpt-4-0125-preview。
# F, v% { @' W' L P1 k
( \0 U' I* X4 Q 不仅大幅改善了模型「偷懒」的情况，而且还极大地提升了代码生成的能力。; z6 @" n4 B% T' }, l! m' B. E- c
( E: w6 X& L+ O# x" r
0 i2 s" j# o& ]5 o+ ~- {
3 m, C# f2 E& n 与此同时，OpenAI还发布了一系列模型和API更新，总体来说就是「更强的性能，更低的价格」。
: K: ?. \: _6 ^( {' D$ r! z! u: \! Z
- GPT-3.5 Turbo更新——gpt-3.5-turbo-0125。输入价格大降50%，输出价格下降25%。性能上也有升级。
& }7 w& }5 u4 R* g* @5 _( f5 Y- f3 x' N) D/ z, @
- 「迄今为止最强」的审核模型text-moderation-007，帮助开发者有效地识别有害文本。# Q6 O7 Q+ I7 y2 s6 E3 A
8 h+ \0 M: o9 ^; q6 H 两个新一代embedding模型：
( }; v/ ?* P. q6 Q3 v }4 D7 d, f q& r- n4 ~2 V- R
- text-embedding-3-small，体积更小效率更高，价格直接砍到了原模型20%！支持512维和1536维两种大小。
! I/ X6 I* }% \: f. b - text-embedding-3-large，性能相比之前模型大幅提升，高达3072维的嵌入向量，价格是小模型的6.5倍。
F" A7 }# B% ] 最后，OpenAI还强调称，用户通过API传送的数据，都不会被用于训练新的模型。; t1 \" p* M* `( Z2 K- K6 O
/ V' \" r- b3 i4 `
( t2 p! l" F# g4 _. E& l, S) W+ K* T! V8 V5 J
GPT-4更强了，变懒bug修复 自从去年11月份开发者大会发布GPT-4-Turbo以来，超过70%的GPT-4 API用户已经转用了GPT-4-Turbo预览版，从而能够享受最新的知识戒指日期、更大的128k上下文窗口和更低的价格。
! d' V* u# Z, P e/ Q* F
* [* [) k* ?& N, m- ` 最新更新的GPT-4-Turbo 预览模型——gpt-4-0125-preview在执行任务（如代码生成）方面比之前的预览版要更强，能够减少模型有可能出现的「偷懒」现象。* L' K( z6 e1 D
. T( d8 Z* h: n- S2 x
新模型还修复了一个影响非英文UTF-8生成的漏洞。5 Y/ e) J# p8 z+ l8 r
对于那些希望自动升级到最新GPT-4-Turbo预览版的用户，OpenAI还推出了一个新的模型名别名gpt-4-turbo-preview，它将始终指向最新的GPT-4-Turbo预览版模型。
* M0 u' [; i. O* `$ Y( r8 k' K- z2 e: ^8 s2 _. {& |
在未来几个月内，OpenAI还会推出具备视觉功能的GPT-4-Turbo正式版。
, ]/ T g. x: \* ~2 a( C
5 B$ N r) J7 I4 i* X
! O. L5 d' @' w( l- W GPT-3.5-Turbo喜迎「降价增效」 下周，OpenAI即将推出新版的GPT-3.5-Turbo，型号为gpt-3.5-turbo-0125。
% w r' c9 `1 q, k
/ k, x0 {! t& ?& M+ e 在过去的一年里，OpenAI已经第三次下调GPT-3.5-Turbo的价格。
, U3 e! a* i; O: i5 b& p- V3 V2 n1 ~
新模型的输入价格下降了50%，现为0.0005美元/1k token；输出价格下降了 25%，现为0.0015美元/1k token。- k5 v) P+ \& Q, s# R8 }; e2 W" I
此外，模型还进行了多项改进，比如提高了按要求格式响应的准确性，并修复了一个导致非英文语言函数调用出现文本编码问题的漏洞。
6 V1 N( H3 _: k0 |8 v* g3 G
" \, n& H/ r' |8 ^( ~ 在API中使用固定gpt-3.5-turbo模型名称的用户，将在这款新模型推出两周后，自动从gpt-3.5-turbo-0613升级至gpt-3.5-turbo-0125版本。" I& p% Q* z. ?9 A
/ _: t" q1 v3 Z5 V Z% d0 P) A: Z
/ j! Y" P$ `# ]9 E4 M: E. e 全新嵌入模型2连发：性能大涨价格狂降 OpenAI推出了两款新的嵌入模型：体积更小、效率更高的text-embedding-3-small模型，以及更大、性能更强的text-embedding-3-large模型。
; T$ r! K0 f1 z) K/ c
7 ^1 `2 U( r1 O9 ] h& m6 `9 e0 s$ J! C* P: j( d# h$ Q
/ i: c3 e$ H( D3 Z6 d z
所谓嵌入（Embedding），就是将内容（如文字或代码）中的概念转化为一串数字序列。
4 }" n9 ?9 K4 k3 y. p 通过这种方式，机器学习模型和其他算法可以轻松理解不同内容之间的关系，执行聚类、检索等操作。5 @4 J- a7 w/ T3 z+ D
& B0 j# M& ]8 ^) J. y# K+ O. x 嵌入技术为 ChatGPT 和 Assistants API 中的知识检索功能，以及许多检索增强生成（[color=var(--weui-LINK)][url=]RAG[/url]）开发工具提供了强大动力。
1 ?" ?. n* `+ ?+ e 「小」文本嵌入模型：text-embedding-3-smalltext-embedding-3-small是OpenAI的新型高效嵌入模型，与2022年12月推出的前代产品text-embedding-ada-002相比，性能有了大幅提升。2 ^; l2 c2 ]* w2 m! \
" f* S; k+ T9 e* J' ^: o- B, E6 H/ c
- 性能更强
: g! }+ N' H$ n8 ^" o1 E1 Y: n, t* \1 w2 n5 l
在多语言检索（MIRACL）的常用基准测试中，text-embedding-3-small的平均得分从31.4%提高到44.0%，在英语任务（MTEB）的常用基准测试中，平均得分从61.0%提高到 62.3%。" x6 n3 U: y7 O; U4 b3 Q% S
$ e0 X: i+ u+ B: k: s, h# j- C. j
/ _; F6 A$ f& A$ K! [
- 价格实惠
; C j5 Q9 }/ M- [. @
% `) h# s( f' Z% s) H" `+ ]3 A text-embedding-3-small远比OpenAI之前的text-embedding-ada-002模型效率高，因此价格也大幅降低了5倍，从每千token的0.0001美元降至0.00002美元。( z3 u( { J% Y: }
) u/ ]) ^1 r1 V+ B+ L5 E E5 d OpenAI不会停用text-embedding-ada-002，尽管OpenAI更推荐用户使用新模型，客户仍可选择继续使用上一代产品。$ F3 N; F3 n, ]1 c( o8 V& j
# L: M5 k1 F4 Y" L% a1 O
2 I+ f- w4 `9 a/ o; y3 T* z( ~
「大」文本嵌入模型：text-embedding-3-large
4 R( g5 F$ q1 M; R7 S/ @" G! X' _- h. x5 R+ k
text-embedding-3-large是OpenAI的新一代大型嵌入模型，能够生成高达3072维的嵌入向量。
. m4 e# n4 g* E& q' K i( g text-embedding-3-large是OpenAI目前性能最强的模型——
/ c0 {2 ?* o- H n/ I1 Y. k* @& l+ r
与text-embedding-ada-002相比，它在MIRACL上的平均得分从31.4%提升至54.9%，在MTEB上的平均得分从61.0%提升至 64.6%。
& j$ _' h' ~/ { S7 M# M
" i6 v# F" V- _7 r
5 a: Z; u% R3 |
5 T3 s- d- m& U- m text-embedding-3-large的价格定为0.00013美元/1k token。1 b! J1 ^' ^$ L6 L2 x' v
# o3 f+ ]" n* O1 S$ p) h2 o* [. y# h: Z8 Q9 H3 \# B. U' q
* f, A% t3 S- u0 l- s" m% K, i: O
灵活调整嵌入向量
0 J5 P7 X- z; g3 E, x' ~2 s9 M# G X
相比于小型嵌入，大型嵌入的存储和检索，如放置于向量存储库中，往往需要更高的成本，也消耗更多的计算资源、内存和存储空间。7 N# E, Y3 u0 M. h5 q# T
; j: K3 e9 _0 t4 u2 |* h9 L. O) \$ k
OpenAI的两款新嵌入模型均采用了一种特殊的训练技术，使得开发者可以在嵌入的使用成本和性能之间做出权衡。
# U) \' s/ b, ]8 n0 d+ B/ } 具体来说，开发者可以通过设定dimensions API参数来有效缩短嵌入向量的长度（也就是去掉数列末端的一些数字），而这样做不会影响嵌入向量代表概念的核心特性。) e6 U' H1 s4 Z1 M& z) C+ M
) V/ G4 ]# S9 ` U3 D
例如，在MTEB基准测试中，即使将text-embedding-3-large嵌入向量的长度缩减到 256，它的性能仍然超过了长度为1536的未经缩减的text-embedding-ada-002嵌入向量。
C! G& ]8 ^& Q% d0 j0 V 这种做法极大地增加了使用上的灵活性。8 S+ i5 w) M' i9 V
( O4 j& k6 `+ q* B$ j) V
比如说，当开发者需要使用一个只支持最大1024维度嵌入向量的向量数据存储时，可以选择OpenAI性能最佳的嵌入模型text-embedding-3-large，并通过设置dimensions API参数为1024，从而将原本3072维的嵌入向量缩减下来，以较小的向量尺寸为代价换取了准确度。6 x! H# t; e$ B) _- [1 \# A+ t
: B% O! F8 \6 T/ F9 k
6 M- ]+ F K; M) U6 y5 T7 ~/ ]; E
迄今最强的内容审核模型 OpenAI提供的免费内容审核API可以帮助开发者识别可能有害的文本。
& L6 V& C* a4 p9 v4 w; k( l$ ^- X _6 _3 F4 m7 B9 f
作为OpenAI持续安全工作的一部分，OpenAI发布了迄今为止最强大的内容审核模型text-moderation-007。% t$ @( T9 r. F0 d9 v
' C: M! t( s' f; }4 i: T4 y8 D2 j
此前的text-moderation-latest和text-moderation-stable，也将重新指向这个新模型。/ h! R5 }8 z9 }0 b8 L
# p( g( d) j) a+ u' p. s/ M2 p* W& k$ S% F
API后台更新，更好的API密钥管理 OpenAI正在推出两项重要的平台升级，旨在为开发者提供对他们的API使用情况更清晰的洞察，并加强对API密钥的管理。0 W2 G) \/ a4 w6 W" f; t
8 P7 Q- m, O2 T6 }1 ^
首先，开发者可以直接在API密钥页面设置不同的密钥权限。( G5 n) b H: e: z0 Z6 }1 C0 Z0 g
% ^( |, [0 f* W/ \ F2 {
举个例子，用户可以为一个密钥配置只读权限，以便用于内部的跟踪数据面板，或者设置为仅限访问某些特定的接口。
\$ r8 r+ w% q& ~5 u R5 B 其次，一旦开启了密钥使用跟踪功能，使用仪表盘和数据导出功能就能够提供基于每个API 密钥的详细使用指标。这样一来，只需为不同的功能、团队、产品或项目分配独立的 API 密钥，就可以轻松地监控到各自的使用情况。
9 e, H9 f- q2 p9 `5 P/ v* Y1 J0 ]* g0 W
在接下来的几个月里，OpenAI计划为开发者提供更多便利，让他们能够更好地监控 API 使用情况并管理 API 密钥，这一点对于大型组织来说尤其重要。
! E( B4 d' a4 q. ^$ ^" I. x& P( F! Q9 l; ?6 W5 f7 L7 e
8 R0 u2 A, q0 @7 C
8 s. ^: f L) W1 }" C$ p
( u: S6 u6 ?; q+ \5 C
Y% f& d/ T; M8 l
# Z& V1 F# T0 T
2 w) k2 p+ I. W6 Q1 o% b+ p
|
发表于 2024-1-26 21:52:32
QQ好友和群
QQ空间
腾讯微博
腾讯朋友
收藏
支持
反对