Un análisis profundo de las capacidades de GPT-4o Mini de OpenAI

En mayo de 2024, OpenAI lanzó GPT-4o, y ahora, apenas tres meses después, regresa con otro modelo impresionante: GPT-4o Mini. El 18 de julio de 2024, OpenAI presentó GPT-4o Mini. ¡Lo califica como su “modelo más rentable”! GPT-4o Mini es un modelo compacto que se basa en las capacidades de modelos anteriores y busca hacer que la IA avanzada sea más accesible y asequible.

GPT-4o Mini actualmente admite interacciones de texto y visión, y se esperan futuras actualizaciones que añadan capacidades para procesar imágenes, vídeos y audio. En este artículo, exploraremos qué es GPT-4o Mini, sus características destacadas, cómo se puede utilizar, las diferencias entre GPT-4 y GPT-4o Mini, y cómo se puede aplicar en varios casos de uso de visión artificial. ¡Vamos a sumergirnos y ver qué ofrece GPT-4o Mini!

¿Qué es GPT-4o Mini?#

GPT-4o Mini es la incorporación más reciente a la línea de modelos de IA de OpenAI, diseñada para ser más rentable y accesible. Es un modelo de lenguaje grande (LLM) multimodal, lo que significa que puede procesar y generar diferentes tipos de datos, como texto, imágenes, vídeos y audio. El modelo se basa en los puntos fuertes de modelos anteriores como GPT-4 y GPT-4o para ofrecer capacidades potentes en un formato compacto.

GPT-4o Mini es un 60% más barato que GPT-3.5 Turbo, con un coste de 15 céntimos por millón de tokens de entrada (unidades de texto o datos que el modelo procesa) y 60 céntimos por millón de tokens de salida (unidades que el modelo genera como respuesta). Para ponerlo en perspectiva, un millón de tokens equivale aproximadamente al procesamiento de 2.500 páginas de texto. Con una ventana de contexto de 128K tokens y la capacidad de gestionar hasta 16K tokens de salida por solicitud, GPT-4o Mini está diseñado para ser eficiente y asequible a la vez.

Fig. 1. GPT-4o Mini es un 60% más barato que GPT-3.5 Turbo.

Características clave de GPT-4o Mini#

GPT-4o Mini admite una serie de tareas que lo convierten en una excelente opción para diversas aplicaciones. Se puede utilizar al ejecutar varias operaciones a la vez, como llamar a múltiples API, gestionar grandes cantidades de datos como bases de código completas o historiales de conversación, y proporcionar respuestas rápidas en tiempo real en chatbots de atención al cliente.

Aquí tienes otras características clave:

• Base de conocimientos actualizada: El modelo contiene información hasta octubre de 2023.
• Tokenizador mejorado: GPT-4o Mini hace que el procesamiento de texto que no está en inglés sea más rentable.
• Medidas de seguridad sólidas: Estas medidas incluyen el filtrado de contenido dañino y la protección contra problemas de seguridad como inyecciones de prompts y manipulaciones del sistema.

Empezando con GPT-4o Mini#

Puedes probar a usar GPT-4o Mini a través de la interfaz de ChatGPT. Está disponible para los usuarios de Free, Plus y Team, reemplazando a GPT-3.5 como se muestra a continuación. Los usuarios de Enterprise también obtendrán acceso pronto, en línea con el objetivo de OpenAI de proporcionar los beneficios de la IA a todos. GPT-4o Mini también está disponible a través de la API para los desarrolladores que deseen integrar sus capacidades en sus aplicaciones. Por el momento, las capacidades de visión solo son accesibles a través de la API.

Fig 2. Opciones de modelos dentro de ChatGPT.

La diferencia entre GPT-4o y GPT-4o Mini#

GPT-4o Mini y GPT-4o funcionan de forma impresionante en varios puntos de referencia. Aunque GPT-4o supera generalmente a GPT-4o Mini, este último sigue siendo una solución rentable para las tareas cotidianas. Los puntos de referencia incluyen tareas de razonamiento, matemáticas y dominio de la programación, y razonamiento multimodal. Como se muestra en la imagen de abajo, GPT-4o Mini puntúa bastante alto en comparación con otros modelos populares.

Fig 3. Comparación de GPT-4o Mini con otros modelos populares.

Empezando con GPT-4o y GPT-4o Mini#

Un aviso interesante que se ha debatido en línea implica que los LLM populares comparan números decimales de forma incorrecta. Cuando pusimos a prueba a GPT-4o y GPT-4o Mini, sus habilidades de razonamiento mostraron diferencias claras. En la imagen de abajo, les preguntamos a ambos modelos cuál es mayor: 9.11 o 9.9, y luego les pedimos que explicaran su razonamiento.

Fig 4. Probando GPT-4o y GPT-4o Mini.

Ambos modelos responden inicialmente de forma incorrecta y afirman que 9.11 es mayor. Sin embargo, GPT-4o es capaz de razonar hasta llegar a la respuesta correcta y afirma que 9.9 es mayor. Proporciona una explicación detallada y compara los decimales con precisión. Por el contrario, GPT-4o Mini mantiene obstinadamente su respuesta inicial incorrecta a pesar de haber deducido correctamente el razonamiento detrás de por qué 9.9 es mayor.

Ambos modelos muestran sólidas habilidades de razonamiento. La capacidad de GPT-4o para corregirse a sí mismo lo hace superior y útil para tareas más complejas. GPT-4o Mini, aunque menos adaptable, sigue ofreciendo un razonamiento claro y preciso para tareas más sencillas.

Uso de GPT-4o Mini para varios casos de uso de visión artificial#

Si prefieres explorar las capacidades de visión de GPT-4o Mini sin sumergirte en el código, puedes probar fácilmente la API en el OpenAI Playground. Lo probamos nosotros mismos para ver qué tan bien es capaz GPT-4o Mini de gestionar varios casos de uso relacionados con la visión artificial.

Clasificación de imágenes usando GPT-4o Mini#

Le pedimos a GPT-4o Mini que clasificara dos imágenes: una de una mariposa y otra de un mapa. El modelo de IA identificó con éxito la mariposa y el mapa. Esta es una tarea bastante sencilla dado que las imágenes son muy diferentes.

Fig 5. Clasificando imágenes con la ayuda de GPT-4o Mini.

Continuamos y procesamos dos imágenes más a través del modelo: una que muestra una mariposa descansando sobre una planta y otra que muestra una mariposa descansando en el suelo. La IA volvió a hacer un gran trabajo, detectando correctamente la mariposa sobre la planta y la que estaba en el suelo. Así que, fuimos un paso más allá de nuevo.

Fig 6. Clasificando imágenes similares con la ayuda de GPT-4o Mini.

Luego le pedimos a GPT-4o Mini que clasificara dos imágenes: una que muestra una mariposa alimentándose de las flores de una asclepias y la otra que muestra una mariposa alimentándose de una flor de zinia. Es increíble que el modelo fuera capaz de clasificar una etiqueta tan específica sin un ajuste fino adicional. Estos rápidos ejemplos muestran que GPT-4o Mini posiblemente podría utilizarse para tareas de clasificación de imágenes sin necesidad de un entrenamiento personalizado.

Fig 7. Clasificando imágenes detalladas con la ayuda de GPT-4o Mini.

Entendiendo poses usando GPT-4o Mini#

A partir de ahora, las tareas de visión artificial como la detección de objetos y la segmentación de instancias no se pueden gestionar utilizando GPT-4o Mini. GPT-4o tiene dificultades con la precisión, pero se puede utilizar para tales tareas. En esta misma línea, con respecto a la comprensión de posturas, no podemos detectar o estimar la postura en la imagen, pero podemos clasificar y comprender la postura.

Fig 8. Usando GPT-4o Mini para entender las poses en una imagen.

La imagen anterior muestra cómo GPT-4o Mini puede clasificar y comprender posturas, a pesar de no poder detectar o estimar las coordenadas precisas de la postura. Esto puede ser útil en diferentes aplicaciones. Por ejemplo, en analítica deportiva, puede evaluar a grandes rasgos los movimientos de los atletas y ayudar a prevenir lesiones. De manera similar, en fisioterapia, puede ayudar a supervisar los ejercicios para garantizar que los pacientes realicen los movimientos correctos durante la rehabilitación. Asimismo, para la videovigilancia, puede ayudar a identificar actividades sospechosas analizando el lenguaje corporal general. Aunque GPT-4o Mini no puede detectar puntos clave específicos, su capacidad para clasificar posturas generales lo hace útil en estos y otros campos.

Aplicaciones para las que GPT-4o Mini es adecuado#

Hemos echado un vistazo a lo que puede hacer GPT-4o Mini. Ahora, discutamos las aplicaciones donde es más óptimo usar GPT-4o Mini.

GPT-4o Mini es ideal para aplicaciones que requieren una comprensión avanzada del lenguaje natural y necesitan una huella computacional pequeña. Hace posible integrar la IA en aplicaciones donde normalmente resultaría demasiado costoso. De hecho, un análisis detallado de Artificial Analysis muestra que GPT-4o Mini ofrece respuestas de alta calidad a velocidades vertiginosas en comparación con la mayoría de los demás modelos.

Fig 9. Calidad frente a velocidad de salida de GPT-4o Mini.

Aquí tienes algunas áreas clave en las que podría destacar en el futuro:

• Asistentes virtuales y chatbots: GPT-4o Mini puede proporcionar respuestas rápidas e inteligentes para mejorar las interacciones de los usuarios.
• Herramientas educativas: El modelo se puede utilizar para crear herramientas que ofrezcan tutoría personalizada y generación de contenido.
• Herramientas de productividad: Puede mejorar tareas como resumir documentos, redactar correos electrónicos y traducir idiomas para impulsar la eficiencia.
• Traducción de idiomas: La última versión de GPT puede usarse para desarrollar traductores que proporcionen una traducción de idiomas precisa y en tiempo real para una mejor comunicación a través de diferentes lenguas.

GPT-4o Mini abre nuevas puertas#

GPT-4o Mini está creando nuevas oportunidades para el futuro de la IA multimodal. El gasto de procesar cada pieza de texto o dato, conocido como el coste por token, ha disminuido sustancialmente —en casi un 99%— desde 2022, cuando se lanzó text-davinci-003, el modelo GPT-3. La disminución en el coste muestra una tendencia clara hacia hacer que la IA avanzada sea más asequible. A medida que los modelos de IA continúan mejorando, ¡se vuelve cada vez más probable que integrar IA en cada aplicación y sitio web sea económicamente viable!

¿Quieres familiarizarte con la IA? Visita nuestro repositorio de GitHub para ver nuestras innovaciones y formar parte de nuestra activa comunidad. Descubre más sobre las aplicaciones de la IA en la fabricación y la agricultura en nuestras páginas de soluciones.