Análisis detallado de las capacidades de GPT-4o Mini de OpenAI

En mayo de 2024, OpenAI lanzó GPT-4o y ahora, solo tres meses después, vuelve con otro modelo impresionante: GPT-4o Mini. El 18 de julio de 2024, OpenAI presentó GPT-4o Mini. ¡Lo denominan su «modelo más rentable»! GPT-4o Mini es un modelo compacto que se basa en las capacidades de modelos anteriores y pretende hacer que la IA avanzada sea más accesible y asequible.

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

¿Qué es GPT-4o Mini?#

GPT-4o Mini es la incorporación más reciente a la gama de modelos de IA de OpenAI y está diseñado para ser más rentable y accesible. Es un modelo de lenguaje grande (LLM) multimodal, lo que significa que puede procesar y generar distintos 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: cuesta 15 céntimos por cada millón de tokens de entrada (unidades de texto o datos que procesa el modelo) y 60 céntimos por cada millón de tokens de salida (unidades que el modelo genera como respuesta). Para ponerlo en perspectiva, un millón de tokens equivale aproximadamente a procesar 2.500 páginas de texto. Con una ventana de contexto de 128K tokens y capacidad para gestionar hasta 16K tokens de salida por solicitud, GPT-4o Mini está diseñado para ser eficiente y asequible.

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

Características principales de GPT-4o Mini#

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

Estas son algunas de sus otras características principales:

• Base de conocimientos actualizada: El modelo contiene información hasta octubre de 2023.
• Tokenizador mejorado: GPT-4o Mini hace que el procesamiento de texto no inglés sea más rentable.
• Medidas de seguridad sólidas: Estas medidas incluyen filtrar contenido dañino y proteger frente a problemas de seguridad, como las inyecciones de prompts y las manipulaciones del sistema.

Primeros pasos con GPT-4o Mini#

Puedes probar GPT-4o Mini a través de la interfaz de ChatGPT. Está disponible para los usuarios de Free, Plus y Team, y sustituye a GPT-3.5, como se muestra a continuación. Los usuarios de Enterprise también obtendrán acceso próximamente, en línea con el objetivo de OpenAI de proporcionar los beneficios de la IA a todo el mundo. GPT-4o Mini también está disponible mediante la API para desarrolladores que quieran integrar sus capacidades en sus aplicaciones. De momento, las capacidades de visión solo están disponibles mediante la API.

Fig. 2. Opciones de modelos en ChatGPT.

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

GPT-4o Mini y GPT-4o ofrecen un rendimiento impresionante en diversas pruebas de referencia. Aunque GPT-4o suele superar a GPT-4o Mini, GPT-4o Mini sigue siendo una solución rentable para las tareas cotidianas. Las pruebas incluyen tareas de razonamiento, competencia en matemáticas y programación, y razonamiento multimodal. Como se muestra en la imagen siguiente, GPT-4o Mini obtiene resultados bastante altos en comparación con otros modelos populares.

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

Probando GPT-4o y GPT-4o Mini#

Un prompt interesante que se ha debatido en internet consiste en que LLM populares comparen incorrectamente números decimales. Al poner a prueba GPT-4o y GPT-4o Mini, sus capacidades de razonamiento mostraron diferencias claras. En la imagen siguiente, preguntamos a ambos modelos cuál es mayor: 9.11 o 9.9, y después les pedimos que explicaran su razonamiento.

Fig. 4. Prueba de GPT-4o y GPT-4o Mini.

Ambos modelos responden inicialmente de forma incorrecta y afirman que 9.11 es mayor. Sin embargo, GPT-4o consigue razonar hasta llegar a la respuesta correcta y afirma que 9.9 es mayor. Ofrece una explicación detallada y compara los decimales con precisión. En cambio, GPT-4o Mini mantiene obstinadamente su respuesta inicial incorrecta, a pesar de comprender correctamente el razonamiento que demuestra que 9.9 es mayor.

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

Uso de GPT-4o Mini en diversos 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 OpenAI Playground. Nosotros también la probamos para comprobar hasta qué punto GPT-4o Mini puede gestionar diversos casos de uso relacionados con la visión artificial.

Clasificación de imágenes con GPT-4o Mini#

Pedimos a GPT-4o Mini que clasificara dos imágenes: una de una mariposa y otra de un mapa. El modelo de IA identificó correctamente la mariposa y el mapa. Se trata de una tarea bastante sencilla, ya que las imágenes son muy diferentes.

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

Después introdujimos otras dos imágenes en el modelo: una mostraba una mariposa posada sobre una planta y la otra, una mariposa posada en el suelo. La IA volvió a hacerlo muy bien e identificó correctamente la mariposa de la planta y la del suelo. Así que decidimos llevar la prueba un paso más allá.

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

A continuación, pedimos a GPT-4o Mini que clasificara dos imágenes: una mostraba una mariposa alimentándose de las flores de una asclepia y la otra, una mariposa alimentándose de una flor de zinnia. Es sorprendente que el modelo pudiera clasificar una etiqueta tan específica sin un ajuste fino adicional. Estos ejemplos rápidos demuestran que GPT-4o Mini podría utilizarse para tareas de clasificación de imágenes sin necesidad de entrenamiento personalizado.

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

Comprensión de posturas con GPT-4o Mini#

Por ahora, las tareas de visión artificial, como la detección de objetos y la segmentación de instancias, no se pueden realizar con GPT-4o Mini. GPT-4o tiene dificultades con la precisión, pero se puede utilizar para este tipo de tareas. En esta línea, en lo que respecta a la comprensión de posturas, no podemos detectar ni estimar la postura en la imagen, pero sí clasificarla y comprenderla.

Fig. 8. Uso de GPT-4o Mini para comprender las posturas de una imagen.

La imagen anterior muestra cómo GPT-4o Mini puede clasificar y comprender posturas, aunque no pueda detectar ni estimar las coordenadas precisas de la postura. Esto puede resultar útil en distintas aplicaciones. Por ejemplo, en la analítica deportiva, puede evaluar de forma general los movimientos de los atletas y ayudar a prevenir lesiones. Del mismo modo, en la fisioterapia, puede ayudar a supervisar los ejercicios para garantizar que los pacientes realicen los movimientos correctos durante la rehabilitación. También en la vigilancia, puede ayudar a identificar actividades sospechosas mediante el análisis del 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 ámbitos.

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

Hemos analizado lo que GPT-4o Mini puede hacer. Ahora, hablemos de las aplicaciones en las que resulta más óptimo utilizar GPT-4o Mini.

GPT-4o Mini es ideal para aplicaciones que requieren una comprensión avanzada del lenguaje natural y una huella computacional reducida. Permite integrar la IA en aplicaciones en las que normalmente sería demasiado caro hacerlo. De hecho, un análisis detallado de Artificial Analysis muestra que GPT-4o Mini proporciona respuestas de alta calidad a velocidades rapidísimas en comparación con la mayoría de los demás modelos.

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

Estas son 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 con los usuarios.
• Herramientas educativas: El modelo se puede utilizar para crear herramientas que ofrezcan tutoría personalizada y generación de contenidos.
• Herramientas de productividad: Puede mejorar tareas como resumir documentos, redactar correos electrónicos y traducir idiomas para aumentar la eficiencia.
• Traducción de idiomas: La versión más reciente de GPT se puede utilizar para desarrollar traductores que ofrezcan traducciones precisas y en tiempo real, mejorando la comunicación entre distintos idiomas.

GPT-4o Mini abre nuevas posibilidades#

GPT-4o Mini está creando nuevas oportunidades para el futuro de la IA multimodal. El coste de procesar cada fragmento de texto o dato, conocido como coste por token, ha disminuido considerablemente —casi un 99 %— desde 2022, cuando se lanzó text-davinci-003, el modelo GPT-3. Esta reducción de costes muestra una tendencia clara hacia hacer que la IA avanzada sea más asequible. A medida que los modelos de IA siguen mejorando, cada vez es más probable que integrar la IA en todas las aplicaciones y sitios web sea económicamente viable.

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