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

En mayo de 2024, OpenAI lanzó GPT-4o y, solo dos meses después, presentó otro modelo: GPT-4o Mini. El 18 de julio de 2024, OpenAI presentó GPT-4o Mini, al que describió como su «modelo pequeño más rentable». GPT-4o Mini es un modelo compacto que se basa en las capacidades de los 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 gestionar imágenes, vídeos y audio. En este artículo veremos qué es GPT-4o Mini, cuáles son sus características más destacadas, cómo se puede utilizar, en qué se diferencia de GPT-4o y cómo se puede aplicar en distintos casos de uso de visión artificial.

¿Qué es GPT-4o Mini?#

GPT-4o Mini es la última incorporación a la gama de modelos de IA de OpenAI y está diseñado para ser más rentable y accesible. Es un modelo de lenguaje de gran tamaño (LLM) multimodal, lo que significa que puede procesar más de un tipo de datos, como texto e imágenes. El modelo aprovecha los puntos fuertes de modelos anteriores como GPT-4 y GPT-4o para ofrecer capacidades potentes en un formato compacto.

GPT-4o Mini cuesta un 60 % menos que GPT-3.5 Turbo: 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 genera el modelo en respuesta). Para hacerse una idea, un millón de tokens equivale aproximadamente a procesar 2500 páginas de texto. Con una ventana de contexto de 128K tokens y la capacidad de procesar hasta 16K tokens de salida por solicitud, GPT-4o Mini está diseñado para ser eficiente y asequible.

Fig. 1. GPT-4o Mini cuesta un 60 % menos que GPT-3.5 Turbo.

Características principales de GPT-4o Mini#

GPT-4o Mini admite diversas tareas que lo convierten en una gran opción para distintas aplicaciones. Puede utilizarse para ejecutar varias operaciones a la vez, como llamar a varias API, gestionar grandes cantidades de datos —por ejemplo, bases de código completas o historiales de conversaciones— y ofrecer respuestas rápidas en tiempo real en chatbots de atención al cliente.

Estas son otras características principales:

• Base de conocimientos actualizada: El modelo tiene como fecha límite de conocimientos octubre de 2023.
• Tokenizador mejorado: GPT-4o Mini procesa texto en otros idiomas con un coste menor.
• Medidas de seguridad sólidas: incluyen el filtrado de contenido dañino y la protección frente a problemas de seguridad, como las inyecciones de prompts y la manipulación del sistema.

Primeros pasos con GPT-4o Mini#

Puedes probar GPT-4o Mini desde la interfaz de ChatGPT. Está disponible para usuarios Free, Plus y Team, y sustituye a GPT-3.5, como se muestra a continuación. Los usuarios Enterprise también tendrán acceso próximamente, en línea con el objetivo de OpenAI de ofrecer las ventajas 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. Por ahora, las capacidades de visión solo están disponibles mediante la API.

Fig. 2. Opciones de modelo en ChatGPT.

Diferencias entre GPT-4o y GPT-4o Mini#

GPT-4o Mini y GPT-4o ofrecen un rendimiento impresionante en distintos benchmarks. Aunque GPT-4o suele superar a GPT-4o Mini, GPT-4o Mini sigue siendo una solución rentable para las tareas cotidianas. Los benchmarks incluyen tareas de razonamiento, conocimientos de 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.

Prueba práctica de GPT-4o y GPT-4o Mini#

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

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

Al principio, ambos modelos responden incorrectamente y afirman que 9.11 es mayor. Sin embargo, GPT-4o consigue razonar hasta llegar a la respuesta correcta y señala que 9.9 es mayor. Ofrece una explicación detallada y compara los decimales con precisión. En cambio, GPT-4o Mini se aferra a su respuesta inicial equivocada, aunque llega a razonar correctamente por qué 9.9 es mayor.

Ambos modelos muestran una gran capacidad 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 razonamientos claros y precisos para tareas más sencillas.

Uso de GPT-4o Mini en distintos casos de uso de visión artificial#

Si prefieres explorar las capacidades de visión de GPT-4o Mini sin meterte en el código, puedes probar fácilmente la API en OpenAI Playground. La hemos probado para ver cómo se desenvuelve GPT-4o Mini en distintos 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 tanto la mariposa como el mapa. Es una tarea bastante sencilla, ya que las imágenes son muy distintas.

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

Después probamos otras dos imágenes con el modelo: una mostraba una mariposa posada en 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 ir un paso más allá.

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

Después 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. Cabe destacar que el modelo pudo asignar una etiqueta tan específica sin necesidad de más ajuste fino. Estos ejemplos rápidos muestran que GPT-4o Mini podría utilizarse para tareas de clasificación de imágenes sin necesidad de entrenamiento personalizado.

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

Comprensión de posturas con GPT-4o Mini#

En el momento de redactar este texto, GPT-4o Mini no puede realizar tareas de visión artificial como la detección de objetos y la segmentación de instancias. GPT-4o puede intentar realizar estas tareas, pero su precisión es limitada. Del mismo modo, para interpretar poses, el modelo no puede detectar puntos clave ni estimar la pose en una imagen, aunque sí puede clasificarla y describirla.

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

La imagen anterior muestra cómo GPT-4o Mini puede clasificar e interpretar poses, aunque no pueda detectar ni estimar las coordenadas precisas de la pose. Esto puede resultar útil en distintas aplicaciones. Por ejemplo, en el análisis deportivo, puede evaluar de forma general los movimientos de los deportistas y ayudar a prevenir lesiones. Del mismo modo, en fisioterapia puede ayudar a supervisar los ejercicios para garantizar que los pacientes realicen los movimientos correctos durante la rehabilitación. En vigilancia, puede ayudar a identificar actividades sospechosas mediante el análisis general del lenguaje corporal. Aunque GPT-4o Mini no puede detectar puntos clave específicos, su capacidad para clasificar poses generales lo hace útil en estos y otros ámbitos. Los modelos más recientes de OpenAI, como GPT-6 Luna y GPT-6.1 Sol, pueden dibujar cuadros delimitadores, y la clasificación de modelos VLM de Ultralytics compara la precisión con la que detectan objetos en conjuntos de datos del mundo real.

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

Hemos visto qué puede hacer GPT-4o Mini. Ahora hablemos de las aplicaciones para las que resulta más adecuado.

GPT-4o Mini es adecuado para aplicaciones que requieren una comprensión avanzada del lenguaje natural y necesitan pocos recursos computacionales. Permite integrar la IA en aplicaciones en las que normalmente resultaría demasiado cara. De hecho, un análisis detallado de Artificial Analysis muestra que GPT-4o Mini ofrece respuestas de alta calidad a una velocidad de generación mayor que la mayoría de los demás modelos.

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

Estos son algunos ámbitos clave en los que podría resultar útil:

• Asistentes virtuales y chatbots: GPT-4o Mini puede ofrecer respuestas rápidas e inteligentes para mejorar las interacciones con los usuarios.
• Herramientas educativas: el modelo puede utilizarse 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 aumentar la eficiencia.
• Traducción de idiomas: GPT-4o Mini puede utilizarse para desarrollar traductores que ofrezcan traducción automática precisa en tiempo real y faciliten 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 elemento 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 refleja una tendencia clara hacia una IA avanzada más asequible. A medida que los modelos de IA sigan mejorando, será cada vez más viable desde el punto de vista económico integrar la IA en todas las aplicaciones y sitios web.

¿Quieres probar la IA? Visita nuestro repositorio de GitHub para descubrir 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.