Uma análise aprofundada dos recursos do GPT-4o Mini da OpenAI

Em maio de 2024, a OpenAI lançou o GPT-4o e, agora, apenas três meses depois, está de volta com outro modelo impressionante: o GPT-4o Mini. A 18 de julho de 2024, a OpenAI apresentou o GPT-4o Mini. A empresa chama-lhe o seu “modelo mais económico”! O GPT-4o Mini é um modelo compacto que se baseia nas capacidades dos modelos anteriores e procura tornar a IA avançada mais acessível e económica.

Atualmente, o GPT-4o Mini suporta interações por texto e visão, e prevê-se que futuras atualizações acrescentem capacidades para processar imagens, vídeos e áudio. Neste artigo, vamos explorar o que é o GPT-4o Mini, as suas funcionalidades de destaque, as formas de o utilizar, as diferenças entre o GPT-4 e o GPT-4o Mini e a sua utilização em vários casos de visão computacional. Vamos descobrir o que o GPT-4o Mini tem para oferecer!

O que é o GPT-4o Mini?#

O GPT-4o Mini é a mais recente adição à gama de modelos de IA da OpenAI e foi concebido para ser mais económico e acessível. É um modelo de linguagem de grande porte (LLM) multimodal, o que significa que pode processar e gerar diferentes tipos de dados, como texto, imagens, vídeos e áudio. O modelo tira partido dos pontos fortes de modelos anteriores, como o GPT-4 e o GPT-4o, para oferecer capacidades poderosas num formato compacto.

O GPT-4o Mini custa 60% menos do que o GPT-3.5 Turbo: 15 cêntimos por milhão de tokens de entrada (unidades de texto ou dados processadas pelo modelo) e 60 cêntimos por milhão de tokens de saída (unidades geradas pelo modelo em resposta). Para teres uma ideia, um milhão de tokens equivale, aproximadamente, ao processamento de 2500 páginas de texto. Com uma janela de contexto de 128 mil tokens e a capacidade de processar até 16 mil tokens de saída por pedido, o GPT-4o Mini foi concebido para ser eficiente e económico.

Fig. 1. O GPT-4o Mini custa 60% menos do que o GPT-3.5 Turbo.

Principais funcionalidades do GPT-4o Mini#

O GPT-4o Mini suporta várias tarefas que o tornam uma excelente opção para diversas aplicações. Pode ser utilizado para executar várias operações em simultâneo, como chamar várias APIs, processar grandes quantidades de dados, como bases de código completas ou históricos de conversas, e fornecer respostas rápidas em tempo real em chatbots de apoio ao cliente.

Eis outras funcionalidades importantes:

• Base de conhecimentos atualizada: O modelo contém informações até outubro de 2023.
• Tokenizador melhorado: O GPT-4o Mini torna mais económico o processamento de texto em idiomas que não o inglês.
• Medidas de segurança robustas: Estas medidas incluem a filtragem de conteúdos prejudiciais e a proteção contra problemas de segurança, como injeções de prompts e manipulações do sistema.

Como começar a utilizar o GPT-4o Mini#

Podes experimentar o GPT-4o Mini através da interface do ChatGPT. Está disponível para utilizadores dos planos Free, Plus e Team, substituindo o GPT-3.5, como mostrado abaixo. Os utilizadores do plano Enterprise também terão acesso em breve, de acordo com o objetivo da OpenAI de disponibilizar os benefícios da IA a todos. O GPT-4o Mini também está disponível através da API para programadores que queiram integrar as suas capacidades nas respetivas aplicações. Neste momento, as capacidades de visão só estão disponíveis através da API.

Fig. 2. Opções de modelos no ChatGPT.

Diferenças entre o GPT-4o e o GPT-4o Mini#

Tanto o GPT-4o como o GPT-4o Mini têm um desempenho impressionante em vários benchmarks. Embora o GPT-4o supere geralmente o GPT-4o Mini, este continua a ser uma solução económica para tarefas do dia a dia. Os benchmarks incluem tarefas de raciocínio, competências matemáticas e de programação e raciocínio multimodal. Como mostra a imagem abaixo, o GPT-4o Mini obtém resultados bastante elevados em comparação com outros modelos populares.

Fig. 3. Comparação do GPT-4o Mini com outros modelos populares.

Experimentação prática com o GPT-4o e o GPT-4o Mini#

Um prompt interessante, debatido na Internet, envolve modelos de LLM populares a comparar incorretamente números decimais. Quando testámos o GPT-4o e o GPT-4o Mini, as diferenças nas capacidades de raciocínio ficaram evidentes. Na imagem abaixo, perguntámos a ambos os modelos qual era o maior: 9.11 ou 9.9, e pedimos-lhes que explicassem o raciocínio.

Fig. 4. Teste do GPT-4o e do GPT-4o Mini.

Inicialmente, ambos os modelos respondem incorretamente e afirmam que 9.11 é maior. No entanto, o GPT-4o consegue rever o seu raciocínio, chega à resposta correta e afirma que 9.9 é maior. Apresenta uma explicação detalhada e compara corretamente os números decimais. Em contrapartida, o GPT-4o Mini mantém-se teimosamente na resposta inicial errada, apesar de compreender corretamente o raciocínio por detrás do facto de 9.9 ser maior.

Ambos os modelos demonstram fortes capacidades de raciocínio. A capacidade de o GPT-4o se corrigir torna-o superior e útil para tarefas mais complexas. O GPT-4o Mini, embora menos adaptável, continua a oferecer raciocínios claros e precisos para tarefas mais simples.

Utilização do GPT-4o Mini em vários casos de visão computacional#

Se preferires explorar as capacidades de visão do GPT-4o Mini sem analisar o código, podes testar facilmente a API no OpenAI Playground. Também a experimentámos para avaliar a capacidade do GPT-4o Mini de lidar com vários casos de utilização relacionados com visão computacional.

Classificação de imagens com o GPT-4o Mini#

Pedimos ao GPT-4o Mini que classificasse duas imagens: uma de uma borboleta e outra de um mapa. O modelo de IA identificou corretamente a borboleta e o mapa. Esta é uma tarefa relativamente simples, dado que as imagens são muito diferentes.

Fig. 5. Classificação de imagens com a ajuda do GPT-4o Mini.

Depois, submetemos mais duas imagens ao modelo: uma mostrava uma borboleta pousada numa planta e a outra uma borboleta pousada no chão. A IA voltou a fazer um ótimo trabalho, identificando corretamente a borboleta na planta e a que estava no chão. Por isso, decidimos ir ainda mais longe.

Fig. 6. Classificação de imagens semelhantes com a ajuda do GPT-4o Mini.

Em seguida, pedimos ao GPT-4o Mini que classificasse duas imagens: uma mostrava uma borboleta a alimentar-se das flores de uma serralha-dos-pântanos e a outra uma borboleta a alimentar-se de uma flor de zínia. É impressionante que o modelo tenha conseguido atribuir uma etiqueta tão específica sem qualquer ajuste fino adicional. Estes exemplos rápidos mostram que o GPT-4o Mini poderá ser utilizado em tarefas de classificação de imagens sem necessidade de treino personalizado.

Fig. 7. Classificação de imagens detalhadas com a ajuda do GPT-4o Mini.

Compreensão de poses com o GPT-4o Mini#

Atualmente, não é possível realizar tarefas de visão computacional como a deteção de objetos e a segmentação de instâncias com o GPT-4o Mini. O GPT-4o tem dificuldades em alcançar precisão, mas pode ser utilizado para estas tarefas. No que diz respeito à compreensão de poses, não conseguimos detetar nem estimar a pose na imagem, mas podemos classificá-la e compreendê-la.

Fig. 8. Utilização do GPT-4o Mini para compreender as poses numa imagem.

A imagem acima mostra como o GPT-4o Mini consegue classificar e compreender poses, apesar de não conseguir detetar nem estimar as coordenadas exatas da pose. Isto pode ser útil em várias aplicações. Por exemplo, em análise desportiva, pode avaliar de forma geral os movimentos dos atletas e ajudar a prevenir lesões. Da mesma forma, na fisioterapia, pode ajudar a monitorizar os exercícios para garantir que os pacientes executam os movimentos corretamente durante a reabilitação. Também na vigilância, pode ajudar a identificar atividades suspeitas através da análise da linguagem corporal em geral. Embora o GPT-4o Mini não consiga detetar pontos-chave específicos, a sua capacidade de classificar poses de forma geral torna-o útil nestas e noutras áreas.

Aplicações adequadas ao GPT-4o Mini#

Já vimos o que o GPT-4o Mini consegue fazer. Agora, vamos falar das aplicações em que é mais indicado.

O GPT-4o Mini é ideal para aplicações que exigem compreensão avançada da linguagem natural e poucos recursos computacionais. Permite integrar IA em aplicações onde essa integração seria normalmente demasiado dispendiosa. De facto, uma análise detalhada da Artificial Analysis mostra que o GPT-4o Mini oferece respostas de alta qualidade a velocidades muito elevadas, em comparação com a maioria dos outros modelos.

Fig. 9. Qualidade versus velocidade de saída do GPT-4o Mini.

Eis algumas áreas-chave em que poderá destacar-se no futuro:

• Assistentes virtuais e chatbots: O GPT-4o Mini pode fornecer respostas rápidas e inteligentes para melhorar as interações com os utilizadores.
• Ferramentas educativas: O modelo pode ser utilizado para criar ferramentas que oferecem tutoria personalizada e geração de conteúdos.
• Ferramentas de produtividade: Pode melhorar tarefas como resumir documentos, redigir e-mails e traduzir idiomas, aumentando a eficiência.
• Tradução de idiomas: A versão mais recente do GPT pode ser utilizada para desenvolver tradutores que forneçam traduções precisas e em tempo real, facilitando a comunicação entre pessoas que falam idiomas diferentes.

O GPT-4o Mini abre novas possibilidades#

O GPT-4o Mini está a criar novas oportunidades para o futuro da IA multimodal. Desde 2022, ano em que foi lançado o text-davinci-003, o modelo GPT-3, o custo de processar cada unidade de texto ou dados, conhecido como custo por token, diminuiu substancialmente — quase 99%. Esta redução de custos revela uma tendência clara para tornar a IA avançada mais acessível. À medida que os modelos de IA continuam a melhorar, é cada vez mais provável que a integração da IA em todas as aplicações e todos os sites se torne economicamente viável!

Queres experimentar a IA? Visita o nosso repositório no GitHub para conhecer as nossas inovações e fazer parte da nossa ativa comunidade. Descobre mais sobre as aplicações de IA na indústria transformadora e na agricultura nas nossas páginas de soluções.