Uma análise aprofundada das capacidades 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. Em 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 pretende tornar a IA avançada mais acessível e económica.

Atualmente, o GPT-4o Mini suporta interações de texto e visão, estando previstas atualizações futuras para adicionar capacidades de processamento de imagens, vídeos e áudio. Neste artigo, vamos explorar o que é o GPT-4o Mini, as suas principais funcionalidades, como pode ser utilizado, as diferenças entre o GPT-4 e o GPT-4o Mini e como pode ser usado em vários casos de uso de visão computacional. Vamos analisar 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 linha de modelos de IA da OpenAI, concebido para ser mais económico e acessível. É um modelo de linguagem de grande escala (LLM) multimodal, o que significa que pode processar e gerar diferentes tipos de dados, como texto, imagens, vídeos e áudio. O modelo baseia-se nos pontos fortes de modelos anteriores, como o GPT-4 e o GPT-4o, para oferecer capacidades avançadas num formato compacto.

O GPT-4o Mini é 60% mais barato do que o GPT-3.5 Turbo, custando 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 contextualizar, um milhão de tokens equivale aproximadamente ao processamento de 2.500 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 é 60% mais barato do que o GPT-3.5 Turbo.

Principais funcionalidades do GPT-4o Mini#

O GPT-4o Mini suporta uma série de tarefas que fazem dele uma excelente opção para várias aplicações. Pode ser utilizado para executar várias operações em simultâneo, como chamar várias APIs, lidar com 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 algumas outras funcionalidades importantes:

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

Começar a utilizar o GPT-4o Mini#

Pode 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 Enterprise também terão acesso em breve, em linha 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 pretendam integrar as suas capacidades nas respetivas aplicações. De momento, as capacidades de visão só estão disponíveis através da API.

Fig. 2. Opções de modelos no ChatGPT.

A diferença entre o GPT-4o e o GPT-4o Mini#

O GPT-4o Mini e o GPT-4o apresentam um desempenho impressionante em vários benchmarks. Embora o GPT-4o geralmente supere o GPT-4o Mini, o GPT-4o Mini 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 apresenta 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 que tem sido debatido online envolve LLMs populares a comparar incorretamente números decimais. Quando testámos o GPT-4o e o GPT-4o Mini, as suas capacidades de raciocínio revelaram diferenças claras. Na imagem abaixo, perguntámos a ambos os modelos qual era o maior número: 9.11 ou 9.9, e depois pedimos-lhes que explicassem o seu 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 raciocinar até chegar à resposta correta e afirma que 9.9 é maior. Apresenta uma explicação detalhada e compara os números decimais com precisão. Em contrapartida, o GPT-4o Mini mantém teimosamente a resposta inicial errada, apesar de compreender corretamente o raciocínio que demonstra que 9.9 é maior.

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

Utilizar o GPT-4o Mini em vários casos de uso de visão computacional#

Se preferir explorar as capacidades de visão do GPT-4o Mini sem se aprofundar no código, pode testar facilmente a API no OpenAI Playground. Experimentámos a ferramenta para verificar até que ponto o GPT-4o Mini consegue lidar com vários casos de uso relacionados com a visão computacional.

Classificação de imagens com o GPT-4o Mini#

Pedimos ao GPT-4o Mini para classificar duas imagens: uma de uma borboleta e outra de um mapa. O modelo de IA identificou corretamente a borboleta e o mapa. Trata-se de uma tarefa relativamente simples, uma vez que as imagens são muito diferentes.

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

Em seguida, passámos mais duas imagens pelo modelo: uma mostrava uma borboleta pousada numa planta e a outra mostrava uma borboleta pousada no chão. A IA voltou a apresentar um excelente desempenho, identificando corretamente a borboleta na planta e a borboleta no chão. Por isso, fomos ainda mais longe.

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

Depois, pedimos ao GPT-4o Mini para classificar duas imagens: uma mostrava uma borboleta a alimentar-se das flores de uma Asclepias incarnata e a outra mostrava uma borboleta a alimentar-se de uma flor de zínia. É impressionante que o modelo tenha conseguido classificar uma etiqueta tão específica sem treino 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.

Compreender poses com o GPT-4o Mini#

Atualmente, tarefas de visão computacional como a deteção de objetos e a segmentação de instâncias não podem ser realizadas com o GPT-4o Mini. O GPT-4o tem dificuldades ao nível da precisão, mas pode ser utilizado para estas tarefas. Da mesma forma, 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 precisas da pose. Isto pode ser útil em diferentes aplicações. Por exemplo, em análise desportiva, pode avaliar de forma geral os movimentos dos atletas e ajudar a prevenir lesões. Da mesma forma, em fisioterapia, pode ajudar a monitorizar os exercícios para garantir que os pacientes realizam os movimentos corretos durante a reabilitação. Também na vigilância, pode ajudar a identificar atividades suspeitas através da análise da linguagem corporal geral. Embora o GPT-4o Mini não consiga detetar pontos-chave específicos, a sua capacidade de classificar poses gerais torna-o útil nestes e noutros setores.

Aplicações para as quais o GPT-4o Mini é adequado#

Vimos o que o GPT-4o Mini consegue fazer. Agora, vamos abordar as aplicações em que é mais adequado utilizar o GPT-4o Mini.

O GPT-4o Mini é excelente para aplicações que exigem uma compreensão avançada da linguagem natural e uma pegada computacional reduzida. Permite integrar IA em aplicações em que isso seria normalmente demasiado dispendioso. De facto, uma análise detalhada da Artificial Analysis mostra que o GPT-4o Mini fornece respostas de elevada qualidade a velocidades extremamente rápidas em comparação com a maioria dos outros modelos.

Fig. 9. Qualidade vs. 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 ofereçam tutoria personalizada e geração de conteúdos.
• Ferramentas de produtividade: Pode melhorar tarefas como resumir documentos, redigir e-mails e traduzir idiomas para aumentar a eficiência.
• Tradução automática: A versão mais recente do GPT pode ser utilizada para desenvolver tradutores que forneçam traduções linguísticas precisas e em tempo real, melhorando a comunicação entre diferentes idiomas.

O GPT-4o Mini abre novas portas#

O GPT-4o Mini está a criar novas oportunidades para o futuro da IA multimodal. O custo de processamento de cada unidade de texto ou dados, conhecido como custo por token, diminuiu substancialmente — quase 99% — desde 2022, quando foi lançado o text-davinci-003, o modelo GPT-3. A redução dos custos demonstra uma tendência clara para tornar a IA avançada mais económica. À medida que os modelos de IA continuam a melhorar, torna-se cada vez mais provável que a integração de IA em todas as aplicações e sites seja economicamente viável!

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