Uma análise detalhada 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. Eles o chamam de o seu “modelo mais econômico”! O GPT-4o Mini é um modelo compacto que aproveita os recursos de modelos anteriores e visa tornar a IA avançada mais acessível e barata.

O GPT-4o Mini atualmente oferece suporte a interações de texto e visão, com atualizações futuras esperadas para adicionar recursos de manipulação de imagens, vídeos e áudio. Neste artigo, vamos explorar o que é o GPT-4o Mini, seus principais recursos, como ele pode ser usado, as diferenças entre o GPT-4 e o GPT-4o Mini e como ele pode ser aplicado em vários casos de uso de visão computacional. Vamos nessa e ver o que o GPT-4o Mini tem a oferecer!

O que é o GPT-4o Mini?#

O GPT-4o Mini é a adição mais recente à linha de modelos de IA da OpenAI, projetado para ser mais econômico e acessível. É um grande modelo de linguagem (LLM) multimodal, o que significa que ele 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 recursos poderosos em um formato compacto.

O GPT-4o Mini é 60% mais barato que o GPT-3.5 Turbo, custando 15 centavos por milhão de tokens de entrada (unidades de texto ou dados que o modelo processa) e 60 centavos por milhão de tokens de saída (unidades que o modelo gera em resposta). Para colocar isso em perspectiva, um milhão de tokens é aproximadamente equivalente a processar 2.500 páginas de texto. Com uma janela de contexto de 128K tokens e a capacidade de lidar com até 16K tokens de saída por solicitação, o GPT-4o Mini foi projetado para ser eficiente e acessível.

Fig 1. O GPT-4o Mini é 60% mais barato que o GPT-3.5 Turbo.

Principais funcionalidades do GPT-4o Mini#

O GPT-4o Mini oferece suporte a uma variedade de tarefas que o tornam uma ótima opção para várias aplicações. Ele pode ser usado na execução de várias operações ao mesmo tempo, 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 suporte ao cliente.

Aqui estão outras funcionalidades principais:

• Base de conhecimento atualizada: O modelo contém informações até outubro de 2023.
• Tokenizer aprimorado: O GPT-4o Mini torna o processamento de texto que não está em inglês mais econômico.
• Medidas de segurança robustas: Estas medidas incluem a filtragem de conteúdo prejudicial e a proteção contra problemas de segurança como injeções de prompt e manipulações de sistema.

Introdução ao GPT-4o Mini#

Podes experimentar o uso do GPT-4o Mini através da interface do ChatGPT. Ele está acessível para utilizadores dos planos Free, Plus e Team, substituindo o GPT-3.5, conforme mostrado abaixo. Os utilizadores do Enterprise também terão acesso em breve, em alinhamento 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 suas aplicações. De momento, as capacidades de visão estão acessíveis apenas 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 sendo uma solução econômica para tarefas do dia a dia. Os benchmarks incluem tarefas de raciocínio, proficiência em matemática e codificação, e raciocínio multimodal. Como mostrado na imagem abaixo, o GPT-4o Mini pontua muito bem quando comparado a outros modelos populares.

Fig 3. A comparar o GPT-4o Mini com outros modelos populares.

Colocando a mão na massa com o GPT-4o e o GPT-4o Mini#

Um prompt interessante que tem sido debatido online envolve LLMs populares a comparar números decimais incorretamente. Quando colocamos o GPT-4o e o GPT-4o Mini à prova, as suas capacidades de raciocínio mostraram diferenças claras. Na imagem abaixo, perguntamos a ambos os modelos qual é o maior: 9.11 ou 9.9, e depois pedimos que explicassem o seu raciocínio.

Fig 4. Testando o GPT-4o e o GPT-4o Mini.

Ambos os modelos respondem inicialmente de forma incorreta 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. Ele fornece uma explicação detalhada e compara os decimais com precisão. Em contraste, o GPT-4o Mini mantém teimosamente sua resposta errada inicial, apesar de ter descoberto o raciocínio por trás do motivo de 9.9 ser maior corretamente.

Ambos os modelos mostram fortes habilidades de raciocínio. A capacidade do GPT-4o de se corrigir o torna superior e útil para tarefas mais complexas. O GPT-4o Mini, embora menos adaptável, ainda oferece um raciocínio claro e preciso para tarefas mais simples.

Usando o GPT-4o Mini para diversos casos de uso de visão computacional#

Se preferires explorar as capacidades de visão do GPT-4o Mini sem mergulhar no código, podes testar facilmente a API no OpenAI Playground. Nós testámos pessoalmente para ver quão bem o GPT-4o Mini consegue lidar com vários casos de uso relacionados com visão computacional.

Classificação de imagem usando 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 com sucesso a borboleta e o mapa. Esta é uma tarefa bastante simples, dado que as imagens são muito diferentes.

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

Continuamos e processamos mais duas imagens através do modelo: uma mostrando uma borboleta descansando em uma planta e outra mostrando uma borboleta descansando no chão. A IA fez um ótimo trabalho novamente, detectando corretamente a borboleta na planta e a que estava no chão. Então, demos mais um passo adiante.

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

Em seguida, pedimos ao GPT-4o Mini para classificar duas imagens: uma mostrando uma borboleta a alimentar-se das flores de uma Asclepias incarnata e a outra mostrando uma borboleta a alimentar-se de uma flor de Zínia. É incrível que o modelo tenha conseguido classificar um rótulo tão específico sem treino adicional (fine-tuning). Estes exemplos rápidos mostram que o GPT-4o Mini possivelmente poderia ser usado para tarefas de classificação de imagens sem a necessidade de treino personalizado.

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

Entendendo poses usando o GPT-4o Mini#

Até ao momento, tarefas de visão computacional como deteção de objetos e segmentação de instâncias não podem ser tratadas com o GPT-4o Mini. O GPT-4o tem dificuldades com a precisão, mas pode ser usado para tais tarefas. Nessa mesma linha, no que diz respeito à compreensão de poses, não conseguimos detetar ou estimar a pose na imagem, mas conseguimos classificá-la e compreendê-la.

Fig 8. Usando o GPT-4o Mini para entender as poses em uma imagem.

A imagem acima mostra como o GPT-4o Mini consegue classificar e compreender poses, apesar de não conseguir detetar ou 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 movimentos corretos são feitos pelos pacientes durante a reabilitação. Também para vigilância, pode ajudar a identificar atividades suspeitas analisando a 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 campos.

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

Demos uma olhada no que o GPT-4o Mini pode fazer. Agora, vamos discutir as aplicações onde é mais ideal usar o GPT-4o Mini.

O GPT-4o Mini é excelente para aplicações que exigem compreensão avançada de linguagem natural e necessitam de uma baixa pegada computacional. Torna possível integrar a IA em aplicações onde normalmente seria demasiado dispendiosa. De facto, uma análise detalhada feita pela Artificial Analysis mostra que o GPT-4o Mini fornece respostas de alta qualidade a velocidades impressionantes em comparação com a maioria dos outros modelos.

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

Aqui estão algumas áreas-chave onde ele poderá brilhar no futuro:

• Assistentes Virtuais e Chatbots: O GPT-4o Mini pode fornecer respostas rápidas e inteligentes para melhorar as interações dos usuários.
• Ferramentas Educativas: O modelo pode ser usado 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 para aumentar a eficiência.
• Tradução de Idiomas: A versão mais recente do GPT pode ser usada para desenvolver tradutores que forneçam tradução precisa e em tempo real para uma melhor comunicação entre diferentes idiomas.

O GPT-4o Mini abre novas portas#

O GPT-4o Mini está criando novas oportunidades para o futuro da IA multimodal. A despesa de processamento de cada peça de texto ou dado, conhecida como custo por token, diminuiu substancialmente - em quase 99% - desde 2022, quando o text-davinci-003, o modelo GPT-3, foi lançado. A diminuição no custo mostra uma tendência clara em direção a tornar a IA avançada mais acessível. À medida que os modelos de IA continuam a melhorar, torna-se cada vez mais provável que a integração da IA em cada aplicativo e site seja economicamente viável!

Queres colocar as mãos na massa com a IA? Visita o nosso repositório do GitHub para ver as nossas inovações e faz parte da nossa comunidade ativa. Descobre mais sobre aplicações de IA em fabrico e agricultura nas nossas páginas de soluções.