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

Em maio de 2024, a OpenAI lançou o GPT-4o e, apenas dois meses depois, apresentou outro modelo: GPT-4o Mini. Em 18 de julho de 2024, a OpenAI apresentou o GPT-4o Mini, chamando-o de seu “modelo pequeno mais econômico”. O GPT-4o Mini é um modelo compacto que se baseia nos recursos dos modelos anteriores e busca tornar a IA avançada mais acessível e econômica.

Atualmente, o GPT-4o Mini suporta interações por texto e visão, prevendo-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 principais funcionalidades, como pode ser utilizado, as diferenças entre o GPT-4o e o GPT-4o Mini e a sua utilização em vários casos de uso de visão computacional.

O que é o GPT-4o Mini?#

O GPT-4o Mini é o mais recente modelo de IA da OpenAI, projetado para ser mais econômico e acessível. É um modelo de linguagem grande (LLM) multimodal, o que significa que consegue processar mais de um tipo de dado, como texto e imagens. O modelo se baseia nos pontos fortes de modelos anteriores, como GPT-4 e GPT-4o, para oferecer recursos avançados em um 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 ótima opção para diversas aplicações. Pode ser utilizado para executar várias operações em simultâneo, como chamar várias APIs, lidar com grandes volumes 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 tem como data-limite de conhecimento 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 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 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. É uma tarefa bastante 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.

Depois, pedimos ao GPT-4o Mini que classificasse 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 notável 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#

No momento da redação, o GPT-4o Mini não consegue realizar tarefas de visão computacional como deteção de objetos e segmentação de instâncias. O GPT-4o pode tentar realizar estas tarefas, mas a sua precisão é limitada. Da mesma forma, quando se trata de compreender poses, o modelo não consegue detetar pontos-chave nem estimar a pose numa imagem, mas consegue classificar e descrever a pose.

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, na 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 corretos durante a reabilitação. 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 gerais torna-o útil nestas e noutras áreas. Modelos mais recentes da OpenAI, como o GPT-6 Luna e o GPT-6.1 Sol, conseguem desenhar caixas delimitadoras, e o Ultralytics VLM Leaderboard compara a precisão com que detetam objetos em conjuntos de dados do mundo real.

Aplicações adequadas ao GPT-4o Mini#

Analisámos o que o GPT-4o Mini consegue fazer. Agora, vamos falar das aplicações para as quais o GPT-4o Mini é mais adequado.

O GPT-4o Mini é adequado para aplicações que exigem uma compreensão avançada da linguagem natural e necessitam de poucos recursos computacionais. Permite integrar IA em aplicações nas quais isso seria normalmente demasiado dispendioso. De facto, uma análise detalhada da Artificial Analysis mostra que o GPT-4o Mini fornece respostas de alta qualidade a velocidades de geração superiores às da maioria dos outros modelos.

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

Eis algumas áreas importantes em que pode ser útil:

• 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: O GPT-4o Mini pode ser utilizado para desenvolver tradutores que fornecem traduções automáticas precisas em tempo real, facilitando a comunicação entre diferentes idiomas.

O GPT-4o Mini abre novas possibilidades#

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 dado, conhecido como custo por token, diminuiu substancialmente, quase 99%, desde 2022, ano em que foi lançado o text-davinci-003, o modelo GPT-3. A diminuição do custo mostra uma tendência clara para 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 todas as aplicações e sites seja 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.