Глубокий анализ возможностей GPT-4o Mini от OpenAI

В мае 2024 года OpenAI выпустила GPT-4o, а теперь, всего через три месяца, они вернулись с еще одной впечатляющей моделью: GPT-4o Mini. 18 июля 2024 года OpenAI представила GPT-4o Mini. Они называют ее своей «самой экономичной моделью»! GPT-4o Mini — это компактная модель, которая развивает возможности предыдущих версий и делает передовой ИИ более доступным.

GPT-4o Mini в настоящее время поддерживает взаимодействие с текстом и изображениями, а будущие обновления добавят возможности работы с видео и аудио. В этой статье мы разберем, что такое GPT-4o Mini, какие у нее ключевые особенности, как ее использовать, в чем отличия от GPT-4 и GPT-4o, и как применять ее в различных задачах компьютерного зрения. Давай погрузимся и посмотрим, что предлагает GPT-4o Mini!

Link to this sectionЧто такое GPT-4o Mini?#

GPT-4o Mini — это последнее пополнение в линейке моделей ИИ от OpenAI, разработанное для большей экономичности и доступности. Это мультимодальная большая языковая модель (LLM), способная обрабатывать и генерировать различные типы данных, такие как текст, изображения, видео и аудио. Модель опирается на сильные стороны своих предшественников, таких как GPT-4 и GPT-4o, предлагая мощные возможности в компактном исполнении.

GPT-4o Mini на 60% дешевле, чем GPT-3.5 Turbo: стоимость составляет 15 центов за миллион входных токенов (единиц текста или данных, которые обрабатывает модель) и 60 центов за миллион выходных токенов (единиц, которые модель генерирует в ответ). Для сравнения: один миллион токенов — это примерно 2500 страниц текста. Благодаря контекстному окну в 128 тысяч токенов и возможности обрабатывать до 16 тысяч выходных токенов на запрос, GPT-4o Mini является эффективным и доступным инструментом.

Рис. 1. GPT-4o Mini на 60% дешевле, чем GPT-3.5 Turbo.

Link to this sectionКлючевые особенности GPT-4o Mini#

GPT-4o Mini поддерживает ряд задач, что делает ее отличным вариантом для различных приложений. Ее можно использовать при выполнении нескольких операций одновременно, например, при вызове множества API, обработке больших объемов данных (таких как полные кодовые базы или истории переписок) и для обеспечения быстрых ответов в режиме реального времени в чат-ботах службы поддержки.

Вот еще несколько ключевых особенностей:

• Обновленная база знаний: модель содержит информацию по октябрь 2023 года.
• Улучшенный токенизатор: GPT-4o Mini делает обработку неанглоязычного текста более экономичной.
• Надежные меры безопасности: эти меры включают фильтрацию вредоносного контента и защиту от угроз безопасности, таких как промпт-инъекции и манипуляции системой.

Link to this sectionНачало работы с GPT-4o Mini#

Ты можешь попробовать GPT-4o Mini через интерфейс ChatGPT. Она доступна пользователям Free, Plus и Team, заменяя GPT-3.5, как показано ниже. Пользователи Enterprise также скоро получат доступ в соответствии со стремлением OpenAI предоставить преимущества ИИ всем. GPT-4o Mini также доступна через API для разработчиков, желающих интегрировать ее возможности в свои приложения. На данный момент визуальные возможности доступны только через API.

Рис 2. Опции моделей в ChatGPT.

Link to this sectionРазница между GPT-4o и GPT-4o Mini#

И GPT-4o Mini, и GPT-4o показывают впечатляющие результаты в различных тестах. Хотя GPT-4o в целом превосходит GPT-4o Mini, последняя остается экономически эффективным решением для повседневных задач. Тесты включают задачи на логику, математические и программные навыки, а также мультимодальные рассуждения. Как показано на изображении ниже, GPT-4o Mini показывает весьма высокие результаты по сравнению с другими популярными моделями.

Рис 3. Сравнение GPT-4o Mini с другими популярными моделями.

Link to this sectionПрактическое знакомство с GPT-4o и GPT-4o Mini#

Интересный вопрос, который обсуждается в сети, связан с тем, что популярные LLM некорректно сравнивают десятичные числа. Когда мы протестировали GPT-4o и GPT-4o Mini, их логические способности продемонстрировали явные различия. На изображении ниже мы спросили обе модели, что больше: 9.11 или 9.9, а затем попросили их объяснить логику рассуждений.

Рис 4. Тестирование GPT-4o и GPT-4o Mini.

Обе модели изначально отвечают неверно, утверждая, что 9.11 больше. Однако GPT-4o способна рассуждать и прийти к правильному ответу, указав, что 9.9 больше. Она дает подробное объяснение и точно сравнивает десятичные дроби. Напротив, GPT-4o Mini упорно настаивает на своем первоначальном ошибочном ответе, несмотря на правильное определение того, почему 9.9 больше.

Обе модели демонстрируют сильные логические навыки. Способность GPT-4o исправлять свои ошибки делает ее превосходной и полезной для более сложных задач. GPT-4o Mini, хотя и менее адаптивна, все же предлагает четкие и точные рассуждения для более простых задач.

Link to this sectionИспользование GPT-4o Mini в различных задачах компьютерного зрения#

Если ты хочешь изучить визуальные возможности GPT-4o Mini, не погружаясь в код, ты можешь легко протестировать API на OpenAI Playground. Мы сами попробовали это, чтобы увидеть, насколько хорошо GPT-4o Mini справляется с различными задачами компьютерного зрения.

Link to this sectionКлассификация изображений с помощью GPT-4o Mini#

Мы попросили GPT-4o Mini классифицировать два изображения: одно с бабочкой, другое с картой. Модель ИИ успешно идентифицировала и бабочку, и карту. Это довольно простая задача, учитывая, что изображения сильно различаются.

Рис 5. Классификация изображений с помощью GPT-4o Mini.

Мы пошли дальше и пропустили через модель еще два изображения: одно с бабочкой на растении, другое — с бабочкой на земле. ИИ снова справился отлично, правильно распознав бабочку на растении и бабочку на земле. Поэтому мы решили усложнить задачу.

Рис 6. Классификация похожих изображений с помощью GPT-4o Mini.

Затем мы попросили GPT-4o Mini классифицировать два изображения: на одном бабочка питалась цветами ваточника, на другом — цветком циннии. Удивительно, что модель смогла определить столь специфическую метку без дополнительного дообучения. Эти быстрые примеры показывают, что GPT-4o Mini потенциально можно использовать для задач классификации изображений без необходимости специализированного обучения.

Рис 7. Классификация детализированных изображений с помощью GPT-4o Mini.

Link to this sectionПонимание поз с помощью GPT-4o Mini#

На текущий момент задачи компьютерного зрения, такие как обнаружение объектов и сегментация экземпляров, не могут быть решены с помощью GPT-4o Mini. GPT-4o с трудом справляется с точностью, но может использоваться для таких задач. В этом ключе, что касается понимания поз, мы не можем обнаруживать или оценивать координаты позы на изображении, но мы можем классифицировать и понимать саму позу.

Рис 8. Использование GPT-4o Mini для понимания поз на изображении.

На изображении выше показано, как GPT-4o Mini может классифицировать и понимать позы, несмотря на невозможность точного определения координат. Это может быть полезно в различных приложениях. Например, в спортивной аналитике она может оценивать движения спортсменов в общих чертах и помогать предотвращать травмы. Аналогично, в физиотерапии модель может помогать отслеживать упражнения, чтобы убедиться, что пациенты правильно выполняют движения во время реабилитации. Также в системах наблюдения она может помочь выявлять подозрительную активность, анализируя общие позы тела. Хотя GPT-4o Mini не может определять конкретные ключевые точки, ее способность классифицировать общие позы делает ее полезной в этих и других областях.

Link to this sectionПриложения, подходящие для GPT-4o Mini#

Мы рассмотрели возможности GPT-4o Mini. Теперь давай обсудим области применения, где использование GPT-4o Mini наиболее оптимально.

GPT-4o Mini отлично подходит для приложений, требующих глубокого понимания естественного языка и небольших вычислительных затрат. Это позволяет интегрировать ИИ в приложения, где это обычно было бы слишком дорого. Фактически, подробный анализ Artificial Analysis показывает, что GPT-4o Mini обеспечивает высококачественные ответы с молниеносной скоростью по сравнению с большинством других моделей.

Рис 9. Качество по сравнению со скоростью ответа GPT-4o Mini.

Вот несколько ключевых областей, где она может быть эффективна в будущем:

• Виртуальные помощники и чат-боты: GPT-4o Mini может предоставлять быстрые и интеллектуальные ответы для улучшения взаимодействия с пользователем.
• Образовательные инструменты: модель можно использовать для создания инструментов, предлагающих персонализированное обучение и генерацию контента.
• Инструменты продуктивности: она может улучшать выполнение задач, таких как суммаризация документов, написание писем и перевод языков, для повышения эффективности.
• Языковой перевод: последнюю версию GPT можно использовать для разработки переводчиков, обеспечивающих точный и оперативный перевод для лучшей коммуникации на разных языках.

Link to this sectionGPT-4o Mini открывает новые двери#

GPT-4o Mini создает новые возможности для будущего мультимодального ИИ. Расходы на обработку каждого фрагмента текста или данных, известные как стоимость за токен, существенно снизились — почти на 99% — с 2022 года, когда была выпущена text-davinci-003, модель GPT-3. Это снижение затрат указывает на явный тренд в сторону доступности передового ИИ. Поскольку модели ИИ продолжают совершенствоваться, становится все более вероятным, что интеграция ИИ в каждое приложение и на каждый сайт станет экономически оправданной!

Хочешь попрактиковаться с ИИ? Загляни в наш репозиторий GitHub, чтобы ознакомиться с нашими инновациями и стать частью нашего активного сообщества. Узнай больше о применении ИИ в производстве и сельском хозяйстве на наших страницах решений.