Phân tích chuyên sâu về các khả năng của GPT-4o Mini của OpenAI

Vào tháng 5 năm 2024, OpenAI phát hành GPT-4o, và chỉ hai tháng sau, hãng tiếp tục ra mắt một model khác: GPT-4o Mini. Ngày 18 tháng 7 năm 2024, OpenAI giới thiệu GPT-4o Mini, gọi đây là “model nhỏ có chi phí tối ưu nhất”. GPT-4o Mini là một model gọn nhẹ, kế thừa năng lực của các model trước đó và hướng đến việc giúp AI tiên tiến dễ tiếp cận, phù hợp túi tiền hơn.

GPT-4o Mini hiện hỗ trợ tương tác bằng văn bản và hình ảnh; các bản cập nhật trong tương lai dự kiến sẽ bổ sung khả năng xử lý hình ảnh, video và âm thanh. Trong bài viết này, chúng ta sẽ tìm hiểu GPT-4o Mini là gì, các tính năng nổi bật, cách sử dụng, điểm khác biệt giữa GPT-4o và GPT-4o Mini, cũng như cách ứng dụng model này trong nhiều trường hợp sử dụng thị giác máy tính.

GPT-4o Mini là gì?#

GPT-4o Mini là model AI mới nhất trong danh mục sản phẩm của OpenAI, được thiết kế để tiết kiệm chi phí và dễ tiếp cận hơn. Đây là một mô hình ngôn ngữ lớn (LLM) đa phương thức, nghĩa là model có thể xử lý nhiều loại dữ liệu như văn bản và hình ảnh. Model kế thừa thế mạnh của các model trước đó như GPT-4 và GPT-4o để cung cấp năng lực mạnh mẽ trong một gói gọn nhẹ.

GPT-4o Mini rẻ hơn GPT-3.5 Turbo 60%, với chi phí 15 cent cho mỗi triệu token đầu vào (đơn vị văn bản hoặc dữ liệu mà model xử lý) và 60 cent cho mỗi triệu token đầu ra (đơn vị mà model tạo ra để phản hồi). Để dễ hình dung, một triệu token tương đương khoảng 2.500 trang văn bản. Với cửa sổ ngữ cảnh 128K token và khả năng xử lý tối đa 16K token đầu ra cho mỗi yêu cầu, GPT-4o Mini được thiết kế để vừa hiệu quả vừa tiết kiệm chi phí.

Hình 1. GPT-4o Mini rẻ hơn GPT-3.5 Turbo 60%.

Các tính năng chính của GPT-4o Mini#

GPT-4o Mini hỗ trợ nhiều tác vụ, khiến model này trở thành lựa chọn phù hợp cho nhiều ứng dụng. Có thể sử dụng model này khi chạy nhiều hoạt động cùng lúc, chẳng hạn như gọi nhiều API, xử lý lượng dữ liệu lớn như toàn bộ codebase hoặc lịch sử hội thoại, và cung cấp phản hồi nhanh theo thời gian thực trong chatbot hỗ trợ khách hàng.

Dưới đây là một số tính năng chính khác:

• Cơ sở kiến thức được cập nhật: Model có mốc giới hạn kiến thức vào tháng 10 năm 2023.
• Tokenizer được cải thiện: GPT-4o Mini giúp giảm chi phí xử lý văn bản không phải tiếng Anh.
• Biện pháp an toàn mạnh mẽ: Các biện pháp này bao gồm lọc nội dung có hại và bảo vệ trước các vấn đề bảo mật như prompt injection và thao túng hệ thống.

Bắt đầu sử dụng GPT-4o Mini#

Bạn có thể dùng thử GPT-4o Mini thông qua giao diện ChatGPT. Người dùng gói Free, Plus và Team có thể truy cập; GPT-4o Mini thay thế GPT-3.5 như minh họa bên dưới. Người dùng Enterprise cũng sẽ sớm được truy cập, phù hợp với mục tiêu của OpenAI là mang lại lợi ích từ AI cho tất cả mọi người. GPT-4o Mini cũng được cung cấp qua API cho developer muốn tích hợp các khả năng của model vào ứng dụng. Hiện tại, chỉ có thể truy cập các khả năng thị giác thông qua API.

Hình 2. Các tùy chọn model trong ChatGPT.

Điểm khác biệt giữa GPT-4o và GPT-4o Mini#

GPT-4o Mini và GPT-4o đều đạt hiệu quả ấn tượng trên nhiều benchmark. GPT-4o thường vượt trội hơn GPT-4o Mini, nhưng GPT-4o Mini vẫn là giải pháp tiết kiệm chi phí cho các tác vụ thường ngày. Các benchmark bao gồm tác vụ suy luận, năng lực toán học và lập trình, cũng như suy luận đa phương thức. Như minh họa trong hình bên dưới, GPT-4o Mini đạt điểm khá cao khi so sánh với các model phổ biến khác.

Hình 3. So sánh GPT-4o Mini với các model phổ biến khác.

Trải nghiệm thực tế GPT-4o và GPT-4o Mini#

Một prompt thú vị từng được tranh luận trên mạng liên quan đến việc các LLM phổ biến so sánh sai số thập phân. Khi thử nghiệm GPT-4o và GPT-4o Mini, chúng tôi nhận thấy sự khác biệt rõ rệt trong năng lực suy luận của hai model. Trong hình bên dưới, chúng tôi hỏi cả hai model số nào lớn hơn: 9.11 hay 9.9, rồi yêu cầu giải thích lập luận.

Hình 4. Thử nghiệm GPT-4o và GPT-4o Mini.

Ban đầu, cả hai model đều trả lời sai và cho rằng 9.11 lớn hơn. Tuy nhiên, GPT-4o có thể tự suy luận để tìm ra đáp án đúng và khẳng định 9.9 lớn hơn. Model đưa ra lời giải thích chi tiết và so sánh chính xác các số thập phân. Trái lại, GPT-4o Mini vẫn khăng khăng giữ đáp án sai ban đầu, dù đã suy luận đúng lý do 9.9 lớn hơn.

Cả hai model đều thể hiện năng lực suy luận tốt. Khả năng tự sửa lỗi giúp GPT-4o vượt trội và hữu ích hơn cho các tác vụ phức tạp. GPT-4o Mini kém linh hoạt hơn, nhưng vẫn đưa ra lập luận rõ ràng và chính xác cho các tác vụ đơn giản hơn.

Sử dụng GPT-4o Mini cho nhiều trường hợp sử dụng thị giác máy tính#

Nếu muốn khám phá khả năng thị giác của GPT-4o Mini mà không cần đi sâu vào code, bạn có thể dễ dàng thử API trên OpenAI Playground. Chúng tôi đã tự mình thử nghiệm để xem GPT-4o Mini xử lý tốt đến đâu các trường hợp sử dụng liên quan đến thị giác máy tính.

Phân loại ảnh bằng GPT-4o Mini#

Chúng tôi yêu cầu GPT-4o Mini phân loại hai hình ảnh: một ảnh con bướm và một ảnh bản đồ. Model AI đã nhận diện chính xác con bướm và bản đồ. Đây là một tác vụ khá đơn giản vì hai hình ảnh rất khác nhau.

Hình 5. Phân loại hình ảnh với sự hỗ trợ của GPT-4o Mini.

Tiếp đó, chúng tôi đưa thêm hai hình ảnh vào model: một hình con bướm đang đậu trên cây và một hình con bướm đang đậu trên mặt đất. AI lại xử lý rất tốt, xác định chính xác con bướm trên cây và con bướm trên mặt đất. Vì vậy, chúng tôi tiếp tục nâng độ khó.

Hình 6. Phân loại các hình ảnh tương tự với sự hỗ trợ của GPT-4o Mini.

Sau đó, chúng tôi yêu cầu GPT-4o Mini phân loại hai hình ảnh: một ảnh cho thấy con bướm đang hút mật từ hoa bông bông đầm lầy, ảnh còn lại cho thấy con bướm đang hút mật từ hoa cúc Zinnia. Đáng chú ý, model có thể gán nhãn cụ thể như vậy mà không cần tinh chỉnh thêm. Những ví dụ nhanh này cho thấy GPT-4o Mini có thể được dùng cho các tác vụ phân loại ảnh mà không cần huấn luyện tùy chỉnh.

Hình 7. Phân loại hình ảnh chi tiết với sự hỗ trợ của GPT-4o Mini.

Tìm hiểu tư thế bằng GPT-4o Mini#

Tại thời điểm viết bài, GPT-4o Mini không xử lý được các tác vụ thị giác máy tính như phát hiện đối tượng và phân đoạn instance. GPT-4o có thể thử thực hiện các tác vụ này, nhưng độ chính xác còn hạn chế. Tương tự, với tác vụ hiểu tư thế, model không thể phát hiện keypoint hoặc ước tính tư thế trong ảnh, nhưng có thể phân loại và mô tả tư thế.

Hình 8. Dùng GPT-4o Mini để tìm hiểu tư thế trong ảnh.

Hình ảnh phía trên cho thấy GPT-4o Mini có thể phân loại và hiểu tư thế, dù không thể phát hiện hoặc ước tính tọa độ chính xác của tư thế. Khả năng này hữu ích trong nhiều ứng dụng. Ví dụ, trong phân tích thể thao, model có thể đánh giá khái quát chuyển động của vận động viên và giúp phòng tránh chấn thương. Tương tự, trong vật lý trị liệu, model có thể hỗ trợ theo dõi bài tập để đảm bảo bệnh nhân thực hiện đúng động tác trong quá trình phục hồi chức năng. Trong lĩnh vực giám sát, model có thể giúp xác định hoạt động đáng ngờ bằng cách phân tích ngôn ngữ cơ thể nói chung. Dù GPT-4o Mini không thể phát hiện các điểm chính cụ thể, khả năng phân loại tư thế tổng quát vẫn hữu ích trong những lĩnh vực này và các lĩnh vực khác. Các model OpenAI mới hơn như GPT-6 Luna và GPT-6.1 Sol có thể vẽ bounding box, còn Bảng xếp hạng VLM của Ultralytics so sánh độ chính xác phát hiện đối tượng của chúng trên các dataset thực tế.

Các ứng dụng phù hợp với GPT-4o Mini#

Chúng ta đã xem xét những gì GPT-4o Mini có thể làm. Bây giờ, hãy cùng tìm hiểu các ứng dụng phù hợp nhất với GPT-4o Mini.

GPT-4o Mini phù hợp với các ứng dụng đòi hỏi khả năng hiểu ngôn ngữ tự nhiên nâng cao nhưng cần tài nguyên tính toán thấp. Model này cho phép tích hợp AI vào những ứng dụng vốn có chi phí quá cao. Trên thực tế, một phân tích chi tiết của Artificial Analysis cho thấy GPT-4o Mini tạo phản hồi chất lượng cao với tốc độ đầu ra nhanh hơn hầu hết các model khác.

Hình 9. Chất lượng so với tốc độ đầu ra của GPT-4o Mini.

Sau đây là một số lĩnh vực chính có thể ứng dụng model này:

• Trợ lý ảo và chatbot: GPT-4o Mini có thể đưa ra phản hồi nhanh chóng và thông minh để cải thiện tương tác với người dùng.
• Công cụ giáo dục: Model có thể được dùng để xây dựng các công cụ cung cấp gia sư cá nhân hóa và tạo nội dung.
• Công cụ năng suất: Model có thể cải thiện các tác vụ như tóm tắt tài liệu, soạn email và dịch ngôn ngữ để nâng cao hiệu quả.
• Dịch ngôn ngữ: Có thể dùng GPT-4o Mini để phát triển các công cụ dịch cung cấp bản dịch máy chính xác theo thời gian thực, giúp giao tiếp tốt hơn giữa các ngôn ngữ khác nhau.

GPT-4o Mini mở ra những cơ hội mới#

GPT-4o Mini đang mở ra những cơ hội mới cho tương lai của AI đa phương thức. Chi phí xử lý mỗi phần văn bản hoặc dữ liệu, còn gọi là chi phí trên mỗi token, đã giảm đáng kể, gần 99%, kể từ năm 2022, khi text-davinci-003, model GPT-3, được phát hành. Mức giảm chi phí cho thấy xu hướng rõ rệt hướng tới việc giúp AI tiên tiến có giá phải chăng hơn. Khi các model AI tiếp tục được cải thiện, việc tích hợp AI vào mọi ứng dụng và website ngày càng có tính khả thi về mặt kinh tế.

Muốn trải nghiệm AI thực tế? Truy cập kho lưu trữ GitHub của chúng tôi để khám phá những đổi mới và tham gia cộng đồng năng động. Tìm hiểu thêm về các ứng dụng AI trong sản xuất và nông nghiệp trên các trang giải pháp của chúng tôi.