深入了解 OpenAI GPT-4o Mini 的能力

2024 年 5 月，OpenAI 发布了 GPT-4o，而现在，仅仅三个月后，他们又带来了另一个令人印象深刻的模型：GPT-4o Mini。2024 年 7 月 18 日，OpenAI 推出了 GPT-4o Mini。他们称其为“性价比最高的模型”！GPT-4o Mini 是一个紧凑型模型，在以往模型能力的基础上进行了构建，旨在让先进 AI 更易于使用且更加经济实惠。

GPT-4o Mini 目前支持 文本和视觉交互，未来更新预计将增加处理图像、视频和音频的能力。在本文中，我们将探讨 GPT-4o Mini 是什么、它的突出特性、使用方式、GPT-4 与 GPT-4o Mini 之间的差异，以及它如何用于各种计算机视觉应用场景。让我们深入了解 GPT-4o Mini 的能力吧！

什么是 GPT-4o Mini？#

GPT-4o Mini 是 OpenAI AI 模型系列的最新成员，旨在实现更高的性价比和更广泛的可访问性。它是一种多模态 大型语言模型 (LLM)，这意味着它可以处理和生成不同类型的数据，例如文本、图像、视频和音频。该模型继承了 GPT-4 和 GPT-4o 等以往模型的优势，以紧凑的形式提供强大的能力。

GPT-4o Mini 比 GPT-3.5 Turbo 便宜 60%，输入 token（模型处理的文本或数据单位）每百万个收费 15 美分，输出 token（模型生成的响应单位）每百万个收费 60 美分。作为参考，一百万个 token 大致相当于处理 2,500 页文本。GPT-4o Mini 拥有 128K token 的上下文窗口，并且每次请求最多可处理 16K 个输出 token，旨在兼顾高效性与经济性。

图 1。GPT-4o Mini 比 GPT-3.5 Turbo 便宜 60%。

GPT-4o Mini 的主要特性#

GPT-4o Mini 支持一系列任务，是各种应用的理想选择。在同时运行多项操作时，例如调用多个 API、处理完整代码库或对话历史等大量数据，以及在 客户支持聊天机器人 中提供快速的实时响应，都可以使用它。

以下是其他一些主要特性：

• 更新后的知识库： 模型包含截至 2023 年 10 月的信息。
• 改进的分词器： GPT-4o Mini 处理非英语文本时的成本效益更高。
• 稳健的安全措施： 这些措施包括过滤有害内容，以及防范提示注入和系统操纵等安全问题。

开始使用 GPT-4o Mini#

你可以通过 ChatGPT 界面试用 GPT-4o Mini。免费版、Plus 和 Team 用户均可使用，它将取代 GPT-3.5，如下所示。Enterprise 用户也将在不久后获得访问权限，这与 OpenAI 让所有人受益于 AI 的目标一致。GPT-4o Mini 还可通过 API 提供给希望将其能力集成到应用中的开发者使用。目前，视觉能力只能通过 API 使用。

图 2。 ChatGPT 中的模型选项。

GPT-4o 与 GPT-4o Mini 的区别#

GPT-4o Mini 和 GPT-4o 在各种基准测试中都表现出色。GPT-4o 通常优于 GPT-4o Mini，但 GPT-4o Mini 仍然是日常任务中经济实惠的解决方案。基准测试包括推理任务、数学和编程能力，以及多模态推理。如下面的图像所示，与其他热门模型相比，GPT-4o Mini 的基准测试成绩相当高。

图 3。 GPT-4o Mini 与其他热门模型的对比。

亲自体验 GPT-4o 和 GPT-4o Mini#

网上一直有人讨论一个有趣的提示词，涉及 热门 LLM 错误比较小数。我们测试 GPT-4o 和 GPT-4o Mini 后，发现它们的推理能力存在明显差异。在下图中，我们询问两个模型 9.11 和 9.9 哪个更大，然后让它们解释自己的推理过程。

图 4。测试 GPT-4o 和 GPT-4o Mini。

两个模型最初都回答错误，声称 9.11 更大。然而，GPT-4o 能够通过推理得出正确答案，并指出 9.9 更大。它提供了详细的解释，并准确比较了这两个小数。相比之下，GPT-4o Mini 尽管正确理解了 9.9 更大的推理过程，却仍固执地坚持最初的错误答案。

两个模型都展现出强大的推理能力。GPT-4o 的自我纠错能力使其更出色，也更适合复杂任务。GPT-4o Mini 的适应性较弱，但对于较简单的任务，仍能提供清晰且准确的推理。

使用 GPT-4o Mini 处理各种计算机视觉应用场景#

如果你想探索 GPT-4o Mini 的视觉能力，又不想深入研究代码，可以在 OpenAI Playground 中轻松测试 API。我们亲自进行了尝试，看看 GPT-4o Mini 处理各种计算机视觉相关应用场景的效果。

使用 GPT-4o Mini 进行图像分类#

我们让 GPT-4o Mini 对两张图像进行分类：一张是蝴蝶，另一张是地图。该 AI 模型成功识别出了蝴蝶和地图。鉴于两张图像差异很大，这是一项相当简单的任务。

图 5。借助 GPT-4o Mini 对图像进行分类。

接着，我们又让模型处理了两张图像：一张展示停在植物上的蝴蝶，另一张展示停在地面上的蝴蝶。AI 再次表现出色，正确识别出了植物上的蝴蝶和地面上的蝴蝶。因此，我们又进一步提升了任务难度。

图 6。借助 GPT-4o Mini 对相似图像进行分类。

随后，我们让 GPT-4o Mini 对两张图像进行分类：一张展示蝴蝶在沼泽乳草的花朵上取食，另一张展示蝴蝶在百日菊花朵上取食。模型无需进一步微调，就能对如此具体的标签进行分类，实在令人惊叹。这些快速示例表明，GPT-4o Mini 可能无需定制训练即可用于 图像分类 任务。

图 7。借助 GPT-4o Mini 对细节丰富的图像进行分类。

使用 GPT-4o Mini 理解姿态#

目前，GPT-4o Mini 无法处理 目标检测 和 实例分割 等计算机视觉任务。GPT-4o 在准确性方面表现不佳，但可以用于此类任务。同样，对于 姿态理解，我们无法检测或估计图像中的姿态，但可以对姿态进行分类和理解。

图 8。使用 GPT-4o Mini 理解图像中的姿态。

上图展示了 GPT-4o Mini 如何对姿态进行分类和理解，尽管它无法检测或估计姿态的精确坐标。这在不同应用中都可能有所帮助。例如，在 体育分析 中，它可以大致评估运动员的动作，并帮助预防受伤。同样，在 物理治疗 中，它可以协助监控训练，确保患者在康复期间完成正确的动作。此外，在 监控 中，它可以通过分析整体肢体语言来 识别可疑活动。虽然 GPT-4o Mini 无法检测特定关键点，但它分类一般姿态的能力使其适用于这些领域及其他场景。

GPT-4o Mini 适用的应用场景#

我们已经了解了 GPT-4o Mini 的能力。现在，让我们讨论最适合使用 GPT-4o Mini 的应用场景。

GPT-4o Mini 非常适合需要高级自然语言理解能力且计算开销较小的应用。它使 AI 能够集成到以往成本过高的应用中。事实上，Artificial Analysis 的详细分析显示，与大多数其他模型相比，GPT-4o Mini 能以极快的速度提供高质量响应。

图 9。 GPT-4o Mini 的质量与输出速度。

以下是一些未来可能大放异彩的 关键领域：

• 虚拟助手和聊天机器人： GPT-4o Mini 可以提供快速且智能的响应，改善用户交互体验。
• 教育工具： 该模型可用于构建提供 个性化辅导和内容生成 的工具。
• 生产力工具： 它可以 改进任务处理，例如总结文档、起草电子邮件和翻译语言，从而提高效率。
• 语言翻译： 最新版本的 GPT 可用于开发翻译器，为不同语言之间的交流提供准确的实时语言翻译。

GPT-4o Mini 开启新机遇#

GPT-4o Mini 正在为多模态 AI 的未来创造新的机遇。自 2022 年发布 GPT-3 模型 text-davinci-003 以来，处理每段文本或数据的成本（即每个 token 的成本）已大幅下降，降幅接近 99%。成本下降清晰地表明，先进 AI 正变得更加经济实惠。随着 AI 模型不断改进，将 AI 集成到每个应用和网站中在经济上可行的可能性正越来越高！

想亲自体验 AI？访问我们的 GitHub 代码库，了解我们的创新成果并加入活跃的 社区。在我们的解决方案页面上，进一步了解 AI 在 制造业 和 农业 中的应用。