OpenAI又开卷！GPT (openai网页版)

美东时期周四，OpenAI 宣布推出其迄今为止最弱小的迷你版模型——GPT-4o mini。

OpenAI称，GPT-4o mini具有文本、图像、音频、视频的多模态推理才干，是目前最强的多模态小模型之一。

性能比GPT-4更好。GPT-4o mini 在 MMLU 上的得分为 82%，目前在LMSYS 排行榜上的聊天偏好方面优于 GPT-4。

API降价60%。GPT-4o mini 的商用多少钱是每百万输入 token 15 美分，每百万输入 token 60 美分，比之前的 Frontier 型号廉价一个数量级，比 GPT-3.5 Turbo 廉价 60% 以上。

对此，OpenAI CEO 山姆・奥特曼表示，通往自动的本钱曾经“too cheap to meter”。

网友也戏称，GPT-4o mini妥妥的大模型“多少钱屠夫”。

最能打的多模态小模型？

据OpenAI称，GPT-4o mini的数学、编码、视觉等推理才干十分好，是目前最强、最具本钱效益的多模态小模型。

目前，GPT-4o mini 在 API 中支持文本和视觉，未来还将支持文本、图像、视频和音频的输入和输入。

该模型具有 128K 个 token 的上下文窗口，每个恳求最多支持 16K 个输入 token，并且拥有截至 2023 年 10 月的知识。

OpenAI还表示，GPT-4o mini 在文本自动和多模态推理方面的学术基准测试中跨越了 GPT-3.5 Turbo 和其他小型模型，并且支持的言语范围与 GPT-4o 相反。

它还在函数调用方面表现出色，这可以使开发人员构建失掉数据或经常经常使用外部系统采取执行的运转程序，并且与 GPT-3.5 Turbo 相比，它的长上下文性能有所提高。

测试数据显示，推理义务上，GPT-4o mini在触及文本和视觉的推理义务上优于其他小型机型。在MMLU上得分为82.0%，而谷歌的Gemini Flash为77.9%，Anthropic的Claude Haiku为73.8%。

在数学和编码方面，在MGSM测试中GPT-4o mini得分为87.0%，而Gemini Flash为75.5%，Claude Haiku为71.7%。

GPT-4o mini在权衡编码性能的Human Eval上得分为87.2%，而Gemini Flash的得分为71.5%，Claude Haiku的得分为75.9%。

在多模态MMMU上，GPT-4o mini得分为59.4%，而Gemini Flash为56.1%，Claude Haiku为50.2%。

在安保方面，GPT-4o mini内置了多层过滤方式，可有效增加色情、种族歧视、不当言论等合法内容的输入，也初次经常经常使用了指令层级结构来片面优化模型的安保性能。

在定价上，GPT-4o mini 的商用多少钱是每百万输入 token 15 美分，每百万输入 token 60 美分。

也就是说，GPT-4o mini 生成一本 2500 页的书，多少钱只要要 60 美分。

OpenAI 也方案在未来几天推出 GPT-4o mini 微调版本。

目前，GPT-4o mini 已作为文本和视觉模型在 Assistants API、Chat Completions API 和 Batch API 中提供。

在 ChatGPT 中，不要钱版、Plus 版和团队版用户从今天末尾将能够经常经常使用 GPT-4o mini，以替代 GPT-3.5。企业用户也将从下周末尾经常经常使用。

大模型本钱2年骤降99%

OpenAI称，很快乐能够继续引领潮流。

其想象的未来是模型可以无缝集成到每个运转程序和每个网站上。GPT-4o mini 为开发人员铺平了路途，使他们能够更高效、更经济地构建和裁削弱小的 AI 运转程序。

AI 的未来将变得愈加易于访问、牢靠，并嵌入到我们的日常数字体验中。

近几年，人工自动飞速提高，本钱也在大幅降低。

OpenAI举例称，自 2022 年推出性能较弱的模型 text-davinci-003 以来，到现在的 GPT-4o mini ，每个 token 本钱已降低了 99%。

OpenAI努力于继续沿着这条降低本钱、同时增强模型才干的轨迹行进。

---

OpenAI 风云的面前：分岔的超级智能之路

在科技与商业的交叉路口，OpenAI的剧变犹如一场跌宕坎坷的剧情，将超级智能的伦理边界推至显微镜下。 这一切始于Sam Altman的离任与回归，面前隐藏的是对超级智能路途的深入分歧与考量。 以下是这场风暴的中心事情，提醒了公司外部的深度交锋与影响：

1. 破晓筹款

Sam Altman在展现OpenAI的严重打破之际，积极准备新一轮的融资，目的高达900亿美元，这一举动震动了对自主性与人类情感的敏感神经。 但是，Ilya的担忧不绝于耳，他强调团队要求更多时期研讨模型的可控性和伦理边界。

2. 融资与伦理碰撞

Greg与Macron的会面惹起了主权基金的兴味，但这种资金涌入也引发了关于AI责任与关爱的讨论。 当GPT-5的研发推进，资金需求飙升时，这些分歧愈发尖利。

3. 板块重组与分歧加剧

Sam的出局与Greg的晋升，标志着董事会的动乱。 微软的列席与员工的对立，使得AI安保议题成为焦点。 最终，Sam回归CEO，董事会重组，Bret Taylor、Larry Summers和Adam DAngelo参与，展现了对科研与工程优先级的不同了解。

伦理与工程的抉择

AI业界的智者们，如Ilya的超级对齐理念与Sam和Greg的工程化产品化路途，构成了鲜明对比。 Stuart的《Human Compatible》提示我们，应对AI的应战要求提早规划。 但是，OpenAI在模型才干的转机点上，如何平衡安保与运行，成为亟待处置的难题。

通常与通常的应战

试图像《万神殿 2》那样树立“监视者”模型，防止恶意AI，实则困难重重。 评价守护者模型的复杂性，要求跨范围的协作与社会顺应。 Sam倡议渐进式开放，以防止安保危机，而e/acc则以为AI灭绝风险相对较低，但短期影响不容无视。

虽然AGI的未来充溢不确定性，但经过竞争抑制恶意经常使用，AI的优势显而易见。 人类文明的延续或许触及初级外形，而以后的技术限制造成了短期矛盾。 OpenAI的信任度下滑，GPT-5的未来命运与公司生态的演化，都将在这一场戏剧中写下新的篇章。

超级智能的抵触无疑将引发全球对AI安保的深度关注，OpenAI外部的灵活将如何影响其前行之路，以及GPT-5将如何定义这个时代的边界，我们拭目以待。 在未知的未来，我们等候OpenAI在探求与责任之间找到平衡，引领智能的黑暗之路。

gpt是什么软件

GPT是一种基于人工智能的言语模型软件。

GPT由OpenAI开发。 它属于自然言语处置范围，可以生成文本、回答疑问和成功各种言语义务。 GPT模型以大规模的文本语料库作为训练数据，以学习自然言语的形式、逻辑和语义。 GPT的一个关键特点是其能够依据上下文生成连接、自然的文本，让它在文本生成、言语了解和对话系统方面具有普遍的运行前景。

在实践运行中，GPT模型可以用于智能问答系统、智能助手、文本摘要、翻译、情感剖析等多个范围。 GPT的不时优化和更新也使得它在处置自然言语义务上表现出色，因此备受研讨者和开发者的关注。

GPT软件的关键优势：

1、大规模训练数据：GPT模型经常使用了大规模的文本语料库启动预训练，从而具有更普遍的言语知识，可以顺应各种语境下的文本生成和了解义务。

2、上下文了解才干：GPT模型经过处置上下文信息，能够更好地了解语境，生成愈加连接的文本，提高了对话系统和文本生成的质量。

3、多范围适用性：由于它的大规模训练和弱小的言语形式学习才干，GPT在多种自然言语处置范围都具有普遍的适用性，包括问答系统、翻译、摘要等。

4、可迁移性：经过微调技术，可以将GPT模型在特定范围或义务上启动迁移学习，顺应特定的运行场景，因此具有很强的通用性和灵敏性。

5、不时更新优化：GPT模型及其后续版本不时启动优化和改良，以顺应不时变化的言语形式和义务需求，坚持了技术的抢先优势。

GPT-f 能否真正成功数学定理证明的打破并被普遍接受？

OpenAI 推出 GPT-f：数学推理证明新打破

OpenAI 在继续的创新中又迈出了一大步，发布了名为 GPT-f 的新模型，专门用于智能定理证明（ATP）。 这款基于 Transformer 言语模型的工具，针对 Metamath 方式化言语，展现出了弱小的智能证明才干和证明助手性能。

据论文作者 Stanislas Polu 在 Twitter 的引见，GPT-f 在实验中逾越了现有智能定理证明器 MetaGen-IL，成功证明了测试集中高达 56.22% 的定理，相比之下，MetaGen-IL 只能证明 21.16%。 更值得留意的是，GPT-f 还发现了 23 个新的冗长证明，其中一部分已被接纳进 Metamath 函式库，这是深度学习模型初次失掉数学家的正式认可。

但是，关于 GPT-f 的评价并不完全分歧。 人工智能范围的大佬如 Gary Marcus 和 Ben Goertzel 表示，虽然 GPT-f 在 ATP 范围取得进度，但他们以为它并不是到达人类水平数学证明的正确研讨方向。 他们以为，人们或许在错误地将 GPT 用于不适宜的范围，这与 GPT-f 的初衷不符。

目前，网友们对 GPT-f 的反响多是中立的，普遍以观察态度看待。 他们关注的是模型的实验结果，而非过度吹捧。 部分网友提出疑问，如有效证明步骤的定义以及 GPT-f 在处置未被证明的定理时的行为，这标明他们对模型的任务原理坚持着深化讨论的兴味。

总的来说，虽然 GPT-f 在数学推理证明方面展现出了新效果，但其能否能真正推进范围的提高，以及如何防止误用，仍要求业界的继续讨论和验证。 感兴味的好友可以在论坛和博客中介入讨论，共同探求这个范围的前沿进度。