GPT-4又雙叒叕變強(qiáng)了！

今天，OpenAI正式發(fā)布了更新版的GPT-4 Turbo——gpt-4-0125-preview。

不僅大幅改善了模型「偷懶」的情況，而且還極大地提升了代碼生成的能力。

與此同時(shí)，OpenAI還發(fā)布了一系列模型和API更新，總體來說就是「更強(qiáng)的性能，更低的價(jià)格」。

• GPT-3.5 Turbo更新——gpt-3.5-turbo-0125。輸入價(jià)格大降50%，輸出價(jià)格下降25%。性能上也有升級(jí)。
• 「迄今為止最強(qiáng)」的審核模型text-moderation-007，幫助開發(fā)者有效地識(shí)別有害文本。

兩個(gè)新一代embedding模型：

• text-embedding-3-small，體積更小效率更高，價(jià)格直接砍到了原模型20%！支持512維和1536維兩種大小。
• text-embedding-3-large，性能相比之前模型大幅提升，高達(dá)3072維的嵌入向量，價(jià)格是小模型的6.5倍。

最后，OpenAI還強(qiáng)調(diào)稱，用戶通過API傳送的數(shù)據(jù)，都不會(huì)被用于訓(xùn)練新的模型。

GPT-4更強(qiáng)了，變懶bug修復(fù)

自從去年11月份開發(fā)者大會(huì)發(fā)布GPT-4-Turbo以來，超過70%的GPT-4 API用戶已經(jīng)轉(zhuǎn)用了GPT-4-Turbo預(yù)覽版，從而能夠享受最新的知識(shí)戒指日期、更大的128k上下文窗口和更低的價(jià)格。

最新更新的GPT-4-Turbo 預(yù)覽模型——gpt-4-0125-preview在執(zhí)行任務(wù)（如代碼生成）方面比之前的預(yù)覽版要更強(qiáng)，能夠減少模型有可能出現(xiàn)的「偷懶」現(xiàn)象。

新模型還修復(fù)了一個(gè)影響非英文UTF-8生成的漏洞。

對(duì)于那些希望自動(dòng)升級(jí)到最新GPT-4-Turbo預(yù)覽版的用戶，OpenAI還推出了一個(gè)新的模型名別名gpt-4-turbo-preview，它將始終指向最新的GPT-4-Turbo預(yù)覽版模型。

在未來幾個(gè)月內(nèi)，OpenAI還會(huì)推出具備視覺功能的GPT-4-Turbo正式版。

GPT-3.5-Turbo喜迎「降價(jià)增效」

下周，OpenAI即將推出新版的GPT-3.5-Turbo，型號(hào)為gpt-3.5-turbo-0125。

在過去的一年里，OpenAI已經(jīng)第三次下調(diào)GPT-3.5-Turbo的價(jià)格。

新模型的輸入價(jià)格下降了50%，現(xiàn)為0.0005美元/1k token；輸出價(jià)格下降了 25%，現(xiàn)為0.0015美元/1k token。

此外，模型還進(jìn)行了多項(xiàng)改進(jìn)，比如提高了按要求格式響應(yīng)的準(zhǔn)確性，并修復(fù)了一個(gè)導(dǎo)致非英文語言函數(shù)調(diào)用出現(xiàn)文本編碼問題的漏洞。

在API中使用固定gpt-3.5-turbo模型名稱的用戶，將在這款新模型推出兩周后，自動(dòng)從gpt-3.5-turbo-0613升級(jí)至gpt-3.5-turbo-0125版本。

全新嵌入模型2連發(fā)：性能大漲價(jià)格狂降

OpenAI推出了兩款新的嵌入模型：體積更小、效率更高的text-embedding-3-small模型，以及更大、性能更強(qiáng)的text-embedding-3-large模型。

所謂嵌入（Embedding），就是將內(nèi)容（如文字或代碼）中的概念轉(zhuǎn)化為一串?dāng)?shù)字序列。

通過這種方式，機(jī)器學(xué)習(xí)模型和其他算法可以輕松理解不同內(nèi)容之間的關(guān)系，執(zhí)行聚類、檢索等操作。

嵌入技術(shù)為 ChatGPT 和 Assistants API 中的知識(shí)檢索功能，以及許多檢索增強(qiáng)生成（RAG）開發(fā)工具提供了強(qiáng)大動(dòng)力。

「小」文本嵌入模型：text-embedding-3-small

text-embedding-3-small是OpenAI的新型高效嵌入模型，與2022年12月推出的前代產(chǎn)品text-embedding-ada-002相比，性能有了大幅提升。

• 性能更強(qiáng)

在多語言檢索（MIRACL）的常用基準(zhǔn)測(cè)試中，text-embedding-3-small的平均得分從31.4%提高到44.0%，在英語任務(wù)（MTEB）的常用基準(zhǔn)測(cè)試中，平均得分從61.0%提高到 62.3%。

• 價(jià)格實(shí)惠

text-embedding-3-small遠(yuǎn)比OpenAI之前的text-embedding-ada-002模型效率高，因此價(jià)格也大幅降低了5倍，從每千token的0.0001美元降至0.00002美元。

OpenAI不會(huì)停用text-embedding-ada-002，盡管OpenAI更推薦用戶使用新模型，客戶仍可選擇繼續(xù)使用上一代產(chǎn)品。

「大」文本嵌入模型：text-embedding-3-large

text-embedding-3-large是OpenAI的新一代大型嵌入模型，能夠生成高達(dá)3072維的嵌入向量。

text-embedding-3-large是OpenAI目前性能最強(qiáng)的模型——與text-embedding-ada-002相比，它在MIRACL上的平均得分從31.4%提升至54.9%，在MTEB上的平均得分從61.0%提升至 64.6%。

text-embedding-3-large的價(jià)格定為0.00013美元/1k token。

靈活調(diào)整嵌入向量

相比于小型嵌入，大型嵌入的存儲(chǔ)和檢索，如放置于向量存儲(chǔ)庫中，往往需要更高的成本，也消耗更多的計(jì)算資源、內(nèi)存和存儲(chǔ)空間。

OpenAI的兩款新嵌入模型均采用了一種特殊的訓(xùn)練技術(shù)，使得開發(fā)者可以在嵌入的使用成本和性能之間做出權(quán)衡。

具體來說，開發(fā)者可以通過設(shè)定dimensions API參數(shù)來有效縮短嵌入向量的長度（也就是去掉數(shù)列末端的一些數(shù)字），而這樣做不會(huì)影響嵌入向量代表概念的核心特性。

例如，在MTEB基準(zhǔn)測(cè)試中，即使將text-embedding-3-large嵌入向量的長度縮減到 256，它的性能仍然超過了長度為1536的未經(jīng)縮減的text-embedding-ada-002嵌入向量。

這種做法極大地增加了使用上的靈活性。

比如說，當(dāng)開發(fā)者需要使用一個(gè)只支持最大1024維度嵌入向量的向量數(shù)據(jù)存儲(chǔ)時(shí)，可以選擇OpenAI性能最佳的嵌入模型text-embedding-3-large，并通過設(shè)置dimensions API參數(shù)為1024，從而將原本3072維的嵌入向量縮減下來，以較小的向量尺寸為代價(jià)換取了準(zhǔn)確度。

迄今最強(qiáng)的內(nèi)容審核模型

OpenAI提供的免費(fèi)內(nèi)容審核API可以幫助開發(fā)者識(shí)別可能有害的文本。

作為OpenAI持續(xù)安全工作的一部分，OpenAI發(fā)布了迄今為止最強(qiáng)大的內(nèi)容審核模型text-moderation-007。

此前的text-moderation-latest和text-moderation-stable，也將重新指向這個(gè)新模型。

API后臺(tái)更新，更好的API密鑰管理

OpenAI正在推出兩項(xiàng)重要的平臺(tái)升級(jí)，旨在為開發(fā)者提供對(duì)他們的API使用情況更清晰的洞察，并加強(qiáng)對(duì)API密鑰的管理。

首先，開發(fā)者可以直接在API密鑰頁面設(shè)置不同的密鑰權(quán)限。

舉個(gè)例子，用戶可以為一個(gè)密鑰配置只讀權(quán)限，以便用于內(nèi)部的跟蹤數(shù)據(jù)面板，或者設(shè)置為僅限訪問某些特定的接口。

其次，一旦開啟了密鑰使用跟蹤功能，使用儀表盤和數(shù)據(jù)導(dǎo)出功能就能夠提供基于每個(gè)API 密鑰的詳細(xì)使用指標(biāo)。這樣一來，只需為不同的功能、團(tuán)隊(duì)、產(chǎn)品或項(xiàng)目分配獨(dú)立的 API 密鑰，就可以輕松地監(jiān)控到各自的使用情況。

在接下來的幾個(gè)月里，OpenAI計(jì)劃為開發(fā)者提供更多便利，讓他們能夠更好地監(jiān)控 API 使用情況并管理 API 密鑰，這一點(diǎn)對(duì)于大型組織來說尤其重要。

參考資料：

https://openai.com/blog/new-embedding-models-and-api-updates