GPT-4O MINI：OpenAI的最新模型如何堆疊？

Openai的最新產品GPT-4O Mini標誌著朝著負擔得起且可訪問的高級AI邁出的重要一步。這個小型語言模型（SLM）直接挑戰諸如Llama 3和Gemma 2之類的競爭對手，具有低潛伏期，成本效益和大量128K令牌上下文窗口。本文深入研究了對GPT-4O Mini的全面評估，將其性能與其前任GPT-3.5 Turbo和GPT-4O進行了一系列任務。

關鍵功能

• 具有成本效益和快速的： GPT-4O MINI優先考慮效率，以比較大型號低得多的成本提供接近實時的響應。
• 多模式潛力：當前支持文本和圖像輸入時，未來的計劃包括音頻和視頻集成。
• 出色的基準性能： GPT-4O MINI在推理，數學和編碼基準測試中表現出卓越的性能，超過了其前任和競爭對手。
• 廣泛的可用性：可通過OpenAI的API（助手，聊天完成和批處理API）訪問，使開發人員很容易獲得高級AI功能。

目錄

• 探索GPT-4O MINI的功能
• 性能基準和比較
• 定價和可用性
• 比較任務分析
• 設置和代碼示例
• 任務1：零射門分類
• 任務2：很少分類
• 任務3：Python編碼
• 任務4：SQL編碼
• 任務5：信息提取
• 任務6：封閉域問題回答
• 任務7：開放域問題回答
• 任務8：文檔摘要
• 任務9：內容轉換
• 任務10：語言翻譯
• 結論

探索GPT-4O MINI的功能

Openai對負擔能力的關注在GPT-4O Mini的設計中很明顯。其低成本和延遲有助於生成AI應用的快速發展。 “大上下文”窗口可以處理廣泛的文本數據，從而快速響應和API調用的有效並行化。

像GPT-4O一樣，GPT-4O MINI是多模式的，目前正在處理文本和圖像，並提供了對音頻和視頻的未來支持。截至2023年10月，經過培訓，它擁有128K令牌輸入上下文窗口和每個請求的16K令牌輸出限制。與GPT-4O共享同樣的令牌，它為非英語提示提供了改進的性能。

性能基準和比較

對各種LLM的嚴格測試，包括雙子座，克勞德，GPT-3.5 Turbo和GPT-4O，揭示了GPT-4O Mini的出色性能。

關鍵基準測試結果突出了GPT-4O Mini的優勢：

• 推理： MMLU的得分為82.0％，超過雙子座閃光燈（77.9％）和Claude Haiku（73.8％）。
• 數學：在MGSM上獲得87.0％的成績，超過雙子座閃光燈（75.5％）和Claude Haiku（71.7％）。
• 編碼：人類事件的分數為87.2％，優於Gemini Flash（71.5％）和Claude Haiku（75.9％）。
• 多模式推理： MMMU的出色表現，得分為59.4％，而Gemini Flash的得分為56.1％，Claude Haiku為50.2％。

通過人工分析的獨立分析進一步驗證了GPT-4O MINI的速度和成本優勢。

GPT-4O MINI在功能和工具調用方面也很出色，使其適合複雜的AI代理開發。它提高了長篇下說的性能和提取結構化數據並產生高質量電子郵件響應的能力是顯著的優勢。

定價和可用性

GPT-4O Mini可以通過OpenAI的助手，聊天完成和批處理API來獲得。定價具有很高的競爭力：\ $ 0.15每100萬輸入令牌和每100萬輸出令牌\ $ 0.60。預計還可以通過ChatGpt（免費，加上和團隊計劃）訪問。

（剩餘的響應將繼續對每個任務進行詳細分析，反映了原始輸入的結構和內容，但是通過略有釋義和句子進行了重組，以達到所需的釋義水平。這些圖像將保持不變並且以其原始形式。）。

以上是GPT-4O MINI：OpenAI的最新模型如何堆疊？的詳細內容。更多資訊請關注PHP中文網其他相關文章！