Por redação AIoT Brasil

A OpenAI anunciou na quinta-feira, 18 de julho, o lançamento do GPT-4o mini, um modelo de inteligência artificial menor e mais barato dos que os concorrentes da mesma categoria. Ao preço de 15 centavos de dólar por milhão de tokens de entrada e 60 centavos por milhão de tokens de saída, o modelo compacto, segundo a empresa, tem uma ordem de magnitude mais acessível do que os modelos de fronteira anteriores e é mais de 60% mais econômico do que o GPT-3.5 Turbo.

Além disso, a OpenAI disse que, com baixo custo e latência, o GPT-4o mini permite uma ampla gama de tarefas, incluindo aplicativos que encadeiam ou paralelizam várias chamadas de modelo (por exemplo, chamar várias APIs), com grande volume de contexto para o modelo (por exemplo, base de código completa ou histórico de conversas) e interação com os clientes por meio de respostas de texto rápidas e em tempo real, recurso adequado para chatbots de atendimento ao cliente.

“Hoje o GPT-4o mini suporta texto e visão na API, com suporte para entradas e saídas de texto, imagem, vídeo e áudio no futuro. O modelo tem uma janela de contexto de 128 mil tokens, suporta até 16 mil tokens de saída por solicitação e tem conhecimento até outubro de 2023. Graças ao tokenizador aprimorado compartilhado com o GPT-4o, lidar com textos que não estejam em inglês agora é ainda mais econômico”, explicou a OpenAI.

A empresa disse que o novo modelo é mais um passo para tornar a IA cada vez mais acessível e expandir significativamente a gama de aplicativos construídos com a tecnologia. “O GPT-4o mini pontua 82% no MMLU e atualmente supera o GPT-41 nas preferências de bate-papo na tabela de classificação LMSYS, com custo menor do que os modelos de fronteira anteriores e mais de 60% mais barato do que o GPT-3.5 Turbo”, acrescentou.

De acordo com a OpenAI, o modelo foi avaliado em vários benchmarks importantes, entre os quais tarefas de raciocínio, proficiência em matemática e codificação e raciocínio multimodal. Além disso, incorporou medidas de segurança em cada etapa de processo de desenvolvimento, desde o pré-treinamento até o lançamento. “No pós-treinamento, alinhamos o comportamento do modelo às nossas políticas, usando técnicas como o aprendizado por reforço com feedback humano para melhorar a precisão e a confiabilidade das respostas”, acrescentou a empresa.