GPT-4 はもう怠け者ではありません! OpenAI、5つの大型モデルを最大80%割引で販売

OpenAI深夜アップデート！ 5 つの大きなモデルが一気に投げられました。

新しい GPT-4 Turbo プレビューモデル
新しいGPT-3.5ターボモデル
新しいテキストレビューモデル
2つの新しいテキスト埋め込みモデル

数量は増加し、価格は引き下げられました。一部のモデルは、元の価格の 5 分の 1 という大幅な割引価格で提供されました。

開発者は歓喜する!

さらに、これらのモデルはこれまで以上に強力になり、GPT-4 が怠惰になるなど、以前に報告されていたいくつかの問題を解決しました。

ネットユーザーはこう言った。「開発者にとって大きな勝利だ。」

では早速、OpenAI の大きなプレゼントを見てみましょう。

OpenAI が 5 つの大きなモデルを連続で廃棄

新しい GPT-4 Turbo プレビューモデル

まず最初に、GPT-4 Turbo プレビューモデルの更新: gpt-4-0125-preview を紹介します。

このモデルは、コード生成などのタスクをより完全かつ徹底的に完了し、モデルの不完全なタスクの「怠惰」を軽減できることが報告されています。

これまで、多くの開発者が、特にコーディングタスクに関しては、GPT-4 が怠惰になるという問題について不満を述べてきました。

たとえば、コードを書くときにテキストを省略し、コードブロックがテキストの説明で区切られている場合、人間は複数回コピーして貼り付け、手動で完了する必要があり、非常に面倒です。

当時の OpenAI の回答は、「当面は修正できません」というものでした。ようやく解決しました。

さらに、自動アップグレードメカニズムが導入されました。gpt-4-turbo-preview のモデルエイリアスにより、最新のモデルをできるだけ早く体験できるようになります。

GPT-4 Turbo のリリース以来、GPT-4 API 顧客からのリクエストの 70% 以上が GPT-4 Turbo に変換されたと報告されています。同社は今後数か月以内に新バージョンの GPT-4 Turbo を発売する予定だ。

GPT-3.5ターボ新モデル

OpenAI は、より安価でパフォーマンスに優れた新しい GPT-3.5 Turbo モデル gpt-3.5-turbo-0125 を来週発売することを明らかにしました。

新しいモデルの入力価格は 50% 削減され、1000 トークンあたり 0.0005 ドルのみになり、出力価格は 25% 削減され、1000 トークンあたり 0.0015 ドルになります。

さらに、新しいモデルでは、リクエスト応答の精度が向上し、英語以外のテキストのエンコードの問題も修正されます。

ユーザーはモデルエイリアス gpt-3.5-turbo を使用するだけで、リリース後 2 週間以内に自動的にアップグレードされます。

新しいテキスト埋め込みモデル

次に、text-embedding-3-small と text-embedding-3-large があります。

簡単に言えば、他の大規模なモデルと比較して、埋め込みモデルは、コンテンツ (自然言語やコードなど) 間の関係を理解し、クラスタリングや検索などのタスクを実行するのに役立ちます。

したがって、ChatGPT や Assistant API の知識検索機能や、多くの Retrieval Augmentation Generation (RAG) 開発ツールなどのアプリケーションを強化できます。

このうち、text-embedding-3-small は小さいモデルです。性能面では、以前リリースされたtext-embedding-ada-002と比較して、Multilingual Retrieval Common Benchmark (MRACL)の平均スコアが31.4%から44.0%に向上し、English Task Common Benchmark (MTEB)の平均スコアが61.0%から62.3%に向上しました。

価格は以前の価格の 5 分の 1 に引き下げられ、1,000 トークンあたり 0.0001 ドルから 0.00002 ドルになりました。

もう 1 つの大規模モデルである text-embedding-3-large は、3072 個の埋め込み次元をサポートできます。パフォーマンスの面では、text-embedding-ada-002と比較すると、MIRACLでは平均スコアが31.4%から54.9%に、MTEBでは61.0%から64.6%に増加しています。

さらに、開発者がパフォーマンスとコストの間で柔軟にトレードオフできるようにする新しいトレーニング手法も導入されました。たとえば、MTEB ベンチマークでは、text-embedding-3-large 埋め込みを 256 に短縮しても、サイズが 1536 の短縮されていない text-embedding-ada-002 埋め込みよりもパフォーマンスが優れています。