OpenAI: GPT-4o (2024-08-06)

GPT-4o (2024-08-06) は OpenAI のテキスト生成モデルで、api14 上では openai/gpt-4o-2024-08-06 として識別されます。これは 2024-08-06 にリリースされた GPT-4o のバージョンであり、OpenAI はこれを構造化出力を改善するアップデートとして位置づけています。これには response_format フィールドで JSON スキーマを指定できる機能が含まれます。名前の「o」は「omni」を表し、単なるプレーンテキスト以上のものを扱えるように設計されたモデルであることを反映しています。

このモデルはテキスト、画像、ファイルを入力として受け取り、テキストを出力として生成します。コンテキストウィンドウは 128,000 トークンで、リクエストごとに最大 16,384 の出力トークンを生成できます。知識カットオフは 2023-10-31 であるため、それ以降のものはトレーニング中に学習した範囲外です。入力にはテキストとともに画像やファイルを含めることができるため、テキストだけでなく混在したプロンプトを扱えます。

これらの機能はいくつかの実用的な用途を示します。JSON スキーマを指定した構造化出力は、モデルに直接パースできるフィールドを返してほしい抽出やデータ整形のタスクに適しています。ツール呼び出しは、関数や外部サービスを呼び出す必要があるエージェント型のワークフローに適合します。画像とファイルの入力は、スクリーンショット、図、ドキュメントを読み取ってそれについて質問に答えるといったタスクを支えます。128,000 トークンのコンテキストウィンドウにより、長いドキュメントや長時間の会話など、長い入力を 1 回のリクエストで処理できます。

このモデルは、モデル id である openai/gpt-4o-2024-08-06 を使用して、api14 の OpenAI 互換 API を通じて呼び出します。サポートされるリクエストパラメータは、frequency_penalty、logit_bias、logprobs、max_completion_tokens、max_tokens、prediction、presence_penalty、response_format、seed、stop、structured_outputs、temperature、tool_choice、tools、top_logprobs、top_p、web_search_options です。インターフェースが OpenAI 互換であるため、既存の OpenAI SDK コードは通常、ベース URL とモデル id を変更するだけで動作します。

選択する際には、いくつかの制限に注意する価値があります。出力はテキストのみであるため、生成画像や音声が必要な場合、このモデルは適していません。知識カットオフが 2023-10-31 であるため、プロンプトで情報を提供するか web_search_options を使用しない限り、最近の出来事はカバーされません。ワークロードが小さく単純であれば、より軽量なモデルで十分かもしれませんが、このモデルはコンテキストウィンドウ、マルチモーダル入力、構造化出力のサポートから恩恵を受けるタスクを対象としています。