OpenAI: GPT-4o (2024-11-20)

GPT-4o (2024-11-20) to model generowania tekstu od OpenAI, wersja GPT-4o z 2024-11-20. Znajduje się w kategorii tekstowej na api14 i jest identyfikowany przez identyfikator modelu openai/gpt-4o-2024-11-20. To wydanie jest godne uwagi w linii GPT-4o ze względu na podniesioną zdolność twórczego pisania, a wyniki opisywane są jako bardziej naturalne, angażujące i dopasowane, co poprawia trafność i czytelność. Jest również ulepszony w pracy z przesłanymi plikami, co ma znaczenie, jeśli Twoje polecenia zawierają dokumenty wraz z instrukcjami.

Model przyjmuje dane wejściowe w postaci tekstu, obrazu i plików, a zwraca wyłącznie tekst. Ma okno kontekstu wynoszące 128 000 tokenów i maksymalną wielkość danych wyjściowych 16 384 tokenów, więc możesz dostarczyć długie dokumenty, zrzuty ekranu lub mieszane polecenia tekstowe i obrazowe, a mimo to pozostawić miejsce na obszerną odpowiedź. Jego data odcięcia wiedzy to 2023-10-31, co oznacza, że wszystko po tej dacie musi pochodzić z polecenia lub z narzędzia, a nie z danych treningowych modelu.

Te możliwości wskazują na kilka praktycznych wzorców. Praca z długim kontekstem, taka jak streszczanie lub odpytywanie długich dokumentów, pasuje w naturalny sposób, zwłaszcza w przypadku danych wejściowych w postaci plików. Ponieważ obrazy są akceptowane, możesz budować przepływy, które odczytują zrzuty ekranu, diagramy lub sfotografowane strony i tworzą dane wyjściowe w postaci tekstu. Poprawiona jakość pisania pasuje do zadań redagowania, edycji i przepisywania, w których liczy się ton i czytelność, a ustrukturyzowane dane wyjściowe oraz wywoływanie narzędzi czynią go użytecznym do ekstrakcji i dla potoków, które muszą przekazywać dane do innych systemów. Jeśli włączysz opcje wyszukiwania w sieci, możesz oprzeć odpowiedzi na świeższych informacjach, niż pozwala na to odcięcie treningowe.

Wywołujesz go przez zgodne z OpenAI API api14, używając identyfikatora modelu openai/gpt-4o-2024-11-20. Obsługiwane parametry żądania to frequency_penalty, logit_bias, logprobs, max_tokens, prediction, presence_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_logprobs, top_p oraz web_search_options. W praktyce obejmuje to kontrolę próbkowania (temperature, top_p, kary), powtarzalność (seed), kształtowanie danych wyjściowych (response_format, structured_outputs, stop, max_tokens), użycie narzędzi (tools, tool_choice) oraz oparcie na wyszukiwaniu (web_search_options).

Pamiętaj o ograniczeniach przy wyborze. Dane wyjściowe są ograniczone do 16 384 tokenów, a data odcięcia wiedzy 2023-10-31 oznacza, że niedawne fakty muszą dotrzeć przez polecenie, plik lub wyszukiwanie. Dane wyjściowe są wyłącznie tekstem, więc zadania wymagające generowania obrazów lub dźwięku wykraczają poza ten model. Jeśli Twoje zadanie polega wyłącznie na generowaniu tekstu na podstawie danych wejściowych w tych granicach, ten model pasuje; jeśli potrzebujesz modalności, której nie generuje, poszukaj gdzie indziej.