GPT-4o mini คืออะไร สรุปจุดเด่นโมเดลจิ๋วที่คุ้มที่สุด ตอบยาวกว่าเดิม 4 เท่า เร็วกว่า GPT-4o ถึง 2 เท่า แต่ราคาถูกลง

OpenAI เผยว่า GPT-4o mini จะสามารถเข้าใจและประมวลผลทั้งข้อความและรูปภาพได้ดีกว่า เมื่อเทียบกับ AI ขนาดเล็กตัวอื่นๆ ด้วยขนาดที่เล็กลงของ GPT-4o mini บริษัทคาดว่านักพัฒนาก็เลือกที่จะใช้โมเดลเหล่านี้บ่อยขึ้น เนื่องจากทำงานเร็วกว่าและมีต้นทุนที่ต่ำกว่า เมื่อเทียบกับรุ่นใหญ่ เช่น GPT-4 Omni หรือ Claude 3.5 Sonnet

รวมถึง GPT-4o mini ยังเป็นโมเดลแรกที่ใช้วิธีการจัดลำดับชั้นคำสั่ง (instruction hierarchy) เพื่อให้ AI แยกแยะความสำคัญของคำสั่ง มีกฎชัดเจนว่าใครสั่งได้บ้างและคำสั่งไหนอันตราย ทำให้ AI ปฏิเสธคำสั่งที่ไม่ปลอดภัยหรือน่าสงสัยได้

โดย GPT-4o mini จะเข้ามาแทนที่ GPT-3.5 Turbo ซึ่งเคยเป็นโมเดล AI ที่เล็กที่สุดของ OpenAI ผู้ใช้งานจึงจะได้ความสามารถที่เหนือกว่าในหลายๆ ด้าน อาทิ

1. ด้านการใช้เหตุผล ได้คะแนนถึง 82% จากการทดสอบที่เรียกว่า MMLU ซึ่งสูงกว่าโมเดลขนาดเล็กอื่นๆ เช่น Gemini 1.5 Flash (79%) และ Claude 3 Haiku (75%)

2. ด้านการใช้เหตุผลทางคณิตศาสตร์ ได้คะแนนถึง 87% ซึ่งแซงหน้า Flash (78%) และ Haiku (72%)

นอกจากนี้ GPT-4o mini ยังมีราคาถูกกว่าโมเดลรุ่นก่อนๆ ของ OpenAI มาก โดยเฉพาะ GPT-3.5 Turbo ที่ GPT-4o mini ราคาถูกกว่าถึง 60%

สำหรับนักพัฒนาที่ใช้ API ของ OpenAI GPT-4o mini มีราคา 15 เซนต์สำหรับทุกๆ ล้านโทเค็นอินพุต (0.0381 บาท) และ 60 เซนต์สำหรับทุกๆ ล้านโทเค็นเอาต์พุต (0.15 บาท) โมเดลสามารถรองรับโทเค็นได้สูงสุด 128,000 รายการในคราวเดียว และความรู้เป็นข้อมูลล่าสุดจนถึงเดือนตุลาคม 2566

ปัจจุบัน GPT-4o mini รองรับข้อความและการมองเห็นใน API และ OpenAI กล่าวว่าโมเดลนี้จะรองรับความสามารถด้านวิดีโอและเสียงในอนาคต แม้ OpenAI ไม่ได้เปิดเผยขนาดที่แน่นอนของ GPT-4o mini แต่ชี้ว่ามีขนาดคล้ายคลึงกับโมเดล AI ขนาดเล็กอื่นๆ เช่น Llama 3 8b, Claude Haiku และ Gemini 1.5 Flash

GPT-4o mini จะเปิดให้บริการสำหรับนักพัฒนา ผ่าน ChatGPT บนเว็บไซต์ และแอปพลิเคชันบนมือถือ ตั้งแต่วันนี้เป็นต้นไป ส่วนผู้ใช้งานระดับองค์กรจะสามารถใช้งานได้ในสัปดาห์หน้า

#สรุปจุดเด่นGPT-4omini

• ราคาถูกกว่า GPT-3.5 Turbo ถึง 60%
• รวดเร็วกว่า GPT-4o และ GPT-3.5 Turbo ถึง 2 เท่า
• มีประสิทธิภาพในการใช้เหตุผลเหนือกว่าโมเดล AI ขนาดเล็กอื่นๆ
• รองรับทั้งข้อความและภาพ และจะรองรับวิดีโอและเสียงในอนาคต 

อ้างอิง: techcrunch