OpenAI a lancé GPT-4o mini, son modèle le plus efficace à ce jour, conçu pour rendre l’intelligence artificielle plus accessible et abordable. Ce modèle devrait devenir un élément fondamental de l’écosystème collaboratif OpenAI.
Selon l’entreprise, ce modèle coûte 0,15 $ par million de jetons d’entrée et 0,60 $ par million de jetons de sortie, soit plus de 60 % plus efficace que GPT-3.5 Turbo.
Depuis le 19 juillet 2024, tous les utilisateurs de ChatGPT, qu’ils soient sur les forfaits Free, Plus ou Team, utilisent ce modèle au lieu de GPT-3.5. Les utilisateurs d’entreprise le disposeront à partir de la semaine prochaine.
Que peut-on attendre du nouveau modèle ? Qu’est-ce que cela signifie qu’il soit plus économique que ses prédécesseurs ? Comment mesurer l’efficacité d’un modèle de langage ? Nous discuterons de tout cela et bien plus ci-dessous.
GPT-4o mini : le « petit » de la famille
OpenAI a présenté GPT-4o mini en tant que « petit » modèle de langage qui maintient des performances élevées, tout en réduisant considérablement les coûts de calcul et la consommation d’énergie.
Ce modèle promet d’être plus accessible et durable, ce qui pourrait faciliter son adoption et son utilisation dans diverses applications.
Selon les résultats de référence publiés par OpenAI, GPT-4o mini se positionne comme une alternative plus efficace aux grands modèles comme GPT-4o, maintenant des performances compétitives dans les tâches de traitement du langage naturel.
GPT-4o mini est présenté sur un marché où d’autres petits modèles comme Microsoft Phi-3 mini et Google Gemini Nano sont déjà présents. Bien qu’il semble être un arrivage tardif, l’efficacité et la puissance du GPT-4o mini peuvent surpasser les versions complètes des générations précédentes de modèles d’autres fournisseurs.
Qu’est-ce que cela signifie que le GPT-4o mini est un « petit » modèle ?
Un grand modèle linguistique (LLM) comme GPT est décrit comme « petit » ou « grand » principalement en fonction du nombre de paramètres dont il dispose. Ce sont des parties du modèle qui sont ajustées pendant la formation pour améliorer les performances sur des tâches spécifiques.
En général, un plus grand nombre de paramètres signifie une meilleure capacité du modèle à comprendre et à générer efficacement le langage naturel. Mais cela signifie également que le modèle a besoin de plus de puissance de calcul (et donc plus d’énergie) pour fonctionner.
GPT-4o mini a beaucoup moins de paramètres que des modèles comme GPT-4 ou GPT-3.5. Cela le rend moins gourmand en calcul et plus rapide à exécuter par rapport aux modèles plus grands.
Quelle est la qualité du GPT-4o mini par rapport à la concurrence ?
Selon les benchmarks réalisés par OpenAI, GPT-4o mini obtient un score de 82 % dans le benchmark MMLU, surpassant GPT-4 en termes de préférences de chat et d’autres petits modèles en matière de raisonnement et de tâches multimodales.
Prend en charge une fenêtre contextuelle de 128 000 jetons et jusqu’à 16 000 jetons de sortie par requête. Sa faible latence le rend idéal pour les applications nécessitant plusieurs appels de modèles, de grands volumes de contexte ou des interactions rapides en temps réel.
Il prend actuellement en charge le texte et la vision, avec des fonctionnalités futures pour le texte, l’image, la vidéo et l’audio. Concernant sa multimodalité, GPT-4o mini est supérieur en raisonnement textuel et multimodal, avec des performances exceptionnelles en mathématiques et en codage.
Comment les LLM et les modèles multimodaux sont-ils mesurés et comparés ?
Il existe des outils et des méthodes utilisés pour tester et mesurer les performances des modèles d’IA génératifs, tels que les modèles de génération de texte et d’images.
Ces éléments sont essentiels pour comprendre l’efficacité, la précision et la créativité de ces systèmes. Les benchmarks LLM sont des ensembles de données et des tâches standard largement adoptés par la communauté des chercheurs pour évaluer et comparer les performances de divers modèles.
Ceux-ci sont utilisés pour évaluer dans quelle mesure un modèle d’IA peut générer un contenu cohérent, pertinent et créatif, notamment du texte, des images, de la musique et autres.
Ils permettent également de comparer différents modèles d’IA pour identifier ceux qui sont les plus efficaces ou les plus créatifs dans des tâches spécifiques. En testant les modèles par rapport à divers critères de référence, il est possible d’identifier les biais et les limites, comme la capacité de générer du texte dans plusieurs langues.
De plus, les benchmarks fournissent des commentaires essentiels lors du développement du modèle d’IA, aidant ainsi à affiner et à améliorer l’algorithme. Certains des benchmarks les plus connus et les plus populaires pour les LLM sont HellaSwag, MMLU et TruthfulQA.
Questions fréquemment posées
Voici quelques questions fréquemment posées concernant la mesure de l’efficacité des grands modèles de langage (LLM) et sur le nouveau GPT-4o mini :
Qu’est-ce que cela signifie pour un modèle d’être plus efficace ou plus « économique » ?
Cela signifie que le modèle peut générer des résultats comparables à des modèles plus grands et plus coûteux, mais en utilisant moins de ressources informatiques et énergétiques. Cela a également un effet sur le temps moyen nécessaire au modèle pour générer la réponse, ou latence.
Comment GPT-4o mini se compare-t-il à GPT-4 ?
GPT-4o mini est une version plus efficace de GPT-4o, conçue pour offrir des performances similaires avec un coût de calcul inférieur. Tout cela pour obtenir des performances juste inférieures au modèle le plus grand et le plus complexe.
Quel est l’avantage des « petits » modèles de langage, comme GPT-4o mini ?
Les petits modèles comme le GPT-4o mini permettent une démocratisation accrue de la technologie de l’IA. Ayant moins de paramètres, le modèle peut générer des réponses plus rapidement, ce qui est crucial pour les applications en temps réel.
De plus, les coûts de formation et de déploiement sont inférieurs, ce qui rend la technologie plus viable pour un plus large éventail d’applications commerciales et académiques.
Enfin, une moindre consommation d’énergie contribue à une réduction de l’impact environnemental, ce qui constitue un facteur important dans la mise en œuvre de technologies à grande échelle.
GPT-4o mini et plusieurs appels API
Cette nouvelle IA d’OpenAI prend en charge plusieurs appels API, ce qui se traduit par une faible latence et la possibilité d’effectuer plusieurs tâches en parallèle.
Actuellement, cette version plus légère et moins chère prend en charge le texte et la vision via l’API OpenAI et, dans un avenir proche, elle intégrera l’entrée et la sortie de texte, d’images, de vidéo et d’audio.
Le nouveau modèle mini GPT-4o est-il gratuit ?
Eh bien bien sûr oui, en fait il est venu remplacer GPT-3.5 dans les versions gratuites. En fait, comparé au GPT-3.5 turbo, il le bat dans tous les domaines, c’est donc une excellente nouvelle pour les utilisateurs gratuits.
Jusqu’à quelle date le GPT-4o mini est-il formé ?
Cette version gratuite de ChatGPT a été entraînée avec des données remontant à octobre 2023, selon Sam Altman, le PDG responsable d’OpenAI, l’entreprise développera ce nouveau modèle de langage.
GPT-4o mini, un nouveau modèle plus sûr
La sécurité est également travaillée dans la création de chaque modèle et ce nouveau modèle d’IA au raisonnement multimodal filtre davantage les discours de haine, les contenus pour adultes ou les contenus liés aux sites de spam, au même niveau que GPT-4o.
La mini API GPT-4o est la première à appliquer la hiérarchie d’instructions OpenAI qui contribue à améliorer la capacité du modèle à résister aux fuites d’informations, aux injections de messages et aux extractions de messages système.
This post is also available in: