OpenAI、開発者向けGPTチャットボットAPIのメジャーアップデートを発表、価格を値下げ

OpenAI、開発者向けGPTチャットボットAPIのメジャーアップデートを発表、価格を値下げ

6月14日、OpenAIは大規模言語モデルAPI(GPT-4およびgpt-3.5-turboを含む)のメジャーアップデートを発表しました。これには関数呼び出し機能の追加、使用コストの削減、gpt-3.5-turboモデルの16,000トークンバージョンの提供が含まれます。

大規模言語モデル(LLM)は、自然言語を処理できる人工知能技術です。その「コンテキストウィンドウ」は、入力内容やチャットボットの会話内容を保存できる短期メモリに相当します。コンテキスト ウィンドウのサイズを増やすことは言語モデルにおける技術的な競争となっており、Anthropic は最近、Claude 言語モデルが 75,000 トークンのコンテキスト ウィンドウ オプションを提供するようになったと発表しました。さらに、OpenAIはGPT-4の32,000トークンバージョンも開発していますが、まだ一般公開されていません。

OpenAI は、最大 16,000 トークンの長さの入力を処理できる「gpt-3.5-turbo-16k」という、gpt-3.5-turbo の新しい 16,000 コンテキスト ウィンドウ バージョンをリリースしました。つまり、一度に約 20 ページのテキストを処理できるということです。これは、モデルでより大きなテキスト ブロックを処理および生成する必要がある開発者にとって大きな改善点です。

この変更に加えて、OpenAI は少なくとも 4 つの主要な新機能を挙げています。

  • チャット補完APIに関数呼び出し機能を導入
  • GPT-4とgpt-3.5-turboの改良版で「より操縦しやすい」バージョン
  • 「ada」埋め込みモデルの価格を75%引き下げました
  • gpt-3.5-turboモデルの入力トークン価格を25%引き下げました

関数呼び出し機能により、開発者は外部ツールを呼び出したり、自然言語を外部 API 呼び出しに変換したり、データベースクエリを実行したりできるチャットボットを簡単に構築できます。たとえば、「次の金曜日にコーヒーを飲みたいかどうかを確認するために Anya にメールを送信する」のような入力を、「send_email (to: string, body: string)」のような関数呼び出しに変換できます。特に、この機能により、API ユーザーはこれまで実現が困難だった JSON 形式の出力を簡単に生成できるようになります。

「より制御可能」とは、LLM を希望どおりに動作させる方法に関する専門用語ですが、OpenAI は、新しい「gpt-3.5-turbo-0613」モデルには、「システム メッセージを介してより確実に制御」できる機能が含まれると述べています。システム メッセージは、API に入力される特別な種類の命令であり、「あなたはグレムリンです。あなたはミルクシェイクについてしか話しません」など、モデルに動作方法を指示します。

機能の向上に加えて、OpenAI はかなりのコスト削減も実現しました。特に、人気の gpt-3.5-turbo モデルのトークン価格が 25% 引き下げられました。つまり、開発者はこのモデルを 1,000 トークンあたり約 0.0015 ドル、1,000 トークンあたり約 0.002 ドルで使用できるようになり、これは 1 ドルあたり約 700 ページのテキストを処理するのに相当します。 gpt-3.5-turbo-16k モデルの価格は、1,000 トークンあたり 0.003 ドル、1,000 トークンあたり 0.004 ドルです。

さらに、IT Homeは、OpenAIが「text-embedding-ada-002」埋め込みモデルの価格も75%引き下げたことにも気づいた。埋め込みモデルは、コンピューターが単語や概念を理解し、自然言語を機械が理解できるデジタル言語に変換できるようにする技術であり、テキストの検索や関連コンテンツの推奨などのタスクにとって重要です。

OpenAI はモデルを常に更新しているため、古いモデルが永久に残ることはありません。同社は本日、gpt-3.5-turbo-0301やgpt-4-0314など、一部の旧バージョンモデルの廃止を開始したことも発表した。同社によれば、開発者は9月13日までこれらのモデルを引き続き使用できるが、それ以降は古いモデルは利用できなくなるという。 OpenAI の GPT-4 API はまだ待機リストにあり、完全には公開されていないことに注意する必要があります。

<<:  生成 AI: サイバーセキュリティにとっての恩恵か、それとも災いか?

>>: 

ブログ    
ブログ    

推薦する

MITが家中に設置できる紙のように薄いスピーカーを開発

MITのエンジニアたちは、あらゆる表面を音源に変えることができる紙のように薄いスピーカーを開発した...

フォーカス分析: 動画向けAIと画像向けAIの違い

[51CTO.com クイック翻訳] 画像処理と比較すると、ビデオから洞察を抽出したり、AI 技術を...

【受賞討論会】「スマート運用・保守」がトレンドに。運用・保守エンジニアは人工知能に置き換えられるのか?

特にインフラとして重要な役割を担うデータセンターにおいては、運用・保守は決して軽視できるものではなく...

GPT時代の学習アルゴリズム、線形モデルを実装するPytorchフレームワーク

今日は線形回帰モデルの実装を続けます。ただし、今回はすべての関数を自分で実装するのではなく、Pyto...

サイバーセキュリティの専門家が知っておくべきAI用語

人工知能の急速な発展により、私たちは第四次産業革命の真っ只中にいます。このデジタル時代において、サイ...

...

OpenAI エンジニア必読: 苦い教訓

OpenAIが動画生成モデルSoraをリリースしてから1週間が経ちましたが、その人気は衰えていません...

AIは追いつこうと努力しているが、5Gはカーブで追い越しつつある。トランプ氏が不安にならないわけがない。

[[263771]] 5Gの進歩に伴い、コスト面でも速度面でも、中国の5Gなしでは5Gを推進するの...

人工知能はまだ長い道のりを歩んでいる

過去2年間で、「スマートホーム」はほぼすべての家電メーカーが必ず話題にし、自社製品になくてはならない...

TFとPyTorchだけを知っているだけでは不十分です。PyTorchから自動微分ツールJAXに切り替える方法を見てみましょう。

現在のディープラーニング フレームワークに関しては、TensorFlow と PyTorch を避け...

ディープラーニングにも欠陥があり、同質のAIスタートアップ間の競争は熾烈になるだろう

[[186262]]この人工知能の波は急速に到来し、画像認識、音声認識、自動運転など、多くの難題を次...

私たちは皆、AIについて間違っていました! MIT教授が批判:データへの過度の焦点

ルイス・ペレス・ブレバは、マサチューセッツ工科大学 (MIT) の教授であり、MIT エンジニアリン...

Appleは、生成AIをiPhone上でローカルに実行できるようにするために、より多くの人材を採用している。

8月6日、今年初めから、生成型人工知能への熱狂がテクノロジー業界全体を席巻しているというニュースが...

...

Google GlassのDIY貧弱版、カスタムジェスチャーコントロール、Raspberry Piがまたもや新しい遊び方を開発

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...