OpenAI حافظه مدل هوش مصنوعی تولید متن خود را ارتقا داد
شرکت OpenAI ضمن کاهش هزینه استفاده از برخی از مدل‌های هوش مصنوعی خود، قابلیت‌های جدیدی را برای مدل‌های تولید متن ارائه کرد.
با افزایش رقابت در بازار ابزارهای هوش مصنوعی مولد، شرکت OpenAI هم مدام مشغول بهینه‌سازی چت‌بات ChatGPT است و به‌تازگی قابلیت‌های جدیدی را به مدل‌های خود اضافه کرده. این شرکت همچنین هزینه استفاده از برخی از این مدل‌ها را کاهش داده است.
به گزارش تک‌کرانچ، OpenAI امروز از عرضه نسخه‌های جدید مدل هوش مصنوعی GPT-3.5-Turbo و GPT-4 خبر داد. این مدل‌ها قابلیتی موسوم به فراخوانی تابع دارند که به توسعه‌دهندگان نرم‌افزارها اجازه می‌دهد تا توابع برنامه‌نویسی را برای هوش مصنوعی توصیف کنند. سپس این مدل‌ها خودشان کد مربوط به این اجرای این توابع را می‌نویسند.
OpenAI همچنین از نسخه تازه‌ای از مدل GPT-3.5-Turbo پرده برداشته است که پنجره پس‌زمینه بسیار بزرگ‌تری دارد. این پنجره با واحد توکن یا تکه‌های خام متن اندازه‌گیری میشود. این واحد به متنی اشاره می‌کند که مدل هوش مصنوعی پیش از تولید محتوا آن را در نظر می‌گیرد. مدل‌هایی که پنجره پس‌زمینه کوچکی دارند، حتی نمی‌توانند جدیدترین مکالمات را به‌خاطر بسپارند و درنتیجه به‌راحتی از موضوع گفت‌وگو خارج می‌شوند.
نسخه جدید GPT-3.5-Turbo با افزایش دوبرابری هزینه، می‌تواند چهار‌برابر بیشتر از نسخه عادی GPT-3.5-Turbo پس‌زمینه محتوایی نگه دارد (16 هزار توکن). این شرکت ادعا می‌کند که این مدل در یک عملیات می‌تواند حدود 20 صفحه متن را پردازش کند.
OpenAI هزینه استفاده از برخی مدل‌های خود را کاهش داد
با عرضه این مدل جدید، هزینه استفاده از مدل قبلی GPT-3.5-Turbo حدود 25 درصد کاهش می‌یابد. توسعه‌دهندگان حالا می‌توانند به‌ازای هر 1000 توکن ورودی، تنها 0.0015 دلار و به‌ازای هر 1000 توکن خروجی، 0.002 دلار پول بپردازند. این یعنی هزینه پردازش هر 700 صفحه به حدود 1 دلار می‌رسد.
قیمت مدل جاسازی متن Text-embedding-ada-002 نیز کاهش پیدا کرده است. این مدل ارتباط میان واژگان را در نظر می‌گیرد و معمولاً برای جستجو (رده‌بندی نتایج براساس نزدیکی محتوا به عبارت جستجوشده) و پیشنهاد (پیشنهاد آیتم‌هایی که متن مرتبط دارند) استفاده میشود.
هزینه استفاده از Text-embedding-ada-002 حالا با کاهش 75 درصدی به‌ازای هر 1000 توکن، به 0.0001 دلار رسیده است. OpenAI می‌گوید این کاهش هزینه را با افزایش بهره‌وری در سیستم‌های خود ممکن کرده است.