GPT-4o mini一手测评：懂得不多，但答得极快

昨晚，OpenAI突然上线新模型GPT-4o mini，声称要全面取代GPT-3.5 Turbo。

在性能方面，GPT-4o mini在MMLU上的得分为82%，在LMSYS排行榜的聊天方面分数优于GPT-4。

在价格方面，GPT-4o mini比之前的SOTA模型便宜一个数量级，商用价格是每百万输入token 15美分，每百万输出token 60美分，比GPT-3.5 Turbo便宜60%以上。

OpenAI表示，ChatGPT的免费版、Plus版和Team用户将能够从周四开始访问GPT-4o mini（其知识截至2023年10月），以代替GPT-3.5 Turbo，企业用户可以从下周开始访问。

目前，GPT-4o mini在WildBench测试上排名第九，优于谷歌的Gemini-flash以及Anthropic的Claude 3 Haiku。

在今天的凌晨的文章中，我们已经介绍了GPT-4o mini的一些基本情况（参见《GPT-4o Mini深夜突发：即刻免费上线，API降价60%》）。在这篇文章中，我们将补充介绍模型的实际使用体验以及这份工作背后的研究者。

GPT-4o mini一手评测

在GPT-4o mini开放测试的第一时间，我们问了它一个最近比较热门的话题，9.11和9.9哪个大，很遗憾，GPT-4o mini依然没有答对，还一本正经地回答0.11>0.9。

接着我们在Poe（Quora开发的应用程序，已经集成了GPT-4o mini）中输入人物传记电影《Eno》的设计封面，让两个模型解读，结果mini翻车了。GPT-4o mini直接表示“自己认不出照片上的人。”

与之相对的，GPT-4o的回答就比较准确。“这张图片看起来像是一幅拼贴画，由一张照片的多个碎片组成，照片中是一位留着白胡子、身穿亮粉色衬衫的老人。这幅图由同一张照片的不同部分创造性地排列而成，产生了马赛克或拼图般的效果。照片中的男子表情若有所思，手抚摸着脸。”

接着我们又测试了另一个问题：在客厅的桌子上放着一个杯子，杯子里有一个戒指。这个杯子被移到了书房的桌子上，然后移到了卧室的床上。在那里，杯子被翻倒了一次，然后又恢复了原样。之后，杯子被放回了客厅的桌子上。那么，现在戒指在哪里呢？如果我们分开问，答案不一样，GPT-4o似乎更聪明点。

但是，如果我们一起发问，它们的答案又会变得雷同：

GPT-4o mini回答数学题的表现如何呢？机器之心用丘成桐少年班2024年选拔试题测试了一下它解决数学问题的能力。

虽然GPT-4o mini对问题的解读都比较清晰，但在分析过程中出现“胡言乱语”的逻辑错误，像极了上数学课根本听不懂但硬答的学生。

不过也不必着急，毕竟GPT-4o的回答更不理想，它甚至没有看懂数字表示的是正方形的边长。

在文字的总结能力上，GPT-4o mini与GPT-4o的能力不相上下。都能将重点信息进行抓取，但GPT-4o的回答更显条理。

不过主打“Faster for everyday tasks”的GPT-4o mini，响应速度确实对得起“Faster”之称。和它对话，几乎无需等待，输出速度也是快得离谱。

日本网友用GPT-4o mini搭建了一款AI聊天机器人，响应速度依然快得惊人。还有网友将GPT-4o和GPT-4o mini输出速度进行了对比，GPT-4o mini明显更快。

从大家体验效果上来看，GPT-4o mini主打一个字“快”，但实际使用体验可能还是差了一些。

作者介绍

随着GPT-4o mini的发布，很多人表示OpenAI又一次给大家带来了一点点震撼。其实，这背后是一群年轻的学者，还有多位华人的身影。

GPT-4o mini项目负责人是Mianna Chen。Mianna Chen于去年12月加入OpenAI，此前在谷歌DeepMind任产品主管。

她在普林斯顿大学获得学士学位，2020年获得宾夕法尼亚大学沃顿商学院MBA学位。

该项目的其他领导者还包括Jacob Menick、Kevin Lu、Shengjia Zhao、Eric Wallace、Hongyu Ren、Haitang Hu、Nick Stathas、Felipe Petroski Such。

Kevin Lu是OpenAI的一名研究员，2021年毕业于加州大学伯克利分校。曾与强化学习大牛Pieter Abbeel等人一起研究强化学习和序列建模。

Shengjia Zhao于2022年6月加入，现在是OpenAI的一名研究科学家，主攻ChatGPT。他的主要研究方向是大语言模型的训练和校准。此前，他本科毕业于清华大学，博士毕业于斯坦福大学。

Hongyu Ren在去年7月加入，现在是OpenAI的一名研究科学家，他还是GPT-4o的核心贡献者，并致力于GPT-Next的研究。Hongyu Ren本科毕业于北京大学、博士毕业于斯坦福大学。此前，他在苹果、谷歌、英伟达、微软等工作过。

Haitang Hu于去年9月加入OpenAI，曾任职于谷歌。他本科毕业于同济大学、硕士毕业于霍普金斯约翰大学。

Karpathy：模型变小是自然趋势

这次，OpenAI还是发了GPT-4的衍生模型。所以很多人还是会问：GPT-5啥时候来？

这个问题目前没有官方信息。但从OpenAI等AI巨头纷纷发布小模型的动作来看，小模型正在成为一个新战场。

OpenAI创始成员Karpathy对此表示，“LLM模型大小竞争正在加剧……但方向是相反的”！

我敢打赌，我们会看到非常小的模型，它们思考得非常好，而且非常可靠。甚至GPT-2参数的设置很可能会让大多数人认为GPT-2很智能。

当前模型如此之大的原因在于我们在训练过程中表现得很浪费——我们要求LLM记住互联网上的整个内容，令人惊讶的是，它们确实可以做到，例如背诵常用数字的SHA哈希值，或者回忆起非常深奥的事实。（实际上，LLM非常擅长记忆，比人类好得多，有时只需要一次更新就可以长时间记住很多细节）。

但想象一下，如果你要接受闭卷考试，考卷要求你根据前几句话背诵互联网上的任意段落。这是当今模型的（预）训练目标。想要做的更好，面临着一个难点，在训练数据中，思考的展示与知识“交织”在一起的。

因此，模型必须先变大，然后才能变小，因为我们需要它们（自动化）的帮助来重构和塑造训练数据，使其成为理想的合成格式。

这是一个改进的阶梯——一个模型帮助生成下一个模型的训练数据，直到我们得到“完美的训练集”。当你用GPT-2对其进行训练时，按照今天的标准，它会成为一个非常强大、智能的模型。也许它在MMLU（大规模多任务语言理解）方面会低一点，因为它不会完美地记住所有的细节。也许它偶尔需要查找一下，以确保信息的准确性。

按照Karpathy的说法，以后小模型会变得越来越多，越来越好用。这个领域的竞争会有多激烈？我们拭目以待。

参考链接：https://openai.com/index/gpt-4o-mini-advancing-cost-efficient-intelligence/

本文来自微信公众号：机器之心 （ID：almosthuman2014），作者：机器之心编辑部