Pasar al contenido principal
OpenAI

20 de agosto de 2024

Producto

GPT‑4o ya se puede optimizar

Optimiza versiones personalizadas de GPT‑4o para mejorar el desempeño y la precisión del modelo en tus aplicaciones.

Se muestra un cuadro abstracto con pinceladas que forman una suerte de cuadrícula en tonos cálidos (amarillo, naranja y rosa) intercalados con tonos fríos (azul y morado). Las líneas y los rectángulos crean un llamativo efecto de superposición.
Cargando...

Actualización del 8 de mayo de 2026: OpenAI está retirando gradualmente la plataforma de ajuste fino. Esta ya no estará disponible para nuevos usuarios, pero los usuarios actuales podrán crear trabajos de entrenamiento durante los próximos meses. Todos los modelos ajustados seguirán disponibles para inferencia hasta que sus modelos base queden obsoletos(se abre en una nueva ventana). El cronograma completo está disponible aquí(se abre en una nueva ventana).


Hoy lanzamos el ajuste fino para GPT‑4o, una de las funciones más solicitadas por los desarrolladores. También ofrecemos gratis 1 millón de tokens de entrenamiento al día para cada organización hasta el 23 de septiembre.

Los desarrolladores ahora pueden realizar ajustes finos en GPT‑4o con conjuntos de datos personalizados para lograr un mayor rendimiento a menor costo en sus casos de uso específicos. El ajuste fino permite personalizar la estructura y el tono de las respuestas del modelo, así como seguir instrucciones complejas específicas de un dominio. Los desarrolladores ya pueden lograr resultados sólidos para sus aplicaciones con apenas unas decenas de ejemplos en sus datos de entrenamiento.

Desde la programación hasta la escritura creativa, el ajuste fino puede tener un gran impacto en el rendimiento del modelo en diversos dominios. Esto es solo el comienzo: seguiremos invirtiendo en ampliar nuestras opciones de personalización de modelos para desarrolladores.

Cómo se usa

A partir de hoy, GPT‑4o ofrecerá una función de optimización a todos los desarrolladores que paguen por alguno de sus distintos niveles de uso(se abre en una nueva ventana).

Para empezar, ve al panel de control de optimización(se abre en una nueva ventana), haz clic en crear, y selecciona gpt-4o-2024-08-06 en el menú desplegable de modelos base. Optimizar GPT‑4o cuesta $25 por millón de tokens de entrenamiento, la inferencia tiene un costo de $3.75 por millón de tokens de entrada y $15 por millón de tokens de salida.

Por otra parte, GPT‑4o mini también dispone de una opción de optimización para todos los desarrolladores que paguen por alguno de sus niveles de uso. Visita el panel de control de optimización y selecciona gpt-4o-mini-2024-07-18 en el menú desplegable de modelos base. En el caso de GPT‑4o mini, ofrecemos 2 millones de tokens de entrenamiento por día de forma totalmente gratuita hasta el 23 de septiembre. 

Para informarte a fondo sobre cómo usar la funcionalidad de optimización, consulta nuestra documentación(se abre en una nueva ventana).

Optimizar GPT-4o con resultados de avanzada

En los últimos meses, hemos trabajado con varios socios de confianza probando la funcionalidad de optimización en GPT‑4o y aprendiendo de sus casos de uso particulares. Te presentamos algunos de los casos de éxito:

Cosine logra resultados de avanzada en la prueba de rendimiento SWE-bench

Genie de Cosine(se abre en una nueva ventana) es un asistente de ingeniería en software asistido por IA capaz de trabajar con total autonomía en la detección y resolución de errores de código, desarrollo de funciones y refactorización de código con la ayuda de los usuarios. Puede razonar problemas técnicos complejos y aplicar cambios en código programado con mayor precisión y menos tokens. Genie se basa en un GPT‑4o optimizado a partir de ejemplos laborales de ingenieros de software que le permitieron al modelo aprender a reaccionar de cierta manera. Además, está entrenado para poder producir formatos específicos, como parches que pueden agregarse fácilmente a bases de código. 

Según un anuncio⁠ hecho el martes pasado, Genie con los datos del modelo GPT‑4o optimizado logra una puntuación de avanzada (SOTA) del 43,8 % en la nueva prueba de rendimiento SWE-bench(se abre en una nueva ventana) Verified. Además, ha obtenido una puntuación SOTA del 30.08 % en SWE-bench Full, superando la de 19.27 % que había logrado anteriormente. Esta es la mejora más importante alcanzada hasta la fecha en esta prueba de rendimiento.

Distyl obtiene la mejor calificación en la prueba de rendimiento BIRD-SQL

Distyl(se abre en una nueva ventana), socio de soluciones de IA para empresas que integran la lista Fortune 500, hace poco pasó a ocupar el primer lugar en BIRD-SQL(se abre en una nueva ventana), la prueba de rendimiento líder para tareas de texto a consultas SQL. El GPT‑4o optimizado de Distyl logró una ejecución precisa del 71.83 % en la tabla de clasificación y resultados sobresalientes en tareas como la reformulación de consultas, la clasificación de intenciones, la cadena de pensamiento y la autocorrección, con un desempeño particularmente elevado en la generación de consultas SQL.

Se muestra la precisión de ejecución (EX) con un “rendimiento humano” del 92.96 %. Los modelos de IA que clasificaron por debajo son “Distillery + GPT-4o” (71.83 %), “ExSL + granite-34b-code” (70.37 %), “RECAP + Gemini” (69.03 %) y “ByteBrain” (68.87 %).

Privacidad y seguridad de los datos

Los modelos optimizados seguirán estando bajo el control de los usuarios, quienes tienen propiedad absoluta de sus datos empresariales, incluidas las entradas y salidas. Esto constituye una garantía de que los datos no se divulgan ni se usan para entrenar otros modelos.

En los modelos optimizados también implementamos varias medidas de seguridad paliativas para que no se utilicen indebidamente. Por ejemplo, llevamos a cabo evaluaciones de seguridad automatizadas de forma constante y supervisamos el uso de los modelos para garantizar que las aplicaciones cumplan con nuestras políticas de uso.

Queremos ver lo que logras optimizando GPT‑4o. Si deseas conocer más opciones de personalización del modelo, comunícate⁠ con nuestro equipo. Te ayudaremos con gusto.

Autores

Andrew Peng, John Allard y Steven Heidel

Agradecimientos

Adam Wells, Alec Gorge, Andrew Peng, Beth Hoover, Cary Hudson, Derek Chen, Dev Valladares, Elie Georges, Eric Wallace, Freddie Sulit, John Allard, Karen Li, Kevin Whinnery, Krithika Muthukumar, Lauren Workman, Leher Pathak, Lilian Weng, Lindsay McCallum, Lucy Chen, Michael Kolhede, Miles Brundage, Nick Pyne, Olivier Godement, Owen Cambpell-Moore, Pedro Aguilar, Ravi Teja Mullapudi, Scott Lessans, Sean Chang, Shyamal Anadkat, Steven Heidel, Tabarak Khan y Will Hang