Bemutatjuk a GPT‑4.5‑öt
A legerősebb GPT modellünk kutatási előnézete. Elérhető a Pro felhasználók és fejlesztők számára világszerte.
Kiadásra kerül a GPT‑4.5 kutatási előnézete— az eddigi legnagyobb és legjobb modell a csevegéshez. A GPT‑4.5 előrelépés a betanítás előtti és utáni betanítás méretezésében. A felügyelet nélküli tanulás bővítésével a GPT‑4.5 javítja a minták felismerésére, kapcsolatok kialakítására és kreatív meglátások indoklás nélküli generálására vonatkozó képességét.
A korai tesztek azt mutatják, hogy a GPT‑4.5‑tel való interakció természetesebbnek érződik. Szélesebb tudásbázisa, jobb képessége a felhasználói szándék követésére és magasabb „EQ”-ja hasznossá teszi olyan feladatokhoz, mint az írás fejlesztése, a programozás és a gyakorlati problémák megoldása. Azt is várjuk, hogy kevesebb legyen a valótlan eredmény.
A GPT‑4.5‑öt kutatási előnézetként osztjuk meg, hogy jobban megértsük az erősségeit és a korlátait. Még most is próbáljuk feltérképezni, mire képes, és kíváncsian várjuk, hogy az emberek milyen, általunk nem várt módokon használják majd.
A mesterséges intelligencia képességeit két egymást kiegészítő paradigma skálázásával fejlesztjük: ezek a felügyelet nélküli tanulás és az indoklás. Ezek az intelligencia két tengelyét képviselik.
- A felügyelet nélküli tanulás növeli a világéretű modell pontosságát és az intuíciót. Az olyan modellek, mint a GPT‑3.5, GPT‑4 és GPT‑4.5 fejlesztik tovább ezt a paradigmát.
- Az indoklás kibővítése másrészt megtanítja a modelleket gondolkodni és gondolatláncot létrehozni, még mielőtt válaszolnának, lehetővé téve számukra, hogy összetett STEM vagy logikai problémákat oldjanak meg. Az OpenAI o1 és az OpenAI o3‑mini modellek fejlesztik tovább ezt a paradigmát.
A GPT‑4.5 egy példa a felügyelet nélküli tanulás skálázására a számítási kapacitás és az adatok növelésével, valamint az architektúra és az optimalizálási innovációk alkalmazásával. A GPT‑4.5‑öt a Microsoft Azure MI szuperszámítógépein képezték ki. Az eredmény egy olyan modell, amely szélesebb körű tudással rendelkezik és mélyebb megértéssel bír a világ iránt, ami kevesebb valótlan dologhoz és nagyobb megbízhatósághoz vezet számos témakörben.
A GPT paradigma kiterjesztése
Mélyebb ismeretek a világról
SimpleQA pontosság (minél magasabb, annál jobb)
SimpleQA valótlansági ráta (minél alacsonyabb, annál jobb)
A SimpleQA az LLM (nagy nyelvi modell) tényszerűségét méri egyszerű, de kihívást jelentő tudáskérdéseken.
Ahogy bővítjük modelljeinket, és ahogy egyre bonyolultabb problémákat oldanak meg, fontosabbá válik, hogy megtanítsuk őket az emberi szükségletek és szándékok mélyebb megértésére. A GPT‑4.5‑höz új, bővíthető technikákat fejlesztettünk ki, amelyek lehetővé teszik nagyobb és erősebb modellek betanítását kisebb modellekből származó adatokkal. Ezek a technikák javítják a GPT‑4.5 teljesítményét irányíthatóság, az árnyalatok megértése és a természetes beszélgetés.
Összehasonlító értékelések emberi tesztelők bevonásával
Az emberi preferencia a lekérdezések azon százalékos arányát méri, ahol a tesztelők a GPT‑4.5‑öt részesítették előnyben a GPT‑4o‑val szemben.
A világ mély megértésének és a jobb együttműködésnek az ötvözete egy olyan modellt eredményez, amely természetesen integrálja az ötleteket meleg és intuitív beszélgetésekbe, amelyek jobban igazodnak az emberekkel történő együttműködéshez. A GPT‑4.5 jobban érti, hogy mire gondolnak az emberek, és a finom jeleket vagy implicit elvárásokat nagyobb árnyaltsággal és „EQ”-val értelmezi. A GPT‑4.5 emellett erősebb esztétikai érzéket és kreativitást mutat. Kiváló segítség az írásban és a tervezésben.
Felhasználási esetek
GPT-4.5
A GPT‑4.5 nagyobb „EQ”-t mutat, és tudja, mikor érdemes további beszélgetést kezdeményezni, és mikor érdemes részletes információt adni a felhasználónak.
A GPT‑4.5 nem gondolkodik, mielőtt válaszol, ami különösen megkülönbözteti az erősségeit az olyan érvelési modellektől, mint az OpenAI o1. Az OpenAI o1 és az OpenAI o3‑mini modellekhez képest a GPT‑4.5 egy általánosabb célú, eredendően intelligensebb modell. Úgy véljük, hogy a következtetés a jövőbeli modellek alapvető képessége lesz, és hogy a két bővítési megközelítés – a betanítás és a következtetés – kiegészíti egymást. Ahogy az olyan modellek, mint a GPT‑4.5, a betanítás során okosabbá és tudásosabbá válnak, még erősebb alapot képeznek majd az indokláshoz és az eszközhasználó ügynökökhöz.
A modellek képességeinek minden növekedése egyben lehetőséget kínál a modellek biztonságosabbá tételére is. A GPT‑4.5‑öt új felügyeleti technikákkal képezték ki, amelyeket a hagyományos felügyelt finomhangolással (SFT) és az emberi visszajelzésekből származó megerősítéses tanulással (RLHF) kombinálnak, hasonlóan a GPT‑4.0‑nál alkalmazott módszerekhez. Reméljük, hogy ez a munka alapul fog szolgálni a még fejlettebb jövőbeli modellek összehangolásához.
Fejlesztéseink stressztesztelése érdekében a telepítés előtt egy sor biztonsági tesztet végeztünk, összhangban a Felkészültségi keretrendszerünkkel(új ablakban nyílik meg). Azt találtuk, hogy a GPT paradigma bővítése hozzájárult a képességek javulásához az értékeléseink során. Az értékelések részletes eredményeit a mellékelt rendszerkártyán tesszük közzé.
Mától a ChatGPT Pro felhasználók kiválaszthatják a GPT‑4.5‑öt a modellválasztóban weben, mobilon és asztali gépen. A Plus és Team felhasználók számára a következő héten indítjuk a bevezetést, majd az Enterprise és Edu felhasználók számára a rákövetkező héten.
A GPT‑4.5 a legfrissebb információkhoz fér hozzá kereséssel, támogatja a fájl- és képfeltöltéseket, és a canvas segítségével írást és kódolást is végezhet. Azonban a GPT‑4.5 jelenleg nem támogatja a multimodális funkciókat, mint például a hang mód, a videó és a képernyőmegosztás a ChatGPT‑ben. A jövőben azon dolgozunk, hogy egyszerűsítsük a felhasználói élményt, hogy a mesterséges intelligencia „egyszerűen csak működjön” neked.
A GPT‑4.5 előnézetét a Chat Completions API-ban, az Assistants API-ban és a Batch API-ban is bemutatjuk a fejlesztőknek minden fizetős felhasználási szinten(új ablakban nyílik meg). A modell támogatja az olyan kulcsfontosságú funkciókat, mint a funkcióhívás, a strukturált kimenetek, a streaming és a rendszerüzenetek. Emellett képbemenetekkel is támogatja a látási lehetőségeket.
Korai tesztelések alapján a fejlesztők különösen hasznosnak találhatják a GPT‑4.5‑öt olyan alkalmazásokban, amelyek profitálnak a magasabb érzelmi intelligenciájából és kreativitásából—például segítség az írásban, kommunikáció, tanulás, coaching és ötletelés. Erős képességeket mutat az ügynöki tervezésben és végrehajtásban is, beleértve a többlépcsős kódolási munkafolyamatokat és az összetett feladatok automatizálását.
A GPT‑4.5 egy nagyon nagy és számításigényes modell, ami miatt drágább mint a GPT‑4o, és nem helyettesíti azt. Ezért mérlegeljük, hogy hosszú távon folytassuk-e az API szolgáltatását, miközben egyensúlyozunk a jelenlegi képességek támogatása és a jövőbeli modellek fejlesztése között. Alig várjuk, hogy többet tudjunk meg az erősségeiről, képességeiről és potenciális alkalmazásairól a valós világban. Ha a GPT‑4.5 egyedi értéket nyújt a te felhasználási esetedre, a visszajelzésed(új ablakban nyílik meg) fontos szerepet játszik a döntésünk irányításában.
Minden új számítási nagyságrenddel új képességek jelennek meg. A GPT‑4.5 egy modell, amely a felügyelet nélküli tanulás lehetőségeinek határán van. A mai napig meglepődünk azon, milyen kreatívan fedezi fel a közösség az új képességeket és a váratlan felhasználási módokat. A GPT‑4.5‑tel arra invitálunk, hogy fedezd fel a felügyelet nélküli tanulás határvidékét, és tárd fel az új képességeket velünk.
Az alábbiakban bemutatjuk a GPT‑4.5 eredményeit a szabványos akadémiai mércék alapján mérve, bemutatva jelenlegi teljesítményét a hagyományosan az indoklással kapcsolatos feladatokban. Még a felügyelet nélküli tanulás egyszerű bővítésével is a GPT‑4.5 jelentős javulást mutat a korábbi modellekhez képest, mint például a GPT‑4o. Ennek ellenére várjuk, hogy teljesebb legyen a képünk a GPT‑4.5 képességeiről ennek a kiadásnak a segítségével, mert rájöttünk, hogy az akadémiai mércék nem mindig tükrözik a valós hasznosságot.
Modellértékelési pontszámok
GPT‑4.5 | GPT‑4o | OpenAI o3‑mini (high) | |
GPQA (tudomány) | 71,4% | 53,6% | 79,7% |
AIME '24 (matematika) | 36,7% | 9,3% | 87,3% |
MMMLU (multilingual) | 85,1% | 81,5% | 81,1% |
MMMU (multimodális) | 74,4% | 69,1% | - |
SWE-Lancer Diamond (kódolás)* | 32,6% 186 125 USD | 23,3% $138 750 | 10,8% $89,625 |
SWE-Bench Verified (kódolás)* | 38,0% | 30,7% | 61,0% |
*A feltüntetett számok a legjobb belső teljesítményt mutatják.
Szerzők
Alapvető közreműködők
Adam Goucher, Alex Paino, Ali Kamali, Amin Tootoonchian, Andrew Tulloch, Ben Sokolowsky, Clemens Winter, Colin Wei, Daniel Kappler, Daniel Levy, Felipe Petroski Such, Geoff Salmon, Ian O’Connell, Jason Teplitz, Kai Chen, Nik Tezak, Prafulla Dhariwal, Rapha Gontijo Lopes, Sam Schoenholz, Youlong Cheng, Yujia Jin és Yunxing Dai
Kutatások
Fő közreműködők
Aiden Low, Alec Radford, Alex Carney, Alex Nichol, Alexis Conneau, Ananya Kumar, Ben Wang, Charlotte Cole, Elizabeth Yang, Gabriel Goh, Hadi Salman, Haitang Hu, Heewoo Jun, Ian Sohl, Ishaan Gulrajani, Jacob Coxon, James Betker, Jamie Kiros, Jessica Landon, Kyle Luther, Lia Guy, Lukas Kondraciuk, Lyric Doshi, Mikhail Pavlov, Qiming Yuan, Reimar Leike, Rowan Zellers, Sean Metzger, Shengjia Zhao, Spencer Papay, Tao Wang
Közreműködők
Adam Lerer, Adrien Ecoffet, Aidan McLaughlin, Alexander Prokofiev, Alexandra Barr, Allan Jabri, Andrew Gibiansky, Andrew Schmidt, Casey Chu, Chak Li, Chelsea Voss, Chris Hallacy, Chris Koch, Christine McLeavey, David Mely, Dimitris Tsipras, Eric Sigler, Erin Kavanaugh, Farzad Khorasani, Huiwen Chang, Ilya Kostrikov, Ishaan Singal, Ji Lin, Jiahui Yu, Jing Yu Zhang, John Rizzo, Jong Wook Kim, Joyce Lee, Juntang Zhuang, Leo Liu, Li Jing, Long Ouyang, Louis Feuvrier, Mo Bavarian, Nick Stathas, Nitish Keskar, Oleg Murk, Preston Bowman, Scottie Yan, SQ Mah, Tao Xu, Taylor Gordon, Valerie Qi, Wenda Zhou, Yu Zhang
Skálázás
Fő közreműködők
Alex Chow, Alex Renzin, Aleksandra Spyra, Avi Nayak, Ben Leimberger, Christopher Hesse, Duc Phong Nguyen, Dinghua Li, Eric Peterson, Francis Zhang, Gene Oden, Kai Fricke, Kai Hayashi, Larry Lv, Leqi Zou, Lin Yang, Madeleine Thompson, Michael Petrov, Miguel Castro, Natalia Gimelshein, Phil Tillet, Reza Zamani, Ryan Cheu Stanley Hsieh, Steve Lee, Stewart Hall, Thomas Raoux, Tianhao Zheng, Vishal Kuo, Yongjik Kim, Yuchen Zhang, Zhuoran Liu
Közreműködők
Alvin Wan, Andrew Cann, Andrew Codispoti, Antoine Pelisse, Anuj Kalia, Aaron Hurst, Avital Oliver, Brad Barnes, Brian Hsu, Chen Ding, Chen Shen, Cheng Chang, Christian Gibson, Christopher Berner, Duncan Findlay, Fan Wang, Fangyuan Li, Gianluca Borello, Heather Schmidt, Henrique Ponde de Oliveira Pinto, Ikai Lan, Jiayi Weng, James Crooks, Jos Kraaijeveld, Junru Shao, Kenny Hsu, Kenny Nguyen, Kevin King, Leah Burkhardt, Leo Chen, Linden Li, Lu Zhang, Mahmoud Eariby, Marat Dukhan, Mateusz Litwin, Miki Habryn, Natan LaFontaine, Pavel Belov, Peng Su, Prasad Chakka, Rachel Lim, Rajkumar Samuel, Renaud Gaubert, Rory Carmichael, Sarah Dong, Shantanu Jain, Shuaiqi Xia, Stephen Logsdon, Todd Underwood, Tony Zhao, Weixing Zhang, Will Sheu, Weiyi Zheng, Yinghai Lu, Yunqiao Zhang
Biztonsági rendszerek
Andrea Vallone, Andy Applebaum, Cameron Raymond, Chong Zhang, Dan Mossing, Elizabeth Proehl, Eric Wallace, Evan Mays, Grace Zhao, Ian Kivlichan, Irina Kofman, Joel Parish, Kevin Liu, Keren Gu-Lemberg, Kristen Ying, Lama Ahmad, Lilian Weng, Leon Maksin, Leyton Ho, Meghan Shah, Michael Lampe, Michele Wang, Miles Wang, Olivia Watkins, Phillip Guo, Samuel Miserendino, Sam Toizer, Sandhini Agarwal, Tejal Patwardhan, Tom Dupré la Tour, Tong Mu, Tyna Eloundou és Yunyun Wang
Alkalmazás
Adam Brandon, Adam Perelman, Adele Li, Akshay Nathan, Alan Hayes, Alfred Xue, Alison Ben, Alec Gorge, Alex Guziel, Alex Iftimie, Ally Bennett, Andrew Chen, Andy Wang, Andy Wood, Angad Singh, Anoop Kotha, Antonia Woodford, Anuj Saharan, Ashley Tyra, Atty Eleti, Ben Schneider, Bessie Ji, Beth Hoover, Bill Chen, Blake Samic, Britney Smith, Brian Yu, Caleb Wang, Cary Bassin, Cary Hudson, Charlie Jatt, Chengdu Huang, Chris Beaumont, Christina Huang, Cristina Scheau, Dana Palmie, Daniel Levine, Daryl Neubieser, Dave Cummings, David Sasaki, Dibya Bhattacharjee, Dylan Hunn, Edwin Arbus, Elaine Ya Le, Enis Sert, Eric Kramer, Fred von Lohmann, Freddie Sulit, Gaby Janatpour, Garrett McGrath, Garrett Ollinger, Gary Yang, Hao Sheng, Harold Hotelling, Janardhanan Vembunarayanan, Jeff Harris, Jeffrey Sabin Matsumoto, Jennifer Robinson, Jessica Liang, Jessica Shieh, Jiacheng Yang, Joel Morris, Joseph Florencio, Josh Kaplan, Kan Wu, Karan Sharma, Karen Li, Katie Pypes, Kendal Simon, Kendra Rimbach, Kevin Park, Kevin Rao, Laurance Fauconnet, Lauren Workman, Leher Pathak, Liang Wu, Liang Xiong, Lien Mamitsuka, Lindsay McCallum, Lukas Gross, Manoli Liodakis, Matt Nichols, Michelle Fradin, Minal Khan, Mingxuan Wang, Nacho Soto, Natalie Staudacher, Nikunj Handa, Niko Felix, Ning Liu, Olivier Godement, Oona Gleeson, Philip Pronin, Raymond Li, Reah Miyara, Robert Xiong, Rohan Nuttall, R.J. Marsan, Sara Culver, Scott Ethersmith, Sean Fitzgerald, Shamez Hemani, Sherwin Wu, Shiao Lee, Shuyang Cheng, Siyuan Fu, Spug Golden, Steve Coffey, Steven Heidel, Sundeep Tirumalareddy, Tabarak Khan, Thomas Degry, Thomas Dimson, Tom Stasi, Tomo Hiratsuka, Trevor Creech, Uzair Navid Iftikhar, Victoria Chernova, Victoria Spiegel, Wanning Jiang, Wenlei Xie, Yaming Lin, Yara Khakbaz, Yilei Qian, Yilong Qin, Yo Shavit és Zhi Bie
Vezetői csapat
Aidan Clark, Bob McGrew, David Farhi, Greg Brockman, Hannah Wong, Jakub Pachocki, Johannes Heidecke, Joanne Jang, Kate Rouch, Kevin Weil, Lauren Itow, Liam Fedus, Mark Chen, Mia Glaese, Mira Murati, Nick Ryder, Sam Altman, Srinivas Narayanan és Tal Broda