代号「韭菜」？GPT-4o mini 入局大模型价格战，百万 tokens 只要一块钱！GPT-3.5 正式告别江湖..._gpt4o的token费用

从今天起，GPT-3.5 退出了历史舞台。

文 | 王启隆

出品丨AI 科技大本营（ID：rgznai100）

在全球开发者纷纷投向 Claude 和其他优秀模型的时候，OpenAI 终于动了！

今天凌晨，OpenAI 正式官宣了 GPT-4o mini，号称“迄今为止最具成本效益的小模型”。GPT-4o mini 在 MMLU（大规模多任务语言理解）测试中得分高达 82%，超越了同级别的其他小模型。目前它的定价方案是每处理一百万个 token 仅需 15 美分，约等于人民币的 1 块钱（按当前汇率应该是1.09）。

这一定价比之前的顶级模型便宜了一个数量级，比 GPT-3.5 Turbo 更是便宜了 60% 以上。而 OpenAI 的首席执行官 Sam Altman 在自己的 X 上也是感慨：两年前世界最好的模型还是 GPT-3（text-davinci-003），现在性能不仅提升了好几倍，价格也降到了原来的 1%。

据说，GPT-4o mini 在 OpenAI 的内部项目代号是「韭菜」，而此前发布的 GPT-4o 则被称为「海王星」和「大葱」。

至于 GPT-4o mini 的实际定位，其实是取代原本的“老古董” GPT-3.5 Turbo，成为客户端三大模型中的一员。

回想 2022 年 ChatGPT 横空出世，全世界从此记住了 GPT-3.5 这个名字。随着时间发展，国产的很多模型全面超越了 GPT-3.5，转而将 GPT-4 视为目标；国外的闭源模型如 Claude 在出到 3 代的时候就已经开始对标 GPT-4-Turbo，而造福世界的开源模型 Llama-3 更是以超越 GPT-3.5 作为宣传口径；再到最近的许多 2B、3B 的端侧模型（比如苹果自研的那个 3B 模型），都已经“以小博大”超越 GPT-3.5 了。

曾经震撼全世界、引领了 AI 对话这一全新交互范式的这款模型，终于在今天迎来了正式退役，颇有当年 Windows XP 风光大葬的感觉。

GPT-3.5 已经从客户端界面消失

不过，底下的用户和开发者如何看待这次发布呢？

部分“直抒胸臆”的评论，继续表达他们这几个月一直以来的诉求：“我们不要这些小更新，快把 GPT-5 放出来！”“做得很好，再接再厉。那请问 GPT-5 什么时候发布？”

还有人吐槽，GPT-4o mini 这个命名应该改一改。由于 GPT-4o 的“o”意味着“omni”（全能），所以这款新模型的全称就变成了“GPT-4 omni mini”，读起来像是咒语一样。

这个评论直接引起了 Sam Altman 本人的回复：“哈哈，我们会的。”

有许多用户仍在催 OpenAI 发布那个在今年春天惊艳了所有人的语音模式，而 Sam Altman 透露，这个月就会开启 Alpha 测试，随后再向公众发布。如果未来每个人都能用上 OpenAI 在春季演示中的那种实时交互 AI，那大家对 GPT-5 的期待想必会减少很多。

目前，OpenAI 欠的“债”有二月份的 Sora，五月份的 GPT-4o 语音模式和不知什么时候才会发布的 GPT-5。许多用户实在等了太久，已经逐渐消磨了热情，或是转向了其他更好用的模型，比如这篇《OpenAI 明明封的是中国 API，国外开发者却先转向了 Claude》就介绍了其中的一种情况。

更有开发者直接表示，这是他见过最冷清的一次 OpenAI 发布：

甚至还有人观察到，OpenAI 发布 GPT-4o mini 之后，现在相当于又多了一个可用的免费模型，个人用户给 ChatGPT Plus 充值的意愿逐渐下降，所以倒戈 Claude 的反而变得更多了……

总而言之，还是让我们先进一步了解 GPT-4o mini 的具体水平，看看它在变便宜之后，还具备多少的性能。

“中杯”竟比“大杯”强？

今天稍早的时候，彭博社等外媒就已经等不及 OpenAI 的官宣，抢先剧透了一些内容。他们报道：“OpenAI 表示，GPT-4o mini 是该公司第一个使用其开发的全新安全策略的 AI 模型，称为”指令层次结构”（“The Instruction Hierarchy”）。这应该也是自超级对齐团队解散、Ilya 离职创业、前陆军将军进入高层等一系列事件以来，OpenAI 首次在产品层面公布了他们后续的安全策略。

据 OpenAI 官方介绍，超过 70 名社会心理学和错误信息等领域的外部专家对 GPT-4o 进行了测试，以识别潜在风险，这些专家评估的见解有助于提高 GPT-4o 和 GPT-4o mini 的安全性。

再回到接下来要介绍的重点：性能。

首先，还是难倒全世界 AI 的那个经典问题 —— 9.11 和 9.9 哪个大？

先问 GPT-4o，还是和以前一样的答案 + 一段歪理，让人怀疑是不是“弱智吧”的数据不小心喂太多了。

再换成 GPT-4o mini 问一下，生成答案的速度超级快 —— 别问对不对，反正就是很快！值得一提的是，答案也变得非常精炼。

为了直观感受 GPT-4o mini 的速度，请看以下动图：

这要是换成 GPT-4o，那别说动图了，视频都得录一分钟。

目前，GPT-4o mini 在 API 中已经支持文本和图像处理功能。未来，OpenAI 计划进一步扩展其能力，使其能够处理文本、图像、视频和音频等多种输入和输出。这个模型的上下文窗口高达 128K 个标记，每次请求可以生成最多 16K 个标记的输出，其知识库更新至 2023 年 10 月。得益于与 GPT-4o 共享的改进版分词器，GPT-4o mini 在处理非英语文本时的效率更高，成本更低。

在文本智能和多模态推理的学术基准测试中，GPT-4o mini 的表现超越了 GPT-3.5 Turbo 和其他小型模型。它支持与 GPT-4o 相同范围的语言处理能力。此外，GPT-4o mini 在函数调用方面表现出色，这使得开发者能够构建可以获取数据或与外部系统交互的应用程序。与 GPT-3.5 Turbo 相比，它在处理长文本上下文时的性能也有显著提升。

OpenAI 在官方博客中放出了关键基准测试的结果，处处对标谷歌的 Gemini Flash 和 Anthropic 的 Claude Haiku：

推理能力：在涉及文本和视觉的推理任务中，GPT-4o mini 表现优异。在 MMLU 测试中，GPT-4o mini 的得分达到了 82.0%，远超 Gemini Flash 的 77.9% 和 Claude Haiku 的 73.8%。

数学和编程能力：GPT-4o mini 在数学推理和编程任务上的表现尤为出色，超越了市面上其他小型模型。在 MGSM（数学推理能力测试）中，GPT-4o mini 得分高达 87.0%，而 Gemini Flash 和 Claude Haiku 分别只有 75.5% 和 71.7%。在 HumanEval（编程能力测试）中，GPT-4o mini 的得分为 87.2%，同样大幅领先于 Gemini Flash 的 71.5% 和 Claude Haiku 的 75.9%。

多模态推理：在 MMMU（多模态推理评估）测试中，GPT-4o mini 也展现出强大的实力，得分为 59.4%，超过了 Gemini Flash 的 56.1% 和 Claude Haiku 的 50.2%。

在 ChatGPT 中，免费、Plus 和 Team 用户从今天开始将能够访问 GPT-4o mini，取代 GPT-3.5。企业用户也将从下周开始获得访问权限。GPT-4o mini 现在可作为文本和视觉模型在 Assistants API、Chat Completions API 和 Batch API 中使用。具体的定价方案如下：

• GPT-4o mini 的输入 token 价格为 0.15 美元 / 1M；输出 token 价格为 0.6 美元 / 1M。

• 相比之下，此前的 GPT-4o 模型输入 token 价格为 5 美元 / 1M，输出 token 价格为 15 美元 / 1M，价格差异非常大。

• 而 GPT-3.5 Turbo 的最后一个版本 gpt-3.5-turbo-0125 定价为输入 0.5 美元 / 1M，输出 1.5 美元 / 1M。

• 此外，使用 Batch API 可以将 token 价格降低一半。例如，使用 Batch API 时，GPT-4o mini 的输入 token 价格降至 0.075 美元 / 1M，输出 token 价格降至 0.3 美元 / 1M。

OpenAI 计划在未来几天推出 GPT-4o mini 的微调。下图则是由 Artificial Analysis 绘制的一张描述比较不同小型 AI 模型价格的图表，图表展示了各种模型的综合价格（包括输入和输出 token 的成本）。

Karpathy：以后都应该卷小模型！

今天，还有一个相当“应景”的推文，便是先前宣布创业的 AI 大神 Andrej Karpathy 在看到 GPT-4o mini 的发布之后，第一时间发表了他的想法：“大模型正在变得更小，而这种小型但高效的模型将代表着 AI 发展的新方向”。

从最早微软发表“小模型”的观点开始，法国出现了一个明星独角兽 Mistral，引起了一波压缩模型的热潮，国内也有面壁智能这类专攻“高效”小模型的公司，目前 AI 圈已经逐渐形成了共识，而 Karpathy 的话则是为其进行了一份完美的总结。

大语言模型（LLM）的规模竞争正在向一个意想不到的方向发展——变得更小！我预测，我们将看到体积极小但能够非常出色且可靠地“思考”的模型。甚至可能只需调整 GPT-2 的参数设置，大多数人就会认为它很“聪明”。

那么，为什么现在的模型体积如此庞大呢？这是因为我们在训练过程中还不够高效。我们要求模型记住整个互联网的内容，而令人惊讶的是，它们真的做到了。它们甚至能够背诵常见数字的 SHA 哈希值（一种复杂的加密算法生成的固定长度字符串），或者回忆极其冷门的事实。实际上，大语言模型在记忆能力上远超人类，有时只需一次学习就能长期记住大量细节。

想象一下，如果你要参加一场考试，考官给你一段话的开头，要求你默写出互联网上的任意段落，这就是当前模型的标准训练目标。之所以难以做得更好，是因为在训练数据中，模型的思考能力和知识储备是密不可分的。因此，模型必须先变大才能变小，因为我们需要它们的自动化帮助来重构和优化训练数据，使之成为理想的、人造的格式。

这是一个循序渐进的改进过程：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”。当我们用这个完美的训练集来训练 GPT-2 时，按照今天的标准，它将会是一个非常强大和智能的模型。也许它在 MMLU 上的分数会稍低一些，因为它可能不会完美地记住所有的化学知识。也许它需要偶尔查阅资料来确保信息的准确性。但总的来说，这种小型但高效的模型将代表着 AI 发展的新方向。

这条推文自然是引起了激烈讨论，甚至让马斯克在底下评论了一句：“对，特斯拉在现实世界的人工智能领域也在干同样的事情。” 可谓是打了波广告。

又双叒叕是华人天团？

在 OpenAI 的官方博客文末，介绍了这款模型的负责人 Jacob Menick, Kevin Lu, Shengjia Zhao, Eric Wallace, Hongyu Ren, Haitang Hu, Nick Stathas, Felipe Petroski Such 和项目负责人 Mianna Chen。

Kevin Lu 是 OpenAI 的应用研究科学家，2021 年毕业于加州大学伯克利分校，当时他和 Pieter Abbeel 与 Igor Mordatch 合作研究强化学习和序列建模。Lu 在 X 上转发了“大模型竞技场” lmsys 的庆祝新闻，用早期测试版本的 GPT-4o mini 在竞技场 PK 的结果侧面印证了其性能水平：和 Gemini-1.5-pro-API-0409-Preview 与 GPT-4-Turbo-2024-04-09 并列第四。

Shengjia Zhao 在 OpenAI 从事大型语言模型的训练和对齐工作。他本科毕业于清华大学，是斯坦福大学计算机科学系 Stefano Ermon 指导的博士生，期间在做不确定性量化和生成模型的研究。在 X 上，Zhao 分享了一个观点：“人工智能每年在相同能力的情况下降低 10 倍的成本。”

Hongyu Ren 是 OpenAI 的研究科学家，致力于探索 ChatGPT。他毕业于斯坦福大学，获计算机科学博士学位，本科毕业于北京大学，获计算机科学荣誉学士学位。曾获得苹果博士奖学金、百度博士奖学金、Masason 基金会奖学金。在教学方面，曾担任多个课程的助教。Ren 的期望是 GPT-4o mini 能在未来解锁更多的下游应用。

Haitang Hu 曾在谷歌从事 LLM 服务基础设施与编排、LLM 训练基础设施等方面的工作，现在来 OpenAI 成为技术人员。教育经历包括 2014 - 2016 年在约翰霍普金斯大学获得计算机科学硕士学位，2007 - 2011 年在同济大学获得学士学位。

项目负责人 Mianna Chen，她的工作经历比较丰富，去年 12 月才加入 OpenAI 担任研究项目经理。此前她曾在 DeepMind 担任产品经理共 1 年 11 个月，在 Two Sigma 担任产品经理达 1 年 7 个月，在 Google 有不同职位的工作经历，还在 Gobble 担任过 Head of Operations 共 4 个月。

Eric Wallace 在 OpenAI 的工作是使下一代大型语言模型更值得信赖、更强大且更注重隐私。他目前正在加州大学伯克利分校完成博士学位，导师是 Dan Klein 和 Dawn Song。

此前，Wallace 曾在五月份的 ICLR 上分享过前文所提及的 OpenAI 最新安全策略，”指令层次结构”。

Nick Stathas 自称是“有雄心且表现出色”的工程师，在高性能计算、机器学习、自动驾驶汽车和嵌入式系统方面有经验，曾经为汽车编写代码，并参加过各种比赛，如 Indy Autonomous Challenge、Roborace、Formula Student Driverless 和 FSAE Electric 。

Felipe Petroski Such，这位是 2020 年 7 月就在 OpenAI 的老员工，此前还是 Uber 的研究科学家。他于 2012 - 2017 年在罗切斯特理工学院攻读计算机工程（BS/MS）专业。在纽约州罗切斯特地区，2014 年 1 月至 2016 年 5 月担任教学助理，协助学生、给报告和代码评分；2016 年 6 月至 2017 年 5 月担任研究助理，研究深度学习在文档理解方面的应用，包括分类、分割和智能字符识别。

和以前的不少 AI 项目一样，这次 GPT-4o mini 的团队有许多华人面孔，还聚集了清华、北大、同济等国内名校的校友，相当强劲。

最后是 Jacob Menick，2022 年 GPT-3.5 刚发布的时候，致谢名单就有他的名字。他于 2015 年 9 月入职 DeepMind，2022 年 9 月入职 OpenAI 至今，主要研究大模型、多模态模型、神经网络架构和生成模型。

在 X 上，他庆祝了 GPT-4o mini 的发布，欢迎开发者使用，顺带吐槽了这款模型的名字，让大家像绕口令一样读五遍。

旧的不去，新的不来，GPT-3.5 正式告别江湖，不知 GPT-5 会在什么时候亮相呢？

大模型刷新一切，让我们有着诸多的迷茫，AI 这股热潮究竟会推着我们走向何方？面对时不时一夜变天，焦虑感油然而生，开发者怎么能够更快、更系统地拥抱大模型？《新程序员 007》以「大模型时代，开发者的成长指南」为核心，希望拨开层层迷雾，让开发者定下心地看到及拥抱未来。

读过本书的开发者这样感慨道：“让我惊喜的是，中国还有这种高质量、贴近开发者的杂志，我感到非常激动。最吸引我的是里面有很多人对 AI 的看法和经验和一些采访的内容，这些内容既真实又有价值。”

能学习到新知识、产生共鸣，解答久困于心的困惑，这是《新程序员》的核心价值。欢迎扫描下方二维码订阅《新程序员》年卡，享受纸书和电子书双重体验。

注：头图由 DALL·E 生成