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。

来自推特 @maKunugi

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：

来自推特 @moz_ai_tech

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/

文章来自于微信公众号“机器之心”，作者 “机器之心”