Нові можливості для користувачів ChatGPT Pro: OpenAI випустила версію o3-pro

У вівторок компанія OpenAI оголосила про випуск нового версії своєї моделі симульованого міркування o3-pro для користувачів ChatGPT Pro і Team. Ця версія заміщує попередню o1-pro у виборі моделей. Крім того, OpenAI зменшила ціни на API для o3-pro на 87% в порівнянні з o1-pro, а ціни на o3 були знижені на 80%. Незважаючи на те, що “міркування” корисне для певних аналітичних завдань, нові дослідження ставлять під сумнів те, що саме означає це слово у контексті AI-систем.

Перш ніж заглибитися в сутність “міркування”, розгляньмо нововведення. Спочатку OpenAI випустила o3 (не-про) у квітні, однак модель o3-pro зосереджена на математиці, науці та програмуванні, а також має нові можливості, такі як веб-пошук, аналіз файлів, аналіз зображень та виконання Python-коду. Оскільки ці інтеграції уповільнюють час відповіді (довше, ніж у o1-pro), OpenAI радить використовувати цю модель для розв’язання складних задач, де важливіша точність, ніж швидкість. Проте, вони не обов’язково менше брешуть в порівнянні з моделями, що не виконують міркувань (в них все ще можуть виникати фактичні помилки), що є значним зауваженням при пошуку точних результатів.

Окрім повідомлених покращень у продуктивності, OpenAI оголосила про значну знижку для розробників. O3-pro тепер коштує $20 за мільйон токенів вводу та $80 за мільйон токенів виходу в API, що на 87% дешевше, ніж o1-pro. Компанія також знизила ціну стандартної моделі o3 на 80%.

Ці зниження цін відповідають на одну з основних проблем моделі міркування — їх високу вартість у порівнянні зі стандартними моделями. Оригінальна o1 коштувала $15 за мільйон токенів вводу та $60 за мільйон токенів виходу, тоді як o3-mini коштувала $1.10 за мільйон токенів вводу та $4.40 за мільйон токенів виходу.

Чому варто використовувати o3-pro?

На відміну від універсальних моделей, таких як GPT-4o, які пріоритизують швидкість, широкий обсяг знань і намагаються зробити користувачів задоволеними, o3-pro використовує процес міркування, орієнтуючись на детальне розв’язання складних завдань. Це робить її кращою для технічних викликів, що потребують глибшого аналізу. Проте, слід зазначити, що вона все ще не ідеальна.