OpenAI中文文档platform--模型Models

模型

OpenAI API 由一系列具有不同能力和价格点的模型驱动。您还可以通过微调来定制我们的模型，以适应您的特定用例。

旗舰模型

• GPT-4o
  我们的高智能旗舰模型，适用于复杂的多步骤任务。
• GPT-4o mini
  我们经济实惠且智能的小型模型，适用于快速、轻量级任务。
• o1-preview 和 o1-mini
  使用强化学习训练的语言模型，能够执行复杂的推理任务。
• GPT-4 Turbo 和 GPT-4
  之前一组高智能模型。
• GPT-3.5 Turbo
  快速、便宜的模型，适用于简单任务。
• DALL·E
  一个可以根据自然语言提示生成和编辑图像的模型。
• TTS
  一组可以将文本转换为自然听起来的语音的模型。
• Whisper
  一个可以将音频转换为文本的模型。
• Embeddings
  一组可以将文本转换为数字形式的模型。
• Moderation
  一个经过微调的模型，可以检测文本是否可能敏感或不安全。
• GPT base
  一组没有指令跟随能力的模型，能够理解和生成自然语言或代码。
• Deprecated
  一个完整的已弃用模型列表及其建议替代品。

对于 GPT 系列模型，上下文窗口是指在单个请求中可以使用的最大令牌数，包括输入和输出令牌。

我们还发布了一些开源模型，包括 Point-E、Whisper、Jukebox 和 CLIP。

持续模型升级

gpt-4o、gpt-4o-mini、gpt-4-turbo、gpt-4 和 gpt-3.5-turbo 指向各自的最新模型版本。您可以通过查看发送请求后的 响应对象 来验证这一点。响应将包括使用的特定模型版本（例如 gpt-3.5-turbo-1106）。chatgpt-4o-latest 模型版本持续指向 ChatGPT 中使用的 GPT-4o 的版本，并且会频繁更新。除了 chatgpt-4o-latest，我们提供的固定模型版本在更新模型引入后，开发人员可以继续使用至少三个月。

有关模型弃用的更多信息，请参见我们的 弃用页面。

GPT-4o

GPT-4o（“o”代表“全能”）是我们最先进的 GPT 模型。它是多模态的（接受文本或图像输入并输出文本），并且具有与 GPT-4 Turbo 相同的高智能，但效率更高——生成文本的速度快 2 倍，成本便宜 50%。此外，GPT-4o 在视觉和非英语语言的表现上优于我们所有的模型。GPT-4o 可在 OpenAI API 中供付费客户使用。了解如何在我们的 文本生成指南 中使用 GPT-4o。

GPT-4o mini

GPT-4o mini（“o”代表“全能”）是我们小型模型类别中最先进的模型，也是我们目前最便宜的模型。它是多模态的（接受文本或图像输入并输出文本），其智能高于 gpt-3.5-turbo，但速度相同。它旨在用于较小的任务，包括视觉任务。

我们建议在您之前使用 gpt-3.5-turbo 的地方选择 gpt-4o-mini，因为该模型更强大且更便宜。

o1 系列

o1 系列大型语言模型经过强化学习训练，能够执行复杂的推理。o1 模型在回答之前会进行思考，生成长的内部思维链，然后再响应用户。了解 o1 模型的能力和局限性，请参见我们的 推理指南。

目前有两种模型类型可用：

• o1-preview：旨在解决跨领域的难题的推理模型。
• o1-mini：较快且便宜的推理模型，特别擅长编码、数学和科学。

GPT-4 Turbo 和 GPT-4

GPT-4 是一个大型多模态模型（接受文本或图像输入并输出文本），能够以比我们之前的任何模型更高的准确性解决困难问题，这得益于其更广泛的知识和先进的推理能力。GPT-4 可通过 OpenAI API 提供给付费客户。与 gpt-3.5-turbo 类似，GPT-4 针对对话进行了优化，但在使用聊天补全 API 进行传统补全任务时表现良好。了解如何在我们的文本生成指南中使用 GPT-4。

对于许多基本任务，GPT-4 和 GPT-3.5 模型之间的差异并不显著。然而，在更复杂的推理情况下，GPT-4 的能力远超我们之前的任何模型。

多语言能力

GPT-4 在多种语言的表现上超越了之前的所有大型语言模型，并且截至 2023 年，超越了大多数最先进的系统（这些系统通常具有特定于基准的训练或手工工程）。在 MMLU 基准测试中，GPT-4 不仅在英语中的表现大幅领先于现有模型，而且在其他语言中也表现强劲。

GPT-3.5 Turbo

GPT-3.5 Turbo 模型能够理解和生成自然语言或代码，并已针对聊天进行了优化，使用 聊天完成 API，但在非聊天任务中也表现良好。截至 2024 年 7 月，gpt-4o-mini 应该取代 gpt-3.5-turbo，因为它更便宜、更强大、支持多模态，并且速度相同。gpt-3.5-turbo 仍可在 API 中使用。

DALL·E

DALL·E 是一个 AI 系统，可以根据自然语言描述创建逼真的图像和艺术作品。DALL·E 3 当前支持在给定提示的情况下创建特定大小的新图像。DALL·E 2 还支持编辑现有图像或创建用户提供图像的变体。

DALL·E 3 可通过我们的 图像 API 使用，此外还有 DALL·E 2。您可以通过 ChatGPT Plus 尝试 DALL·E 3。

TTS

TTS 是一个 AI 模型，可以将文本转换为自然听起来的语音。我们提供两种不同的模型变体，tts-1 针对实时文本到语音用例进行了优化，tts-1-hd 针对质量进行了优化。这些模型可以与 音频 API 中的语音端点 一起使用。

Whisper

Whisper 是一个通用的语音识别模型。它在大量多样化音频数据集上进行训练，还是一个多任务模型，可以执行多语言语音识别、语音翻译和语言识别。Whisper v2-large 模型目前可通过我们的 API 使用，模型名称为 whisper-1。

目前，开源版本的 Whisper 和通过我们的 API 提供的版本没有区别。然而，通过我们的 API，我们提供了优化的推理过程，这使得通过 API 运行 Whisper 的速度远快于其他方式。有关 Whisper 的更多技术细节，请 阅读论文。

Embeddings

嵌入是文本的数值表示，可用于测量两段文本之间的相关性。嵌入对于搜索、聚类、推荐、异常检测和分类任务非常有用。您可以在 公告博客文章 中阅读我们最新嵌入模型的更多信息。

Moderation

审核模型旨在检查内容是否符合 OpenAI 的 使用政策。这些模型提供分类能力，检查内容是否属于仇恨、自残、性内容、暴力等类别。了解有关文本和图像审核的更多信息，请参见我们的 审核指南。

GPT base

GPT 基础模型能够理解和生成自然语言或代码，但没有经过指令跟随训练。这些模型旨在替代我们的原始 GPT-3 基础模型，并使用传统的 Completions API。大多数客户应使用 GPT-3.5 或 GPT-4。

默认使用政策按端点

* 聊天完成：
- 通过 gpt-4o、gpt-4o-mini、chatgpt-4o-latest 或 gpt-4-turbo 模型（或之前的 gpt-4-vision-preview）的图像输入不符合零保留资格。
- 启用结构化输出时，提供的模式（作为 response_format 或函数定义中的模式）不符合零保留资格，但完成本身符合资格。

模型端点兼容性