GPT-4o API 的全新版本:性能与性价比的完美平衡
![GPT-4o API 的全新版本:性能与性价比的完美平衡](https://static001.geekbang.org/infoq/ad/add7953f49c00a4ad73c259ff11c95d9.jpeg)
5 月 13 日,OpenAI 发布了全新 ChatGPT 模型 GPT-4o,它在响应速度和多媒体理解上都有显著提升。在这篇文章中,我们将介绍 GPT-4o 的主要特点及其 API 集成方式。
什么是 GPT-4o?
GPT-4o 是 OpenAI 于 5 月 13 日发布的最新多模态 AI 模型,其中“4o”的“o”代表“omni”,意为“全能的”。与先前的 ChatGPT 不同,GPT-4o 能够处理文本、音频、图像和视频的数据交互。
![](https://static001.geekbang.org/infoq/a9/a94e786e4e803c591debd10ce859ea2e.png)
访问官网了解更多:https://openai.com/index/hello-gpt-4o/
GPT-4o 关键功能
更快速的响应时间
OpenAI 表示,GPT-4o 相较于前代模型在响应速度上有显著提升。以前的 GPT 模型在与人类对话时需要完成语音识别、文本生成和语音合成三个步骤,总延迟时间在 2.8~5.4 秒之间。而 GPT-4o 缩短了响应时间到 3.20 秒,几近实时交互。
更好的声音情感识别
以前的模型常常忽略说话者的语气和背景噪音。GPT-4o 改进了这点,它可以识别和理解音频中的情感标记,使得对话更加自然。
![](https://static001.geekbang.org/infoq/0d/0d6db8794879d02b7f14e04a75dbbe7c.png)
令牌使用量减少
GPT-4o 对多种语言(包括日语)的令牌使用进行了优化。例如,一段日语对话所需的令牌数从 37 减少到 24。因此,语言处理变得更加高效。
![](https://static001.geekbang.org/infoq/fc/fc9aeda382ec0382173331af48cd8de8.png)
免费使用基础功能
GPT-4o 发布后,原本付费的服务(如 GPT、GPT Store 和 GPT-4)均可免费使用。
提供桌面客户端
除了线上访问,现在 macOS 用户还可以通过桌面应用访问 ChatGPT,Windows 版本也将在今年下半年推出。
集成 GPT-4o API
将 GPT-4o 的功能集成到您的应用中,可以通过 API 接口非常方便地实现。那么如何使用 GPT-4o API 呢?
GPT-4o API 使用方法
根据 OpenAI 提供的信息,GPT-4o API 可以通过 Chat Completions API、Assistants API 和 Batch API 使用,支持文本和视觉数据的多模态输入。
GPT-4o API 特性
与旧版 API 相比,GPT-4o API 在以下几个方面有了改进:
更智能:在文本分析、推理和编程上有显著提升。
响应更快:响应速度是 GPT-4 Turbo 的两倍。
价格更低:输入和输出的费用比 GPT-4 Turbo 减少了一半。
速率限制提升:与 GPT-4 Turbo 相比,速率限制提高了五倍。
增强的视觉处理能力:优化了视觉处理。
更好的非英语语言处理:在处理非英语语言文本时更为高效。
GPT-4o API 定价
根据 OpenAI API 定价页面的信息,GPT-4o 文本输入和输出的成本为:
输入:5 美元 / 百万 Tokens
输出:15 美元 / 百万 Tokens
视觉处理的费用根据图像宽度和高度计算。
![](https://static001.geekbang.org/infoq/35/35cea073184694bfe23bdd3f6ffa3b05.png)
使用 JPEG-4o API 时的注意事项
使用或从旧版本切换到 GPT-4o API 时,请注意以下几点:
GPT-4o API 支持通过感知能力理解不含音频的视频,需要将视频转换成帧输入模型。
截至 2024 年 5 月 14 日,GPT-4o 不支持音频模式。
GPT-4o 不支持图像生成功能,建议继续使用 DALL-E 3 API。
OpenAI 建议目前使用 GPT-4 或 GPT-4 Turbo 的用户尝试 GPT-4o,评估其表现是否更优。
管理您的 API
GPT-4o API 的调试和管理至关重要。下面是 APIHub 中的 OpenAI 的接口文档。
![](https://static001.geekbang.org/infoq/4c/4c373a281ba9aa7d32eceb1020983289.png)
获取和使用 OpenAI API 密钥
要开始使用 GPT-4o API,你需要获取 OpenAI API 密钥。步骤如下:
1. 创建 OpenAI 账户
首先访问 OpenAI 官网并创建一个新账户。
![](https://static001.geekbang.org/infoq/ff/ff99be463bb23d4a63b15df4e87689fd.png)
2. 获取 API 密钥
登录账户后,访问 API 密钥页面并点击“Create new secret key”生成新的密钥。
![](https://static001.geekbang.org/infoq/fa/fa06c0f1de5275be8bbce562dca44208.png)
记录并安全存储你的 API 密钥,因为生成后无法再次查看。
测试和管理 GPT-4o API
Apifox 是测试和管理 GPT-4o API 的理想工具。它提供了一个 OpenAI API 项目,涵盖所有 OpenAI 提供的 API。
![](https://static001.geekbang.org/infoq/5e/5e4b12e32b9b5fb047a899741c56dc18.png)
选择左侧菜单中的每一项,开始使用 GPT-4o API。
![](https://static001.geekbang.org/infoq/72/728bbad20402638afec24505a836db31.png)
实战:将 GPT-4o API 与 Apifox 结合使用
访问 Apifox 上的 OpenAI API 项目,选择 Chat Completions API。根据 ChatGPT 规范,输入 HTTP 方法和端点 URL。
在“Body”选项卡中以 JSON 格式输入 ChatGPT 消息,将 "model":"gpt-4o"
包含在内。
![](https://static001.geekbang.org/infoq/7e/7e5be7cbd9c5364dde1e0d203a7fbf0d.png)
在“Headers”选项卡中添加授权参数,输入你的 ChatGPT API 密钥,然后点击“发送”按钮。
![](https://static001.geekbang.org/infoq/94/94dfe2184d466055cfff74b5d89003ed.png)
你可以在 Apifox 中将 OpenAI 的 API 密钥设置为环境变量,以简化后续操作。
![](https://static001.geekbang.org/infoq/a0/a023ed5cd7c4d2b7c93b7e5b06599897.png)
总结
本文介绍了 OpenAI 新推出的 GPT-4o 模型及其 API 集成方式:
速度更快
支持更多类型的输入
令牌使用量减少
更高性价比的 API 费用
改进的视觉和非英语文本处理能力
评论