剛剛，GPT-4o mini版迎來“高光時(shí)刻”——
登頂了lmsys大模型競(jìng)技場(chǎng)，和滿血版并列第一，還把Claude3.5甩在了身后。
不同于一般的數(shù)據(jù)集測(cè)評(píng)，大模型競(jìng)技場(chǎng)是用戶自己出題、用腳投票的結(jié)果，無法通過“刷題”來走捷徑，因此更為真實(shí)。
這個(gè)成績(jī)一出，連CEO奧特曼都激動(dòng)起來了:
網(wǎng)友看到之后表示OK，但更關(guān)心的還是GPT-4o發(fā)布會(huì)上演示的“Her”到底啥時(shí)候上線。
與此同時(shí)，OpenAI也送來了另一個(gè)好消息，將為開發(fā)者送出福利——
GPT-4o mini的微調(diào)將逐步開放，目前已開放給tier4和tier5用戶，然后會(huì)陸續(xù)擴(kuò)展范圍。
而且從即日起到9月23號(hào)，每天都能免費(fèi)使用2百萬的訓(xùn)練token。
mini與滿血版平起平坐
經(jīng)過80多款模型上百萬輪的1v1比拼，GPT-4o mini在lmsys榜單上的成績(jī)與滿血版只差7分。
按照lmsys榜單的排法，這7分的差距沒有影響名次，把兩個(gè)型號(hào)算作了并列第一。
緊隨其后的是Claude3.5和Gemini家族，還有GPT-4的另外兩個(gè)版本。
如果我們查看GPT-4o mini的原始數(shù)據(jù)，會(huì)發(fā)現(xiàn)它0.6的平均勝率僅次于滿血版本。
單獨(dú)看兩者比拼的結(jié)果，同樣是打得不相上下。
之所以lmsys的成績(jī)受到關(guān)注，在于它擁有一套獨(dú)特的比拼方式——
不用數(shù)據(jù)集，而是讓用戶自己出題，隨機(jī)拉兩個(gè)模型1對(duì)1battle，然后選擇哪個(gè)模型表現(xiàn)更好。
在給出選擇之前，模型是匿名的，用戶也不知道是哪兩個(gè)模型正在比拼，如果模型自己說漏嘴則投票無效。
這樣得到的分?jǐn)?shù)更加真實(shí)，既避免了“刷題”獲取虛高分?jǐn)?shù)的可能，也更加接近用戶體驗(yàn)。
這個(gè)大模型競(jìng)技場(chǎng)，最近還登上了機(jī)器學(xué)習(xí)頂會(huì)ICML2024。
而且，lmsys的評(píng)測(cè)也非常受OpenAI的青睞，GPT-4o mini正式上線之前的早期版本，就曾化名為gpt-mini在其中打榜。
當(dāng)時(shí)就已經(jīng)排行第4，和GPT4-Turbo處在同一水平。
更早一些，GPT-4o上線之前也是化名gpt2-chatbot，在lmsys上搞起了測(cè)試。
不過也有人提出質(zhì)疑，表示雖然GPT-4o mini表現(xiàn)確實(shí)很好，但是要說它超過了Claude3.5sonnet就有些言過其實(shí)了。
有人更是直言，lmsys方法的完善性已經(jīng)開始瓦解，需要做出改變，否則將不再是一個(gè)有用的測(cè)試基準(zhǔn)。
“小模型”也卷起來了
mini版本的推出，主打的就是一個(gè)性價(jià)比。
每百萬輸入/輸出tokens，價(jià)格分別為15美分和60美分（約1.09/4.36人民幣），甚至還不到3.5Turbo的一半。
如果和兩年前GPT-3的text-davinci-003版（當(dāng)時(shí)最好的模型）相比，價(jià)格更是下降了99%。
而且除了把小模型開放給用戶，OpenAI還搞出了新鮮玩法——
在“超級(jí)對(duì)齊”團(tuán)隊(duì)的一篇遺作中，使用了參數(shù)量為大模型千分之一或百分之一的小模型，來對(duì)大模型進(jìn)行優(yōu)化。
實(shí)驗(yàn)中，大小兩個(gè)模型相互“博弈”，大模型需要不斷優(yōu)化調(diào)整自己的輸出，讓小模型相信自己說的是真話。
在這個(gè)“博弈”的過程中，大模型的能力得到了提升，在精度沒有明顯損失的情況下獲得了大幅度的可理解性提升。
除了OpenAI，其他公司也都紛紛搞起了小模型。
比如在GPT-4o mini之前，谷歌和Anthropic就分別推出了Gemini Flash和Claude3-Haiku。
甚至可以說，GPT-4o mini就是OpenAI對(duì)兩家的反擊，無論是性能還是價(jià)格都超越了這兩個(gè)模型。
在GPT-4o mini發(fā)布的同一周，抱抱臉Hugging Face，以及“歐洲OpenAI”Mistral都相繼推出了小號(hào)模型。
甚至蘋果也推出了自己的7B模型，而且一次性開源了全部訓(xùn)練過程和資源。
總之，在性能足以滿足使用需求的前提下，小模型無疑是一種更經(jīng)濟(jì)實(shí)惠的選擇。
同時(shí)，更小的規(guī)模也意味著有可能在端側(cè)運(yùn)行，在隱私保護(hù)等方面顯現(xiàn)出優(yōu)勢(shì)。
這樣就不難理解，“小”模型為什么也越來越卷了。