打造ChatGPT平替，成本暴降95%！OpenAI硬核更新下月发布，视觉API要来

文章来源：量子位

编辑：桃子 好困

为了吸引更多开发者，OpenAI正在计划一波重大更新，并且让构建ChatGPT应用的成本降低多达20倍！

天下开发人员，苦OpenAI模型价格久矣。

路透爆料称，在11月6日首届开发者大会上，OpenAI将推出年度重磅更新：

在开发工具中增加内存存储（memory storage）功能，让API成本大幅降价95%。

也就是说，开发者苦等的福音终于来了，未来能够以更低成本、更快速度用GPT模型构建应用。

另外，OpenAI还计划推出「视觉」能力加持的全新开发工具。

这样，开发者可以构建「分析图像」和「描述图像」更强大的应用。

这些新功能的开放，最终指向着一个共同的目标：构建大模型加持的AI智能体。

OpenAI此举正沿着Sam Altman设想一步步推进，不仅在用户中打开市场，同时还要成为一个提供热门开发者平台的公司。

OpenAI把价格打下来了

去年11月，ChatGPT横空出世，吸引了全球数亿人使用，创下消费级应用用户数增长里程碑。

除了网页版，ChatGPT还推出了iOS版，以及安卓版程序。

这样客观的下载量，将为OpenAI带来一些盈利。内部高管预计，今年将带来2亿美元的收入，24年将有10亿美元到账。

可见，ChatGPT在消费者群里中已经打下了江山，但在开发圈子里，让开发者基于OpenAI技术构建业务，却面临重重挑战。

在首席执行官Altman看来，让OpenAI成为其他构建应用程序公司不可或缺的一部分，是公司的战略目标之一。

他与开发者会面，急切地表达基于OpenAI模型构建新生态系统的愿望。

目前，GPT模型能力已经融入到了，美版「饿了么」DoorDash、写作助手Jasper等无数应用程序中。

但，这还远远不够。

6月，Sam Altman在AI开发平台Humanloop的首席执行官采访中，曾透露了自家的未来产品路线图。

其中提到了一点是「有记忆的API」（Stateful API）——目前大部分token被浪费在上文的传输中，将来会有一个能够记住对话历史的API版本。

这恰恰与添加「内存存储」的想法不谋而合。增加这一功能可以优化成本的原因有以下几点：

• 新的缓存功能与LangChain的记忆链（Memory Chain）原理类似，可以将之前的对话历史转化为嵌入式向量进行存储。新的会话内容只需在增量标记中进行处理，而无需重新输入整个上下文。

- 预设的角色和功能也无需重新输入，只需进行相似性搜索即可。

• 在模型计算过程中，CUDA图形只需查看增量，而无需以历史聊天记录为基础，再次进行全局浏览。

简而言之，这将大大优化token数量。

所谓的「有记忆的API」的计划发布，能够使模型通过记住查询的对话历史，进而创建应用程序成本更低。

这可能会大大削减，开发人员需要支付API费用。

根据OpenAI官网上的定价，目前，用GPT-4处理一页文档可能需要10美分，具体取决于输入和输出的长度和复杂性。

另一个更新是视觉API，允许开发者构建可以分析图像的软件。

这也标志着，OpenAI继续向前推进多模态能力重要的一步，未来必定还会有音频、视频能力的加入。

抓住开发者， 在做了

为了吸引更多开发者，OpenAI也做出了很多努力。

去年，专门聘用了第一位负责建立OpenAI与开发者关系的工程师Logan Kilpatrick。

他常常会更新一些利好开发者的工具和内容。

微调用户界面现在支持在用户界面中进行端到端作业创建，无需代码即可启动作业。

还有，OpenAI即将发布OpenAI Python SDK的1.0版本。

发布API 使用情况仪表板的更新，有助于更清楚地了解哪些模型在推动使用情况，而且总体上应该更加可靠。

除此之外，可以看到OpenAI面向开发者，做了很多模型适配、用户界面等各种工作的优化。

而所有的这些，都是为了吸引更多开发者来付费使用OpenAI的模型。

根据PitchBook的数据，今年各家AI初创公司已经获得了超过200亿美元的投资。

虽然其中很多都依赖OpenAI提供的技术，但这些初创公司也在努力使它们使用的模型更加多样化，比如采用Llama这种开源方案。而这也使得OpenAI必须将自己与谷歌等资金雄厚的竞争对手区分开来。

据路透社报道，保持开发者的满意度一直是OpenAI的关注重点。

然而，即便ChatGPT在消费者中取得了巨大成功，但OpenAI在赢得其他公司或开发者的支持上，却并没有那么顺利。

比如备受期待的ChatGPT插件系统，在最初引发了一大波热潮之后，用户和开发者的兴趣便急剧下降。

随后Sam Altman也承认，插件并没有像想象中那样获得市场的认可。

价格一览

GPT-4

GPT-3.5 Turbo

微调模型

参考资料：