OpenAI ने GPT-4 Turbo With Vision की घोषणा की: अब तक हम क्या जानते हैं

हाल के OpenAI DevDay में, संगठन ने एक लंबे समय से प्रतीक्षित घोषणा की: GPT-4 Turbo का परिचय, जो उनके क्रांतिकारी AI मॉडल में एक सुधार है। यहाँ, हम GPT-4 Turbo क्या है, इसकी प्रमुख विशेषताएँ, और यह डेवलपर्स व उपयोगकर्ताओं के लिए कैसे लाभकारी हो सकता है, इस पर विस्तृत नज़र डालते हैं।

अलग-अलग लेखों में, आप GPTs और ChatGPT स्टोर तथा Assistants API के बारे में और पढ़ सकते हैं, जिनकी घोषणा Dev Day में भी की गई थी।

GPT-4 Turbo क्या है?

GPT-4 Turbo, मौजूदा GPT-4 बड़े भाषा मॉडल का एक अपडेट है। यह कई सुधार लाता है, जिनमें संदर्भ विंडो का बड़ा विस्तार और अधिक ताज़ा ज्ञान तक पहुँच शामिल है। OpenAI ने कस्टम निर्देश, ChatGPT प्लगइन्स, DALL-E 3, और एडवांस्ड डेटा एनालिटिक्स जोड़कर ChatGPT में GPT-4 की क्षमताओं को धीरे-धीरे बेहतर किया है। यह नवीनतम अपडेट कई रोमांचक नई विशेषताएँ लाता है।

GPT-4 Turbo With Vision क्या है?

विज़न के साथ GPT-4 Turbo, GPT-4 Turbo का एक संस्करण है जिसमें ऑप्टिकल कैरेक्टर रिकग्निशन (OCR) की क्षमता शामिल है। यानी, आप इसे कोई छवि दे सकते हैं, और यह उस छवि में मौजूद किसी भी पाठ को वापस कर सकता है। उदाहरण के लिए, आप किसी मेन्यू की फोटो इनपुट कर सकते हैं, और यह उस फोटो में लिखे गए भोजन विकल्प लौटा देगा। इसी तरह, आप किसी इनवॉइस की फोटो प्रदान कर सकते हैं और स्वचालित रूप से विक्रेता का नाम और आइटम विवरण निकाल सकते हैं।

"with vision" सुविधाएँ ChatGPT में डिफ़ॉल्ट रूप से उपलब्ध होंगी, और डेवलपर्स के लिए OpenAI API में "gpt-4-vision" मॉडल का चयन करके उपलब्ध होंगी।

GPT-4 Turbo की प्रमुख विशेषताएँ

GPT-4 Turbo में पिछले मॉडलों की तुलना में कई सुधार हैं, जो इसकी क्षमताओं को बढ़ाते हैं। यहाँ कुछ मुख्य विशेषताएँ हैं जो इसे अलग बनाती हैं:

बेहतर नॉलेज कटऑफ

सैम ऑल्टमैन ने वादा किया है कि ChatGPT हमेशा अद्यतित रहेगा

मौजूदा GPT-3.5 और GPT-4 संस्करणों का नॉलेज कटऑफ सितंबर 2021 था। यानी वे उस समय के बाद हुई वास्तविक दुनिया की घटनाओं से जुड़े प्रश्नों का उत्तर नहीं दे सकते, जब तक कि उन्हें बाहरी डेटा स्रोतों तक पहुँच न दी जाए।

GPT-4, नॉलेज कटऑफ को उन्नीस महीने बढ़ाकर अप्रैल 2023 तक ले जाता है। इसका अर्थ है कि GPT-4 Turbo के पास उस तारीख तक की जानकारी और घटनाओं तक पहुँच है, जो इसे जानकारी का अधिक विश्वसनीय और सूचित स्रोत बनाती है। साथ ही, OpenAI के CEO, सैम ऑल्टमैन, ने वादा किया कि "[OpenAI] कोशिश करेगा कि [GPT] फिर कभी इतना पुराना न हो जाए।"

128K संदर्भ विंडो

किसी बड़े भाषा मॉडल (LLM) की संदर्भ विंडो यह मापती है कि बातचीत की याद कितनी देर तक रहती है। यदि किसी मॉडल की संदर्भ विंडो 4,000 टोकन (लगभग 3,000 शब्द) है, तो चैट में उससे पहले के सभी हिस्से अनदेखा कर दिए जाते हैं, और प्रतिक्रियाएँ कम सटीक या पहले की प्रतिक्रियाओं से विरोधाभासी हो सकती हैं। यह लंबे दस्तावेज़ों पर काम करने या लंबे समय तक बातचीत करने वाले चैटबॉट्स के लिए समस्या है।

GPT-4 की अधिकतम संदर्भ लंबाई 32k (32,000) टोकन है। GPT-4 Turbo इसे बढ़ाकर 128k टोकन कर देता है (लगभग 240 पृष्ठ, प्रति पृष्ठ 400 शब्द के हिसाब से)। यह Anthropic के Claude 2 मॉडल की 100k अधिकतम संदर्भ सीमा से आगे निकल जाता है और Nous Research के YARN-MISTRAL-7b-128k मॉडल के बराबर आ जाता है।

यह देखना बाकी है कि क्या लंबी संदर्भ विंडो पूरे विंडो में संतोषजनक प्रदर्शन देती है। स्टैनफोर्ड यूनिवर्सिटी के हालिया शोध से पता चला कि मौजूदा लंबे संदर्भ मॉडल केवल दस्तावेज़ की शुरुआत या अंत के पास की जानकारी पुनः प्राप्त करने पर ही सटीक उत्तर दे पाते थे।

यह भी उल्लेखनीय है कि 128k महज़ "अनंत संदर्भ" के सपने की ओर एक पड़ाव जैसा लगता है। Microsoft और Xi'an Jiaotong University के प्रारंभिक शोध का लक्ष्य LLMs को एक अरब टोकन के संदर्भ तक स्केल करना है।

GPT की कीमतों में कटौती

LLM बाज़ार में बढ़ती प्रतिस्पर्धा के जवाब में OpenAI ने GPT-4 Turbo की कीमतें कम कर दी हैं ताकि डेवलपर्स के लिए यह बजट-अनुकूल हो। OpenAI API का उपयोग करते समय, GPT-4 Turbo के इनपुट टोकन की कीमत अब पहले की एक-तिहाई रह गई है, 1000 टोकन पर 3 अमेरिकी सेंट से घटकर 1 अमेरिकी सेंट। आउटपुट टोकन अब आधी कीमत पर हैं, 1000 टोकन पर 6 अमेरिकी सेंट से घटकर 3 अमेरिकी सेंट।

यही रुझान GPT-3.5 Turbo मॉडलों में भी जारी है, जहाँ इनपुट टोकन 3 गुना सस्ते होकर 1000 टोकन पर 0.1 अमेरिकी सेंट और आउटपुट टोकन 2 गुना सस्ते होकर 1000 टोकन पर 0.2 अमेरिकी सेंट हो गए हैं।

इसके अलावा, फाइन-ट्यून किए गए GPT-3.5 Turbo 4K मॉडल के इनपुट टोकन अब 4 गुना अधिक किफायती हैं, कीमत 1000 टोकन पर 1.2 अमेरिकी सेंट से घटकर 0.3 अमेरिकी सेंट हो गई है, और आउटपुट टोकन 2.7 गुना सस्ते होकर 1000 टोकन पर 1.6 अमेरिकी सेंट से 0.6 अमेरिकी सेंट रह गए हैं। प्रशिक्षण की कीमत 1000 टोकन पर 0.8 अमेरिकी सेंट ही बनी हुई है।

ये मूल्य समायोजन उन्नत AI मॉडलों को डेवलपर्स के लिए अधिक किफायती बनाने का लक्ष्य रखते हैं।

GPT हुआ मल्टी-मोडल: इमेज प्रॉम्प्ट्स और टेक्स्ट-टू-स्पीच

"विज़न के साथ GPT-4 Turbo" जल्द आने की घोषणा की गई। आप जल्द ही चैट बॉक्स में सीधे छवियाँ इनपुट करके, छवियों को प्रॉम्प्ट के रूप में उपयोग कर GPT-4 Turbo को प्रॉम्प्ट कर सकेंगे। यह टूल तब कैप्शन्स बना सकेगा या छवि में क्या दर्शाया गया है, उसका वर्णन दे सकेगा। यह टेक्स्ट-टू-स्पीच अनुरोधों को भी संभालेगा।

फ़ंक्शन कॉलिंग अपडेट्स

फ़ंक्शन कॉलिंग उन डेवलपर्स के लिए एक सुविधा है जो अपनी अनुप्रयोगों में जनरेटिव AI को शामिल कर रहे हैं। यह उन्हें अपने ऐप या बाहरी APIs के फ़ंक्शंस को GPT-4 Turbo को बताने में सक्षम बनाती है। एक ही संदेश में कई फ़ंक्शंस को कॉल करने की क्षमता के साथ, यह सुविधा मॉडल के साथ इंटरैक्शन को सुव्यवस्थित करती है। उदाहरण के लिए, उपयोगकर्ता एक ही संदेश में कई कार्यों का अनुरोध भेज सकते हैं, जिससे मॉडल के साथ बार-बार आगे-पीछे संवाद करने की आवश्यकता समाप्त हो जाती है।

GPT-4 Turbo तक कैसे पहुँचें

GPT-4 Turbo तक पहुँच "सभी भुगतान करने वाले डेवलपर्स" के लिए उपलब्ध है, यानी यदि आपके पास API एक्सेस है तो आप बस OpenAI API में मॉडल नाम के रूप में "gpt-4-1106-preview" पास कर सकते हैं। इसी तरह, विज़न के साथ GPT-4 Turbo के लिए, आप मॉडल नाम के रूप में "gpt-4-vision-preview" पास कर सकते हैं।

ध्यान दें कि ये प्रीव्यू मॉडल अभी उत्पादन उपयोग के लिए उपयुक्त नहीं माने जाते। हालाँकि, घोषणा के हिस्से के रूप में, ऑल्टमैन ने यह भी वादा किया कि आने वाले हफ्तों में एक प्रोडक्शन-रेडी संस्करण उपलब्ध होगा।

गैर-डेवलपर्स के लिए, GPT-4 Turbo संभवतः आने वाले हफ्तों में ChatGPT Plus और ChatGPT Enterprise उपयोगकर्ताओं के लिए उपलब्ध हो जाएगा।

रेट लिमिट्स

OpenAI API के माध्यम से GPT मॉडलों तक पहुँच रेट-लिमिटेड है। यानी, आप प्रति माह केवल सीमित संख्या में ही API को अनुरोध भेज सकते हैं। अब OpenAI ने इस पर और स्पष्ट दिशानिर्देश प्रकाशित किए हैं कि रेट लिमिट कैसे काम करती हैं, ताकि आपका अनुप्रयोग अनपेक्षित रूप से बंद न हो।

इसके अलावा, GPT-4 के लिए रेट लिमिट्स दोगुनी कर दी गई हैं

क्योंकि GPT-4 Turbo वर्तमान में प्रीव्यू चरण में है, GPT-4 Turbo के लिए रेट लिमिट्स 20 अनुरोध प्रति मिनट और 100 अनुरोध प्रति दिन निर्धारित की गई हैं। OpenAI ने संकेत दिया है कि वे फिलहाल इस मॉडल के लिए रेट लिमिट बढ़ोतरी को समायोजित नहीं करेंगे। हालाँकि, सार्वजनिक संस्करण उपलब्ध होने पर संभवतः करेंगे।

अंतिम विचार

GPT-4 Turbo की घोषणा जनरेटिव AI के भविष्य की एक रोमांचक झलक पेश करती है, और हम इसे परखने के लिए उत्सुक हैं। यदि आप GPT से जुड़ी चीज़ों की शुरुआत कर रहे हैं, तो हमारा Introduction to ChatGPT कोर्स देखें। जो लोग अधिक गहराई में जाना चाहते हैं, उनके लिए हमारा Python में OpenAI API के माध्यम से GPT-3.5 और GPT-4 का उपयोग करने पर ट्यूटोरियल बहुत कुछ खोजने को देता है।