ChatGPT凌晨重磅更新!GPT-3.5/4双升级:上下文飙升4倍,用API自己造插件

AI行业动态简报:从信号捕获到归因推演的决策方法论 AI行业动态不是简单新闻聚合,而是对技术商业化、组织战略与基础设施演进的深度解码。其核心原理在于建立‘信号—归因—推演’三层分析框架,以财报数据、API实证和监管文件为锚点,穿透表层事件识别真实拐点。这种分析范式具备显著技术价值:将模糊趋势转化为可验证指标(如P99延迟稳定性、ACV结构变化),支撑架构升级、产品迭代与创业选型等关键决策。典型应用场景包括企业AI采购策略调整、RAG系统缓存重设计、搜索增强能力迁移评估等。本文聚焦Anthropic盈利、头条百科裁员与OpenAI上市三大信号,揭示数据主权协议 阅读详情

【导读】ChatGPT凌晨重磅更新!新增函数调用,4倍上下文长度,还更便宜了。

ChatGPT突然更新!

今天凌晨,OpenAI在官网上发布了所有更新细节,包含以下这几个方面:

  • 在Chat Completions API中增加了新的函数调用能力

  • 更新了GPT-4和GPT-3.5-Turbo版本,可操控性更强

  • 为GPT-3.5-Turbo增加了16k的上下文长度(此前是4k)

  • 嵌入模型成本降低75%

  • GPT-3.5-Turbo的输入token成本降低25%

  • 公布了GPT-3.5-Turbo-0301和GPT-4-0314模型的淘汰时间表

其中备受关注的应该就是新的函数调用能力,GPT-4和GPT-3.5-Turbo两个模型的升级,以及各种降成本。

对此,推特网友「宝玉」表示,OpenAI这次更新的函数调用功能,本质上是让API直接支持了Agent或者Plugin。

函数调用

现在,开发者现在可以向GPT-4-0613和GPT-3.5-turbo-0613描述函数,并让模型智能地选择输出包含调用这些函数的参数的JSON对象。

这是一种更可靠地将GPT的功能与外部工具和API相连的新方法。

这些模型已经过微调,既能检测到何时需要调用函数(取决于用户输入的内容),又能用符合函数签名的JSON来进行响应。

函数调用允许开发者更可靠地从模型中获得结构化的数据。

比如,开发者可以创建一个聊天机器人,通过调用外部工具(例如,ChatGPT插件)来回答问题。

具体来说,可以将诸如「给Anya发邮件,看她下周五是否想喝咖啡」这样的查询转换为send_email(to: string, body: string)这样的函数调用。

或者将「波士顿的天气如何?」转换为get_current_weather(location: string, unit: 'celsius' | 'fahrenheit')。

此外,开发者还能将自然语言转换为API调用或者数据库查询。

比如,将「谁是我这个月的十大客户?」转换为内部API调用,即为:get_customers_by_revenue(start_date: string, end_date: string, limit: int)。

又或者把「Acme, Inc.上个月有多少订单?」转换成SQL查询,即为:sql_query(query: string)。

此外,还允许开发者从文本中提取结构化数据。

只需定义一个名为extract_people_data(people: [{name: string, birthday: string, location: string}]的函数,就能提取维基百科文章中提到的所有人物。

以前用户需要在Prompt里加一堆描述才能支持Agent,而现在就简单多了,只要在API请求的时候,传入一个functions参数即可。

functions参数实际上就类似于用户要指定的Agent。

注意,这里可以是不止一个function,function是一个对象,还可以加上名称(name)、描述(description)、参数(parameters)等等。

然后,返回的结果就包含了如下结构化的内容:

function_call:调用的函数名,和用户传入的函数名称一致

arguments:JSON格式的参数值,包含了用户调用函数需要的参数名称和值。

比如说:

"function_call": { "name": "get_current_weather", "arguments": "{ \"location\": \"Boston, MA\"}" }

国外网友表示,function最大的价值就是解决了GPT返回数据结构化的问题,不再需要用户输入复杂的prompt。

第一步:OpenAI API

第二步:第三方API

第三步:OpenAI API

模型升级

GPT-4

GPT-4-0613的主要更新就是上面提到的全新函数调用功能。

而GPT-4-32k-0613的更新,除了包含GPT-4-0613的所有更新内容以外,还新增加了更长的上下文长度,从而能更好地理解更长篇幅的文本。

OpenAI表示,未来几周内,将会有更多目前在等待名单上的人可以开始使用GPT-4.

GPT-3.5 Turbo

GPT-3.5-turbo-0613的更新中具备与GPT-4相同的函数调用功能,并通过系统信息提供了更高的可控性。

这两个特性将使开发者能够更有效地引导GPT模型生成的回复。

GPT-3.5-turbo-16k相较于GPT-3.5-turbo拥有4倍的上下文长度,但成本是前者的两倍。

每1000个token输入的费用为0.003美元,每1000个输出token的费用为0.004美元。

16k的上下文长度意味着该模型现在能够在单次对话中支持约20页长度的文本。

同时,OpenAI表示,新模型将于6.27正式上线,而旧模型将于今年9.13后无法再次访问。

价格更低

最后,OpenAI发布的价格降低的新消息也让不少用户为之一动。

text-embedding-ada-002是OpenAI最受欢迎的嵌入模型。今天我们将成本降低了75%,每1,000个token费用为0.0001美元。

而作为最受欢迎的聊天模型——GPT-3.5-turbo,其输入的token费用降低了25%。

开发者现在能以0.0015美元/1000个输入token的价格使用该模型,每1000个输出token费用为0.002美元,相当于每美元大约能使用700页。

GPT-3.5-turbo-16k的定价为0.003美元/每1000个输入token,而每1000个输出token费用为0.004美元。

参考资料:

https://openai.com/blog/function-calling-and-other-api-updates

如何解决 ChatGPT 在科研学术写作中“不说人话”? 短视频真正改变的,是知识抵达人的方式。真正该改的是信息顺序:先给结论,再讲原因和证据,最后补充必要的边界,边界在这里是护栏,不该挡在正文前面。读者还没质疑,例外和边界已经先摆好了,不敢把话说透,真正好的文章会先把核心判断稳稳立住,再补充复杂性,不会让读者猜半天你到底想说什么。观点还没展开,就先回应并不存在的反对意见,大量篇幅都在证明我没这么说,不过度防御的文章都是前者忙着管理风险,后者才是在推进认识。逐句查看文章中的转折、退让和补充说明,追问一句,如果拿掉这句话,事实是否仍然准确,推理是否依然成立。 阅读详情

相关推荐

Rockchip rv1126平台在gstreamer1中添加OpenCv实现视频流负片的效果

rv1126 gstreamer opencv negetive effect

Aisy_D的专栏 1463

OpenAI深夜放毒:发布GPT-4新模型,GPT-3.5支持16K上下文,并且价格降低75%

一觉起来,发现OpenAI Twitter更新了,而且更新力度很大,这真是深夜放毒。下面我们看下OpenAI本次的重大更新都有哪些?函数调用能力在Chat Completions API中引入了新的功能调用能力。gpt-4-0613和gpt-3.5-turbo-0613版本已进行了更新和改进。开发人员现在可以描述函数给模型,并通过输出的JSON对象智能调用这些函数。这种新方式可靠地将GPT的能力与...

flysnow_org的博客 3396

分享一下如何使用labelimg制作自己的YOLO数据集

首先准备一下自己的下准备一个空文件夹用于保存标签文件,如下图所示。

skywalkerxhx的博客 830

什么是 tokens,ChatGPT里面的Tokens如何计数?

使用英文对话比较划算,其他语言包括中文计算Token时比较昂贵英文字母大概四个字母平均下来等于一个token中文汉字,大概一个汉字平均下来两个token我昨天用GPT写了7篇高考作文,总字数为10397,Tokens 为21,008个。

孔壹学院 1万+

Nginx下ModSecurity模块安装详细教程

本文提供了在Nginx 1.28.0上安装ModSecurity v3的完整教程。首先需安装编译依赖,然后从源码编译安装ModSecurity库并设置优化参数。接着编译Nginx动态模块并配置加载。核心配置包括设置规则引擎、日志路径及性能优化参数。安装OWASP核心规则集后,在Nginx站点配置中启用ModSecurity。最后测试规则有效性并给出性能优化建议,如规则排除、精简规则集等。整个过程包含详细的命令和配置示例,确保安全防护功能正常运作。

深山技术宅的博客 1781

手把手教你用Apollo Dreamview调试自动驾驶感知模块(附数据包下载)

本文详细介绍了如何使用百度Apollo平台的Dreamview工具调试自动驾驶感知模块,包括环境配置、数据加载、感知问题定位和多传感器融合调试等关键步骤。通过实战案例和参数调整技巧,帮助开发者快速掌握自动驾驶感知模块的调试方法,提升开发效率。

weixin_29084111的博客 137

在ChatGPT中,Token是什么意思

在CHATGPT中,"TOKEN"是指模型处理的最小单位。对于语言模型来说,一个TOKEN可以是一个单词、一个标点符号、一个字母或者一个特殊字符。在GPT-3中,一个TOKEN的长度可以在1到4个字节之间。

cbbxn的博客 1万+

开源大语言模型GLM-5:从架构解析到部署微调全指南

大语言模型(LLM)作为当前人工智能领域的核心技术,通过海量数据预训练获得强大的语言理解和生成能力。其核心原理基于Transformer架构,通过自注意力机制捕捉长距离依赖关系,在通用语言任务上展现出卓越性能。这一技术价值在于为开发者提供了强大的基座模型,能够通过微调快速适配特定领域需求,显著降低AI应用开发门槛。在实际应用场景中,大模型被广泛用于智能对话、代码生成、内容创作等任务。本文以开源项目GLM-5为例,深入探讨其架构特点,并详细介绍了如何使用LoRA技术进行参数高效微调,以及通过量化优化实现模型在

weixin_28683165的博客 350

ChatGPT模型大更新!全新大、小文本嵌入模型,API价格大降价!

1月26日凌晨,OpenAI在官网对ChatGPT模型进行了大更新,发布了两款全新大、小文本嵌入模型,全新的GPT-4 Turbo模型(修复懒惰行为),免费的审核模型,并对新的GPT-3.5 Turbo模型API进行了大幅度降价。同时嵌入是GPT系列模型的核心组成部分,用于将输入的文本(单词或字符)转换为数值向量,例如,词嵌入、位置嵌入、上下文嵌入,这些向量能够表示输入数据的丰富信息,提供更深层次的语义理解。虽然全新的嵌入文本模型性能非常强,但OpenAI对API的价格进行了大降价,

richerg85的专栏 703

Triton server的部署、构建、backend插件机制代码梳理、模型加载、自定义C++backend流程

Triton inference server的部署、构建、backend机制代码详细梳理、模型加载过程、自定义C++backend流程.

C/C++、嵌入式开发、深度学习算法、模型部署与推理优化 473

面向高速Serdes的信号完整性优化:从封装 - 板级互连局限到封装内互连技术演进(一)

本文针对高速SerDes互连链路中的关键电磁效应展开研究:1)揭示了封装-主板互连结构在毫米波频段易激发谐振效应,导致53GHz传输陷波和阻抗偏移;2)提出基于本征模分析的谐振抑制方法,通过优化接地过孔排布使带宽突破95GHz;3)系统比较了方形/六边形BGA排布下23种差分对朝向的串扰特性,证实六边形阵列可将功率和串扰降低30%以上;4)论证了100GHz以上带宽需采用封装内互连架构,其较传统方案减少50%阻抗不连续节点。

小孟同学的博客 229

chatGPT之Python API启用上下文管理

还有一个重要的点:提交的这些数据都会计算进tokens里面包括chatGPT回复的时候(最多4096个tokens),如果你想让上下文管理能记忆更多的语料,那么在提交数据的时候就尽可能的增加你们之间对话的内容(同时会更快的消耗你的tokens)。我也是参考官方文档去阅读和理解的,但是有时候官方文档以为你很懂了,就没有太多说明,废话不多说下面我跟大家讲一下API调用时如何启用上下文管理的。为什么别人的机器人能联想之前的语料,而你的却像个每次都只如初见的高冷机器人?需要注意的是,提交的数据结构顺序必须是。

玖河长久 4万+

【YOLO】Mask Proto分支理解

Mask Proto分支通过解耦全局原型与实例参数,在保持YOLO实时性的同时实现精准分割。其技术核心在于利用多尺度特征生成可组合的原型,结合动态系数适应不同目标形态。未来可进一步融合Transformer的注意力机制,增强对复杂场景的建模能力。

浩瀚之水的专栏 475

OpenAI ChatGPT3.5 completion API 入门指南

GPT-3.5-turbo 模型是以一系列消息作为输入,并将模型生成的消息作为输出。消息是一个对象数组,其中每个对象都有一个角色,一共有三种角色。系统-system:消息有助于设置助手的行为。在上面的例子中,助手被指示 “你是一个得力的助手”;用户-user:消息有助于指导助手。就是用户说的话,向助手提的问题;助手-assistant:消息有助于存储先前的回复。这是为了持续对话,提供会话的上下文。

AI全栈 和 IT 编程相关分享 1万+

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

调用Chatgpt API,并实现联系上下文

调用Chatgpt API,并实现联系上下文

Xcodd的博客 1万+

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

如何使用API来向ChatGPT提交上下文数据

如何设置ChatGPT保持上下生成响应,基于上下文的prompt和context变量,设置jsonData变量,其中包含要发送给API的数据负载,例如max_tokens和temperature等生成文本的控制参数。接下来,您需要设置jsonData变量,其中包含要发送给API的数据负载,例如max_tokens和temperature等生成文本的控制参数。接下来,您需要设置data变量,其中包含要发送给API的数据负载,例如max_tokens和temperature等生成文本的控制参数。

人工智能全栈工程师 | 智能算法研发与实战落地​专注于人工智能算法研究、代码实现与工程落地,提供从模型设计到部署应用的全流程解决方案。 1万+

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

ChatGPT、Codex工程实战:Agent接入企业知识库,文档明明更新了,为什么回答还是旧版本?

企业知识库已经上传新文档,Agent为什么仍引用旧政策?本文从实际问答异常切入,分析文档解析、Chunk、Embedding、向量索引、重排、缓存与对话历史造成的版本滞后,并介绍受控发布、旧版本撤销、Codex辅助排查和知识生效时延验证方法。

lb654509656的博客 424

ChatGPT 广告技术栈架构拆解:多轮意图、LLM 工具编排、ANN 召回与拍卖闭环

基于 OpenAI 官方工程文章,拆解 ChatGPT 广告系统如何用有状态会话理解多轮意图,以独立链路隔离自然回答,再由 LLM 编排召回、过滤、相关性评分、拍卖和最终交付,并给出可复用的超时、观测、安全与反馈闭环设计。

jerry764的博客 332

ChatGPT、Codex工程实战:数据库迁移脚本开发环境测试通过,为什么生产上线仍可能锁表甚至丢数据?

ChatGPT、Codex生成的数据库迁移脚本开发环境测试通过,为什么生产上线仍可能锁表甚至造成数据不一致?本文从Java订单系统生产变更切入,分析MySQL DDL、元数据锁、大批量数据回填、新旧版本兼容和数据迁移风险,并介绍Expand-Contract分阶段迁移方案。

lb654509656的博客 291

ChatGPT Projects 使用教程:项目指令、文件管理与上下文复用

使用ChatGPT的Projects功能可高效处理长期任务,避免重复说明背景与要求。通过设置项目指令、上传参考文件、复用上下文,实现代码分析、文档维护等任务的持续优化。建议按任务类型建项目,配置简洁规则,重要结论存为独立文档,避免依赖记忆遗漏。适用于有固定流程、需多资料协作的场景,但不可替代Git版本管理。

carriedream的博客 265

ChatGPT Images 2.6 实测解读:一句话直出 GIF,Flare 提速 46%,API 支持 2~64 帧动图

过去两年,AI 生图解决了"画得像不像""字写得对不对"的问题,但交付物始终是一张静态图。想让它动起来,通常要另外找视频模型,或者自己拆帧、用 PS、ffmpeg 合成 GIF——对运营、设计、做表情包的人来说,这一步既麻烦又容易翻车:帧之间画风跳变、角色走样、文件体积失控。这次 OpenAI 发布的,把这一步直接收进了生图本身:在对话里说一句"能做成 GIF 吗",返回的就是一张可循环播放的动图,而且生成后还能接着改。按 OpenAI 的说法,这是第一个原生直出 GIF 的主流生图产品。

JEECG官方博客 197

《C++ 项目:手写大模型接入 SDK》ChatGPT接口设计(中):全量响应实现和测试

本文详细实现了ChatGPTProvider对接OpenAI ResponsesAPI的全量响应sendMessage接口,涵盖模型可用性校验、请求参数解析、JSON报文组装、HTTP客户端配置(含代理与超时)、网络请求发送及响应解析全流程。通过GTest编写测试用例,发现并修复了因Content-Type重复设置导致的400错误,揭示了不同厂商网关对请求头规范的宽容度差异,最终提出一套兼容多模型服务商的标准写法,提升了代码通用性与鲁棒性。

2501_91275995的博客 561

ChatGPT和Codex怎么选?看任务、环境与验收方式

想让AI解释一个报错,打开ChatGPT就能问;想让它进入现有项目,定位问题、修改文件并运行测试,Codex通常更合适。它们都能回答问题,也都能处理不止一步的任务。区别在于任务需要哪些上下文、工具,以及你准备怎样检查结果。[1][2]**答案可以在对话中看完,先用ChatGPT;结果要落到代码仓库,还要看改动和测试,先用Codex。**需要处理文件、研究资料或写报告时,也可以从ChatGPT开始;Codex并不局限于写代码。[1]

2601_96207100的博客 264

ChatGPT Images 2.6 入门:保存角色参考图并生成循环 GIF

按官方 Images in ChatGPT 说明,介绍在 ChatGPT 中把照片存成角色参考并用 @名字复用,再用提示词或静图生成循环 GIF、打开后调速并保存分享的完整步骤。

死磕音视频 184

ChatGPT Images 2.6 商业落地与场景应用指南

本文聚焦电商与设计团队的视觉生产痛点,提出“人机协同”的AI高效工作流。通过十大实战场景,系统拆解商品图生成、海报自动化、风格一致性控制、提示词工程等关键环节,构建可复制、可量化的视觉生产管线。强调以标准化模板、模块化提示词与人机协作闭环,实现从构思到成图的极速落地,显著提升效率与质量,助力各行业实现视觉内容的智能化升级。

frt的博客 230
上一篇: 当 Redis 碰上 @Transactional,有大坑,要注意!
下一篇: 十大 Linux 最佳防病毒软件!
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论 7
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值