今天凌晨2点，OpenAI开启了第9天技术分享直播，正式发布了o1模型的API，并且对实时API进行大升级支持WebRTC。
其中，o1模型的API与之前的预览版本相比，思考成本降低了60%，并且附带高级视觉功能；GPT-4o的音频成本降低60%，而mini版本价格更是暴降了10倍。
同时OpenAI还发布了全新的偏好微调方法，通过直接偏好优化算法可以让大模型更好地掌握用户的偏好风格。
o1模型API
今天发布的正式版本o1模型API还集成了很多新功能，包括函数调用、结构化输出、开发者消息以及推理工作量。
函数调用允许模型根据输入数据自动调用相应的后端服务或外部API，实现复杂任务处理能力；结构化输出支持JSON格式的数据返回，确保输出结果符合预期结构，方便后续解析与应用；
开发者消息是一种新型系统消息形式，赋予开发者更大的控制权来指导模型行为；而推理工作量参数用于调整模型思考时间，平衡性能与准确性之间的关系。
在演示环节中，OpenAI展示了一款基于高级视觉功能的应用案例，检测错误表单。通过上传填写有误的文本表格图片，o1模型成功识别出了其中存在的计算错误，并提供了详细的修正建议。
此外，对于某些需要精确执行的任务，o1模型还可以借助内置函数库与后台服务器通信，获取最新税率等信息，确保最终结果的准确性和时效性。
实时API增强、支持WebRTC，极大简化开发流程
WebRTC是一种为互联网构建的实时通信技术，主要应用于会议和低延迟视频流传输等领域。OpenAI在实时API中支持WebRTC，使开发的AI应用能够自动处理互联网变化，例如，调整比特率和回声消除，为实时语音应用带来更好的性能和稳定性。
与之前的 Websockets 集成相比，WebRTC 支持显著简化了代码。使用 Websockets 时，开发者需要处理 200 - 250 行代码来解决反压等问题。而采用 WebRTC，仅需12行代码即可实现相同功能。
例如，在实时语音聊天应用中，WebRTC 的使用使开发者能够更快速地构建功能强大的应用程序，提高开发效率。
在演示环节中，通过简单的 HTML 代码创建对等连接，实现了音频流的发送和接收，展示了 WebRTC 支持下实时语音应用开发的便捷性。开发者只需关注应用逻辑，无需处理复杂的网络通信细节，大大降低了开发难度。
此外，为了进一步方便开发者集成实时 API，OpenAI推出了Python SDK支持，同时大幅度降低价格。
偏好微调
偏好微调与传统的监督式微调有很大的不同，采用成对样本比较学习的方式，使模型能够理解并适应特定应用场景中的细微差异。在实施偏好微调时，开发者首先需要准备一组包含两个不同版本回答的数据集，其中一个被认为是更优的选择。
然后，将这些数据送入模型进行训练，使其学会区分好坏答案之间的差异，并根据用户的反馈不断调整自己的行为准则。
偏好微调特别适合那些对回答格式、语气或者抽象特质（如友好度、创造力）有较高要求的应用场合。例如，在构建金融咨询聊天机器人时，开发团队不仅希望模型能够提供专业且准确的财务建议，还期望它能保持友好和易于理解的沟通方式。
此时就可以利用偏好微调方法，向模型展示多种不同的对话示例，直至找到最理想的表达方式为止。这种方法确实能够显著改善模型的表现，尤其是在涉及主观评价的任务上，客户服务或个性化推荐系统。
另外，偏好微调不仅仅局限于文本生成任务，同样适用于其他类型的输出，如图像生成、代码补全等。通过对大量样例的学习，模型可以逐渐形成一套稳定的行为模式，以更好地满足用户需求。更重要的是，这种微调方式允许持续迭代和改进，随着更多高质量数据的积累，模型的表现也会随之提高。
目前，这些API已经普遍可用，更详细内容可以去OpenAI开发论坛查看。
本文素材来源OpenAI，如有侵权请联系删除
END
