各位AI爱好者、开发者朋友们，大家好！今天我们来聊聊OpenAI连续12天直播发布会的第9天，也就是开发者日，OpenAI为我们带来了哪些激动人心的更新！这次的发布可谓干货满满，不仅有满血版o1模型API的正式推出，还有实时API的全面升级，以及全新的偏好微调技术（PFT）的亮相，简直是给开发者们送上了一份大礼包！
满血版o1模型API正式上线
首先，让我们聚焦于万众期待的o1模型。此前，我们已经体验过集成在ChatGPT中的o1应用版本，而今天，OpenAI终于推出了满血版的o1模型API，这对于开发者来说无疑是一个巨大的好消息。o1模型API不仅具备强大的推理能力，还支持函数调用、结构化输出、开发者消息、推理参数控制以及视觉输入等多种功能，这使得开发者能够更加灵活地将o1模型集成到各种应用场景中。
- 函数调用（Function Calling）： o1模型可以与外部API和数据源进行交互，自动选择合适的函数来执行任务。例如，它可以调用外部税率查询函数，实现与现实世界系统的无缝衔接。
- 结构化输出（Structured Outputs）： o1模型能够输出符合自定义JSON Schema的结果，确保数据格式一致，方便开发者集成。
- 开发者消息（Developer Messages）： 开发者可以通过新型的系统消息精确控制o1模型的行为，例如指定语气、风格或上下文顺序，实现更个性化的模型输出。
- 推理参数控制（reasoning_effort）： 开发者可以根据任务的复杂程度控制o1模型的推理时间，从而在简单任务中节省成本，在复杂任务中提升效果。
- 视觉输入（Vision）： o1模型支持图片输入，可以应用于错误检测、科学分析等多种场景。
此外，o1模型API的延迟也大幅降低，推理token数消耗比预览版减少了60%，这意味着响应速度更快、成本更低。
在基准测试中，满血版o1 API（o1-2024-12-17）在多个方面均优于之前的预览版本，尤其是在代码能力、数学能力和视觉能力方面，提升非常显著。不过需要注意的是，o1模型API将优先向账号使用级别为第5层的开发者开放，其他开发者可能还需要等待一段时间。
o1模型API的价格
虽然o1模型API功能强大，但价格也相对较高。输入token的价格为每百万tokens 15美元，输出token的价格为每百万tokens 60美元。作为对比，GPT-4o的API价格分别为每百万tokens 2.5美元（输入）和10美元（输出），仅为o1的六分之一。所以，选择哪个模型，还需要根据实际需求和预算来权衡。
实时API全面升级，WebRTC集成
除了o1模型API，本次发布会的另一个亮点是实时API的全面升级。实时API旨在为开发者提供低延迟、自然流畅的交互体验，非常适合应用于语音助手、实时翻译工具、虚拟导师等场景。
此次升级，最值得关注的是WebRTC的集成。WebRTC是一种开放标准，可以简化跨平台实时语音产品的构建与扩展，无论是在浏览器应用、移动端App、物联网设备还是服务器之间，都能实现流畅的实时语音通信。WebRTC的集成能够确保在真实世界网络条件下提供稳定、响应迅速的交互体验，即使在网络质量不佳的情况下也能正常工作。开发者只需要12行JavaScript代码，就可以轻松添加实时语音功能。
实时API价格
实时API目前提供GPT-4o和GPT-4o mini两个版本。其中，GPT-4o实时API的最新版本（gpt-4o-realtime-preview-2024-12-17）价格大幅降低，每百万输入和输出tokens价格分别为40美元和80美元，相比之前的100美元和200美元，音频token价格降低了60%。
同时，OpenAI还推出了实时API的小模型gpt-4o-mini-realtime-preview-2024-12-17，目前处于Beta版本，主打质量和成本的平衡。GPT-4o mini实时API价格为每百万的输入和输出token分别对应10美元和20美元。
实时API功能增强
此次实时API的升级还包括以下增强功能：
- 并行后台响应（Concurrent out-of-band responses）： 支持后台任务与语音交互并行执行。
- 自定义输入上下文 (Custom input context)： 开发者可以灵活选择模型输入内容。
- 响应时机控制（Controlled response timing）： 结合服务器端语音活动检测，实现更精准的语音回复控制。
- 最大会话时长（Increased maximum session length）： 从15分钟延长至30分钟。
偏好微调（Preference Fine-Tuning）技术亮相
本次发布会，OpenAI还首次推出了偏好微调（PFT）技术。这项技术使用直接偏好优化（DPO）算法，通过比较模型生成的不同响应，让模型学习人类偏好，而非依赖精确的输入-输出对。偏好微调特别适用于那些“更好”响应带有主观性的任务，例如创意写作或摘要任务。
与传统的监督微调（SFT）相比，偏好微调能够更好地优化模型的行为，强化优选响应，减少非优选响应的可能性。OpenAI表示，他们已经与一些受信任的合作伙伴测试了偏好微调技术，并取得了显著的成果。
目前偏好微调优先支持gpt-4o-2024-08-06模型，很快也将支持gpt-4o-mini-2024-07-18。训练token的价格与监督微调相同，更多新模型的支持计划将在明年初推出。
如何使用偏好微调？
偏好微调功能已在OpenAI的开发者后台开放，开发者可以在Dashboard-Fine-tuning中新建微调模型，并在Method中选择“Direct Preference Optimization”即可开始使用。
总结
总的来说，OpenAI开发者日的这次发布，为开发者们带来了许多令人兴奋的新功能和技术。无论是满血版o1模型API的正式上线，还是实时API的全面升级，亦或是偏好微调技术的首次亮相，都充分展现了OpenAI在人工智能领域的创新能力和技术实力。相信这些新功能和技术的应用，将为开发者们带来更多的可能性，也将会推动人工智能技术在各个领域的应用发展。
