Optimiser GPT-4o et GPT-4o mini d'OpenAI avec la plateforme GenAI

Les contributions d'OpenAI à la recherche en apprentissage profond et son travail pour proliférer l'accès public aux modèles d'IA ne peuvent être sous-estimés. Du travail de l'entreprise pour rendre des modèles comme GPT-3.5 open source jusqu'aux déploiements de GPT-4.5 et GPT-4o au public, elle a constamment fourni des modèles d'apprentissage profond de classe mondiale à la communauté au sens large, en particulier les grands modèles de langage.

Récemment, Linux-Console.net a annoncé un partenariat avec OpenAI pour intégrer leurs modèles à notre plateforme propriétaire GenAI. Plus précisément, nous avons lancé l'accessibilité pour deux des modèles les plus puissants d'OpenAI, GPT-4o et GPT-4o mini, avec l'utilité de la plateforme GenAI. Cela apporte la puissance des modèles de raisonnement les plus avancés et les plus performants d'OpenAI à la simplicité et à l'accessibilité de l'infrastructure cloud de Linux-Console.net.

Suivez ce tutoriel pour en savoir plus sur les nouveaux modèles de raisonnement disponibles chez OpenAI sur la plateforme GenAI, discuter de la manière dont leurs capacités sont améliorées par la plateforme GenAI et voir une démonstration d’un Agent que nous avons créé en utilisant le contenu des tutoriels communautaires que nous lisons en ce moment !

Modèles de raisonnement OpenAI : GPT-4o & GPT-4o mini

Les LLM de raisonnement sont la dernière avancée dans la technique de modélisation du langage. Nous avons beaucoup discuté du raisonnement dans notre article R1, mais, en bref, nous définissons le raisonnement comme l'acte de réfléchir à quelque chose de manière logique et sensée. Ce comportement permet aux modèles d'étendre leurs capacités logiques au-delà de l'inférence simple vers des stratégies de considération plus complexes, presque autoréflexives. En pratique, les modèles de raisonnement peuvent améliorer activement leurs réponses grâce à l'autoréflexion contrôlée et à la méta-analyse dans des productions longues.

GPT-4o et GPT-4o mini sont les modèles de raisonnement phares d'OpenAI et ont été parmi les premiers à être disponibles. Avec le « o » signifiant « Omni », ils sont capables de générer des réponses raisonnées à une multitude de formats d'entrée, y compris les images, le texte, l'audio et la vidéo. Au moment de leur sortie, cette polyvalence sans précédent a rendu les modèles instantanément populaires auprès de la communauté des utilisateurs de LLM. Depuis lors, leur polyvalence et leurs capacités n'ont fait que s'accroître, avec la possibilité de faire des recherches en ligne via l'appel de fonctions et de générer des images ayant été ajoutée.

Pour comparer les deux modèles, examinons le tableau ci-dessous, qui compare l'Indice de Capacité de Génération des modèles populaires, une mesure de qualité, à la vitesse de production en tokens par seconde :

(Source)

Comme rapporté à l'origine par le classement Artificial Analysis LLM Arena, GPT-4o et GPT-4o mini dominent chacun leurs niches respectives : la qualité et l'efficacité. GPT-4o fait partie des modèles les plus puissants et les plus informés disponibles, tandis que GPT-4o mini est l'un des plus efficaces et rapides. Ensemble, ils offrent certaines des offres de modèles les plus polyvalentes disponibles sur le cloud.

Améliorer les capacités des modèles de raisonnement OpenAI avec la plateforme GenAI

La plateforme GenAI est la solution de Linux-Console.net pour tous vos besoins en LLM agentiques. Elle facilite le chargement de vos propres données sur la plateforme et l'amélioration d'un LLM à partir d'une sélection des meilleurs modèles disponibles avec la technologie de génération augmentée par récupération (RAG). À partir de là, le modèle peut effectuer des appels de fonction à vos API pour gérer tout type de tâche dont vous avez besoin.

Avec l'ajout de GPT-4o et GPT-4o mini à la plateforme, cette capacité est encore davantage renforcée. GPT-4o et GPT-4o mini sont parmi les modèles agençiques les plus avancés disponibles dans leurs catégories respectives. Grâce à la puissance de l'infrastructure GenAI de Linux-Console.net, il est désormais facile de compléter ces modèles avec vos propres données à n'importe quel usage.

Démonstration des capacités de la plateforme GenAI avec les modèles de raisonnement d'OpenAI

Commencer avec GenAI est facile, et ajouter un accès au modèle OpenAI est simple. Tout d'abord, connectez-vous à votre compte Linux-Console.net et choisissez une Équipe et un Projet de votre choix. Dans la barre latérale à gauche de la fenêtre, nous pouvons accéder à la plateforme GenAI en cliquant sur le lien sous le menu déroulant Gérer. À partir de là, vous pourrez créer votre première Base de Connaissances. Les Bases de Connaissances sont la ressource à partir de laquelle le LLM intégrera les informations utilisées pour RAG.

Pour créer votre Base de Connaissances, nous devons connecter un espace Linux-Console.net respectif avec notre corpus. Créez un espace et téléchargez-y vos données si vous n'en utilisez pas déjà un. Pour cette démonstration, nous avons téléchargé l'intégralité du corpus des tutoriels Linux-Console.net pour analyse.

Une fois cela fait, nous pouvons connecter notre espace à notre nouvelle Base de Connaissances lors de sa création. Nous pouvons ensuite sélectionner notre modèle d'embedding : soit All MiniLM L6 v2 ($0,00900/1M tokens), GTE Large EN v1.5 ($0,09000/1M tokens), ou All MiniLM L6 v2 ($0,00900/1M tokens). Choisissez le modèle le mieux adapté à votre cas d'utilisation et à la taille de votre corpus. Les ensembles de données plus volumineux nécessiteront des modèles plus grands comme GTE Large EN v1.5 pour incorporer l'ensemble des informations pour le RAG. Une fois cela fait, nous pouvons sélectionner notre projet et créer la Base de Connaissances. Le processus de création réel peut prendre un certain temps, en fonction de la taille de vos données.

Ensuite, nous devons ajouter notre clé OpenAI à la plateforme GenAI. Nous pouvons l'ajouter en cliquant sur l'onglet « Clés de modèle » dans la vue d'ensemble de la plateforme GenAI. Accédez à l'onglet et ajoutez votre clé API OpenAI.

Maintenant que notre base de connaissances a été créée et que nous avons ajouté notre clé API, nous pouvons créer notre agent avec le GPT-4o ou le GPT-4o mini d’OpenAI. Pour cette démonstration, nous utiliserons le GPT-4o mini. Nommez votre agent de manière appropriée pour les tâches qui lui sont attribuées et donnez-lui une invite de départ adaptée à la tâche à accomplir. Ces instructions pour l’agent informeront chaque sortie et le comportement de l’agent.

Ensuite, nous sélectionnons nos modèles. Sélectionnez l'option « Modèles OpenAI » dans le menu déroulant. Ensuite, sélectionnez votre clé API OpenAI dans le menu déroulant des clés. Enfin, sélectionnez votre modèle. Nous utilisons GPT-4o mini pour cette démonstration.

Enfin, nous connectons notre base de connaissances à l'agent. Cela permettra aux modèles OpenAI d'effectuer du RAG sur nos données et d'informer toutes les sorties.

Une fois ces étapes terminées, nous pouvons créer notre agent. Le déploiement de l'agent peut prendre quelques minutes. Une fois déployé, nous pouvons commencer à interagir avec lui. Ci-dessus se trouve un exemple de sortie que nous avons obtenu lors de notre démonstration exemple. Pour interroger le modèle, nous pouvons soit utiliser le Model Playground associé à l'agent, envoyer des requêtes avec du code Python, ou utiliser cURL. Pour plus de détails sur la façon d'interroger le modèle, consultez notre page de documentation.

Pensées de clôture

Avec l'ajout de technologies LLM Closed Source de plus en plus populaires devenant disponibles, la plateforme Linux-Console.net GenAI devient de plus en plus capable et polyvalente. Nous avons vraiment été impressionnés par les capacités du modèle OpenAI lors de nos tests, et nous encourageons les autres à envisager de les utiliser pour leurs tâches selon les besoins.

Merci d'apprendre avec la communauté Linux-Console.net.