《GPT-3.5Turbo微调：赋予模型更多可能性》

在8月23日，知名的人工智能公司OpenAI发布了一项重大更新，他们宣布推出了一项全新的功能——基于GPT-3.5 Turbo的微调功能，并且还升级了API版本。这一举措使得企业以及开发人员具备了利用自身数据来定制ChatGPT的能力。这是OpenAI在人工智能领域的一次重要突破，也是对全球范围内人工智能技术应用的一次巨大推动。

微调（Fine-tuning）是一种创新性的技术，它利用了广泛应用于自然语言处理的通用语言模型（例如GPT-3.5），对其进行针对特定领域或任务的优化训练，从而形成一个专为特定应用场景设计的模型。这种方法的优势在于，它既保留了通用语言模型的卓越的语言理解和生成能力，又在此基础上显著提升了模型的精确度、效率和适应性。通过微调，我们能够让模型更加贴合实际需求，进一步提升其在相关领域的表现。

装修已有的房子与新建房子相比，具有诸多优势。首先，这能节省大量的时间和资源，因为不需要从零开始建设，而是对已有结构进行改造。其次，这种方式可以避免一些技术难题，因为 existing house 的结构已经确定，只需根据个人需求和喜好进行调整。因此，装修现有房子不仅经济高效，而且能够更好地满足居住者的需求。

OpenAI最近推出的微调功能，为更多的开发者提供了参与GPT模型应用的机会，从而催生了众多具有个性和创新性的应用场景，进一步提升了用户体验和黏性。这一举措不仅对开发者生态的发展起到了积极的推动作用，而且极大地拓宽了通用模型的应用领域和潜力，为各行各业快速部署AI技术铺平了道路。

在本文中，我们将对GPT-3.5 Turbo微调在安全性、使用成果、价格、未来升级以及部署流程等关键方面进行深入探讨。首先，我们要确保GPT-3.5 Turbo微调的安全性能，同时也要关注其实际使用效果，这样才能让广大用户更加放心地使用。其次，我们会详细介绍GPT-3.5 Turbo微调的价格体系，帮助用户更好地理解和选择适合自己需求的方案。此外，我们也会展望GPT-3.5 Turbo微调的未来升级方向，以便用户能够及时了解最新的技术动态。最后，我们将一步一步地指导用户完成GPT-3.5 Turbo微调的部署流程，确保用户能够在最短的时间内实现自己的想法。

安全性：从微调API发送的数据归客户所有，OpenAI或任何其他组织不会使用数据来训练模型。同时，为了保障模型部署的安全，OpenAI通过审核API和GPT-4驱动的审核系统，检测与安全标准冲突的有害数据。（微调有利于为用户提供更具个性化的服务，但也降低了技术门槛，可能导致不负责任的使用）

微调效果：在实际测试过程中，GPT-3.5 Turbo的微调版本在某些任务上，与基本型号的GPT-4能力相当甚至要更好。微调客户能够提高常见用例的模型性能，并缩短提示时间。通过对模型本身的指令进行微调，还可加快API调用并降低成本，提示词数量减少了90%。

价格和Token：GPT-3.5 Turbo的微调成本分为初始训练成本和使用成本两部分。一个包含100K tokens训练文件的微调工作，预计成本为2.4美元。具体来说，训练：$0.008 / 1K tokens；使用输入：$0.012 / 1K tokens；使用输出：$0.016 / 1K tokens。可处理的上下文为4K tokens，是之前微调模型的两倍。

微调步骤：只需经过准备数据、上传文件、创建微调作业、使用微调模型四步。一旦模型完成微调过程，就可以立即在生产中使用。

未来更新：GPT-4 的微调将于今年秋天推出，而在秋季晚些时候会推出对GPT-3.5函数调用和16k上下文的微调支持。不久的将来还会推出微调UI，可更容易访问正在进行的微调作业等有关信息。

GPT-3迭代：OpenAI现在正在提供babbage-002和davinci-002型号作为GPT-3基础模型或微调模型。最初的GPT-3基础型号（ada、babbage、curie、davinci）将于2024年1月4日关闭。

在总结中，我们可以看到，利用先进大模型的微调功能，OpenAI能够成功地吸引更多的企业和开发者加入其平台和模型。这一举措不仅提升了OpenAI的影响力和收入，还为缓解其亏损压力提供了有力的支持。同时，这也将有助于推动AI产品在大范围内得到应用，从而加速大模型的落地进程。

在最近的这次功能更新中，我们可以看作是Meta开源模型的一种策略，它不仅允许商用，同时也为外部竞争提供了空间。其中，微调模型的这项功能，将有助于OpenAI进一步拓展和巩固其用户基础，从而确保其在所属行业的领导地位。同时，这也可能激励其他企业加速他们的商业化进程，进一步推动行业的竞争态势。

以下为OpenAI公告全文：

GPT-3.5 Turbo 的微调功能已经问世，而 GPT-4 的微调版预计将在今年秋天亮相。这一升级让开发者能够根据实际需求定制更符合其应用场景的模型，并实现大规模运行这些自定义模型。根据早期试跑结果，GPT-3.5 Turbo 的微调版在某些特定领域任务的表现甚至超过了基础版的 GPT-4。与我们的所有 API 一样，微调 API 所提供的数据归属客户所有，且未经 OpenAI 或任何其他组织用于训练其他模型。

微调用例

自 GPT-3.5 Turbo 发布以来，开发人员和企业要求能够自定义模型，以便为其用户创造独特且差异化的体验。通过此次发布，开发人员现在可以运行监督微调，以使该模型在其用例中表现更好。

在我们的私人测试版中，微调客户已经能够有效地提高常见用例的模型性能，举例来说：

改进的可操纵性：微调允许企业使模型更好地遵循指令，例如使输出简洁或始终以给定语言响应。例如，开发人员可以使用微调来确保模型始终按要求以德语响应。

可靠的输出格式：微调可提高模型一致格式化响应的能力，这对于需要特定响应格式（例如代码完成或撰写 API 调用）的应用程序来说至关重要。开发人员可以使用微调来更可靠地将用户提示转换为可与自己的系统一起使用的高质量 JSON 代码段。

自定义风格：微调是磨练模型输出定性感觉的好方法，具有可识别品牌风格的企业可以使用微调来使模型与其基调更加一致。

除了提高性能外，微调还使企业能够缩短提示时间，同时确保类似的性能。使用 GPT-3.5-Turbo 进行微调也可以处理 4K tokens——是我们之前微调模型的两倍。早期的测试人员通过将指令微调到模型本身，加快了每次 API 调用并降低成本，将提示大小减少了多达 90%。

当与其他技术如提示工程、信息检索和函数调用相结合时，微调的效果是最强大的。对这方面若想了解更多可查看我们的微调指南。另外，对函数调用和GPT-3.5-turbo-16k的微调支持将在今年秋季晚些时候进行。

微调步骤

我们还将在不久的将来推出微调 UI，这将使开发人员更容易访问正在进行的微调作业、已完成的模型快照等有关信息。

安全

对我们来说，安全地部署微调是非常重要的。为了在微调过程中保留默认模型的安全功能，微调训练数据将通过我们的审核API和GPT-4支持的审核系统，以检测与我们的安全标准冲突的不安全训练数据。

定价

微调成本分为两类：初始训练成本和使用成本。训练：$0.008 / 1K tokens；使用输入：$0.012 / 1K tokens；使用输出：$0.016 / 1K tokens。例如，用100,000个tokens进行微调工作，预计成本为2.40美元。

更新的 GPT-3 型号

今年7月，我们宣布原始 GPT-3 基本型号将于2024年1月4日关闭。今天，我们正在制造这些模型的替代品，无论是作为基本模型还是微调模型。这些模型可以使用我们新的 API 端点进行微调。基本和微调的 GPT-3 型号的定价如下：

新的端点提供了分页和更多的可扩展性，以支持微调 API 的未来发展，过渡到更新的端点也非常简单，更多详细信息可参见我们的微调指南。