OpenAI a communiqué sur plusieurs mises à jour concernant ses Language Learning Models (LLM) phares, notamment GPT 3.5 et GPT 4 Turbo. Ce dernier bénéficie d’une amélioration suite à la constatation d’un comportement de « fainéantise » du modèle. En outre, la jeune entreprise a introduit des modifications dans la manipulation des clés d’API et la mise en place de deux modèles d’intégration spécifiques au texte.

OpenAI lance des améliorations pour ses modèles de machine learning

En début d’année, OpenAI a annoncé plusieurs améliorations apportées à ses principaux modèles de machine learning, GPT 3.5 et GPT 4 Turbo. Cette dernière mise à jour, nommée gpt-4-0125-preview, permet d’améliorer la génération de code et de réduire la « paresse » des modèles lorsqu’ils ne parviennent pas à effectuer une tâche. Plusieurs utilisateurs avaient constaté que les modèles ne répondaient pas à certaines demandes et leur demandaient d’effectuer la tâche eux-mêmes. OpenAI a abordé ce problème sans fournir d’explications détaillées.

D’autres modifications incluent un correctif pour un bogue affectant les générations UTF-8 non-anglaises. OpenAI a également introduit un nouveau modèle nommé gpt-3.5-turbo-0125 et a réduit les coûts d’utilisation de GPT-3.5 Turbo. Cette mise à jour améliore la précision des réponses du modèle dans les formats demandés et corrige un bogue qui causait des problèmes d’encodage de texte pour les appels de fonction dans les langues autres que l’anglais.

Nouveaux modèles d’incorporation de texte et meilleure gestion des clés d’API

En plus de ces mises à jour, OpenAI a présenté deux nouveaux modèles d’incorporation de texte, l’un « plus petit et très efficace » nommé text-embedding-3-small et l’autre « plus grand et plus puissant » appelé text-embedding-3-large. D’après OpenAI, le modèle text-embedding-3-large est le plus performant. Un « embedding » est une séquence de chiffres qui représente des concepts dans un contenu, comme un code ou un langage naturel. Les embeddings permettent aux modèles de machine learning et à d’autres algorithmes de comprendre les relations entre les contenus et d’effectuer des tâches de recherche ou de regroupement. Ils sont utilisés dans des applications de recherche de connaissances dans ChatGPT ou dans les Assistants API.

Enfin, OpenAI a mis en avant les améliorations apportées à la gestion des clés API. Deux nouvelles fonctionnalités permettront aux développeurs de mieux contrôler l’utilisation des API. D’une part, les développeurs peuvent maintenant attribuer des permissions aux clés d’API à partir d’une page dédiée. Par exemple, une clé peut se voir attribuer un accès en lecture seule pour alimenter un tableau de bord interne ou être limitée à l’accès à certains points d’extrémité. D’autre part, le tableau de bord de l’utilisation de l’API et la fonction d’exportation affichent désormais les métriques d’une clé d’API après l’activation du suivi, ce qui facilite le suivi de l’utilisation par équipe, fonctionnalité, produit ou projet avec des clés d’API distinctes pour chacun d’eux. OpenAI a annoncé que d’autres améliorations sont à venir pour faciliter la visualisation de l’utilisation de l’API et la gestion des clés.