長江證券：OpenAI推出API新功能“結構化輸出”，國內廠商發(fā)力開源多模態(tài)

智通財經(jīng)APP獲悉，長江證券發(fā)布研報認為，OpenAI新推出的模型API全部支持結構化輸出，提高AI輸出可靠性，簡化開發(fā)流程，從而使得開發(fā)者可以精確控制AI模型的輸出格式，確保數(shù)據(jù)的準確性和一致性。國內廠商推動多模態(tài)大模型開源，或將加速AI技術的創(chuàng)新和發(fā)展。

事件描述

OpenAI新推出的模型API全部支持結構化輸出，JSON Schema匹配率高達100％，從而使得開發(fā)者可以精確控制AI模型的輸出格式，確保數(shù)據(jù)的準確性和一致性。國內廠商推動多模態(tài)大模型開源，智譜CogVideoX-2B、面壁智能MiniCPM-V2.6、阿里Qwen2-Audio相繼開源，或將加速AI技術的創(chuàng)新和發(fā)展。

事件評論

結構化輸出提高AI輸出可靠性，簡化開發(fā)流程。1）提升輸出準確性，使用性價比凸顯。性能方面，開發(fā)者可通過定義JSON Schema模式，實現(xiàn)對AI輸出的精確控制，解決以往AI輸出格式不穩(wěn)定的問題。帶有結構化輸出的新模型gpt-4o-2024-08-06對復雜的JSON Schema的跟蹤評估中，評分高達100%，顯著優(yōu)于舊版模型。此外結構化輸出功能兼容多種API，并支持視覺輸入，拓寬AI技術的應用范圍。成本方面，最新的gpt-4o-2024-08-06模型與此前的gpt-4o-2024-05-13相比，可在輸入上節(jié)省50%（2.5美元/100萬輸入tokens）、在輸出上節(jié)省33%（10美元/100萬輸出tokens）。2）降低技術門檻，提供個性化智能體驗。結構化輸出功能的應用范圍廣泛，從動態(tài)生成用戶界面、分離最終答案與推理過程，到從非結構化數(shù)據(jù)中提取結構化數(shù)據(jù)等，均能夠提供更加精準、高效的支持。例如在.NET開發(fā)中，開發(fā)者可利用該功能生成動態(tài)用戶界面，根據(jù)用戶意圖創(chuàng)建代碼或UI；或在會議記錄中提取待辦事項、截止日期和負責人等。結構化輸出功能簡化了AI應用的開發(fā)流程，使開發(fā)者能夠更專注于創(chuàng)新和應用邏輯的構建。

開源模式持續(xù)發(fā)展，推進技術普及與應用創(chuàng)新。1）智譜開源其與“清影”同源的視頻生成模型CogVideoX，消費級顯卡即可運行。目前開源的版本CogVideoX-2B能夠生成長度為6秒、每秒8幀、分辨率為720*480的視頻。同時模型在FP-16精度下推理需要僅需18GB顯存，微調僅需40GB顯存。因此單張4090顯卡即可進行推理，而單張A6000顯卡即可完成微調。2）面壁智能上線開源模型MiniCPM-V2.6，引領端側多模態(tài)。模型參數(shù)僅8B，在端側實現(xiàn)實時視頻理解、多圖聯(lián)合理解、多圖ICL視覺類比學習、多圖OCR等功能。模型能力方面，MiniCPM-V2.6在端側實現(xiàn)單圖、多圖、視頻理解等多模態(tài)核心能力全面對標GPT-4V。3）阿里開源最新語音模型Qwen2-Audio，性能大幅優(yōu)化。功能方面，Qwen2-Audio支持語音聊天和音頻分析兩種模式，能夠提供更自然的語音交互體驗和深入的音頻分析能力；模型還引入了監(jiān)督式微調（SFT）和直接偏好優(yōu)化（DPO）兩種方法，能夠通過高質量的微調數(shù)據(jù)與人類意圖對齊，并通過人類標注的響應數(shù)據(jù)來優(yōu)化模型，從而使其輸出更符合人類的期望和偏好。同時Qwen2-Audio支持中文、粵語、法語、英語、日語等主流語言和方言，或將有助于開發(fā)翻譯、情感分析等應用。

AI技術的進步提升了輸出的準確性和開發(fā)效率，開源模式的推廣加速了技術的普及和創(chuàng)新應用的涌現(xiàn)。長江證券認為AI技術及應用領域持續(xù)突破，建議持續(xù)關注AI在廣告、電商、影視、游戲和教育等各領域的商業(yè)化落地。

風險提示

1、AI技術發(fā)展不及預期風險；

2、內容監(jiān)管風險。