OpenAI震撼发布：GPT-4o mini降临，引领多模态推理新纪元！——AI应用开发的指令层级结构与安全过滤保障ChatGPT用户无忧体验

在7月19日的凌晨时刻，OpenAI在其官方网站上揭开了最新力作——GPT-4o mini的神秘面纱。这款先进的大模型不仅具备文本、图像、音频和视频的多模态推理能力，而且在性能上超越了GPT-4，达到其约80%的效能。然而，令人惊喜的是，GPT-4o mini的API价格大幅降低了60%，输入100万tokens只需15美分，输出同样数量的tokens则为60美分。自发布日起，GPT-4o mini已替代GPT-3.5 Turbo，为注册的ChatGPT用户提供免费服务，同时标志着OpenAI首次推出基于指令层级结构的模型。

根据OpenAI公开的测试结果，GPT-4o mini在数学、编码和视觉推理方面表现出色，成为当前最强的多模态小型模型之一。在MMLU测试中，它的得分高达82.0%，领先于谷歌的Gemini Flash（77.9%）和Anthropic的Claude Haiku（73.8%）。在MGSM和Human Eval评估中，GPT-4o mini同样取得了优异的成绩，展现出强大的数学和编码能力。此外，它在多模态MMMU上的得分也优于竞争对手，体现了其全面的多模态处理能力。

为了保障安全，GPT-4o mini内置了多层过滤机制，能有效过滤掉色情、种族歧视等不适当内容。更重要的是，它是OpenAI首个采用指令层级结构的模型，增强了抵御恶意攻击的能力。这一结构将系统消息置于最高优先级，其次是用户消息，最后是第三方内容，确保模型可以忽略潜在的低优先级指令，从而提高安全性。

OpenAI在4月19日发布的论文中详细阐述了指令层级结构，这是一种对抗恶意攻击的新训练方法。通过自动化数据生成和上下文蒸馏技术，他们创建了大量的训练数据，使模型能够在对齐和错位指令之间做出正确选择。对齐指令与高优先级指令一致，而错位指令则与其冲突或无关。通过训练，模型学会了遵循对齐指令，忽略错位指令，提高了整体的鲁棒性。

目前，GPT-4o mini已提供文本和图像处理能力，未来还将逐步开放语音和视频功能。这一发展对于教育、翻译等领域的应用有着重大意义。OpenAI承诺将持续开发类似GPT-4o mini的高性能、低能耗模型，以促进生成式AI应用的发展和集成，助力更多开发者和企业构建超级智能应用。

本文来源：