金磊 发自 凹非寺
量子位 | 公众号 QbitAI

OpenAI出了个新功能，直接让ChatGPT输出的速度原地起飞！

这个功能叫做“预测输出”（Predicted Outputs），在它的加持之下，GPT-4o可以比原先快至多5倍。

以编程为例，来感受一下这个feel：

为啥会这么快？用一句话来总结就是：

跳过已知内容，不用从头开始重新生成。

因此，“预测输出”就特别适合下面这些任务：

• 在文档中更新博客文章
• 迭代先前的响应
• 重写现有文件中的代码

而且与OpenAI合作开发这个功能的FactoryAI，也亮出了他们在编程任务上的数据：

从实验结果来看，“预测输出”加持下的GPT-4o响应时间比之前快了2-4倍，同时保持高精度。

并且官方还表示：

原先需要70秒完成的编程任务，现在只需要20秒。

值得注意的是，目前“预测输出”功能仅支持GPT-4o和GPT-4o mini两个模型，且是以API的形式。

对于开发者而言，这可以说是个利好消息了。

网友们在线实测

消息一出，众多网友也是坐不住了，反手就是实测一波。

例如Firecrawl创始人Eric Ciarla就用“预测输出”体验了一把将博客文章转为SEO（搜索引擎优化）的内容，然后他表示：

速度真的超级快。
它就像在API调用中添加一个预测参数一样简单。

视频地址：https://mp.weixin.qq.com/s/VMVCFjhvi-RKdzA75RHk5w

另一位网友则是在已有的代码之上，“喂”了一句Prompt：

change the details to be random pieces of text.
将详细信息更改为随机文本片段。

来感受一下这个速度：

也有网友晒出了自己实测的数据：

总而言之，快，是真的快。

怎么做到的？

对于“预测输出”的技术细节，OpenAI在官方文档中也有所介绍。

OpenAI认为，在某些情况下，LLM的大部分输出都是提前知道的。

如果你要求模型仅对某些文本或代码进行细微修改，就可以通过“预测输出”，将现有内容作为预测输入，让延迟明显降低。

例如，假设你想重构一段 C# 代码，将Username属性更改为Email：

/// public class User{ /// public string FirstName { get; set; } /// public string LastName { get; set; } /// public string Username { get; set; }}

/// Represents a user with a first name, last name, and username.///

/// Gets or sets the user's first name. ///

/// Gets or sets the user's last name. ///

/// Gets or sets the user's username. ///

你可以合理地假设文件的大部分内容将不会被修改（例如类的文档字符串、一些现有的属性等）。

通过将现有的类文件作为预测文本传入，你可以更快地重新生成整个文件。

import OpenAI from "openai";const code = `/// public class User{ /// public string FirstName { get; set; } /// public string LastName { get; set; } /// public string Username { get; set; }}`;const openai = new OpenAI();const completion = await openai.chat.completions.create({ model: "gpt-4o", messages: [ { role: "user", content: "Replace the Username property with an Email property. Respond only with code, and with no markdown formatting." }, { role: "user", content: code } ], prediction: { type: "content", content: code }});// Inspect returned dataconsole.log(completion);

/// Represents a user with a first name, last name, and username.///

/// Gets or sets the user's first name. ///

/// Gets or sets the user's last name. ///

/// Gets or sets the user's username. ///

使用“预测输出”生成tokens会大大降低这些类型请求的延迟。

不过对于“预测输出”的使用，OpenAI官方也给出了几点注意事项。

首先就是我们刚才提到的仅支持GPT-4o和GPT-4o-mini系列模型。

其次，以下API参数在使用预测输出时是不受支持的：

• nvalues greater than 1
• logprobs
• presence_penaltygreater than 0
• frequency_penaltygreater than 0
• audiooptions
• modalitiesother than text
• max_completion_tokens
• tools- function calling is not supported

除此之外，在这份文档中，OpenAI还总结了除“预测输出”之外的几个延迟优化的方法。

包括“加速处理token”、“生成更少的token”、“使用更少的输入token”、“减少请求”、“并行化”等等。

文档链接放在文末了，感兴趣的小伙伴可以查阅哦~

One More Thing

虽然输出的速度变快了，但OpenAI还有一个注意事项引发了网友们的讨论：

When providing a prediction, any tokens provided that are not part of the final completion are charged at completion token rates.
在提供预测时，所提供的任何非最终完成部分的tokens都按完成tokens费率收费。

有网友也晒出了他的测试结果：

• 未采用“预测输出”：5.2秒，0.1555美分
• 采用了“预测输出”：3.3秒，0.2675美分

嗯，快了，也贵了。

OpenAI官方文档：
https://platform.openai.com/docs/guides/latency-optimization#use-predicted-outputs

参考链接：
[1]https://x.com/OpenAIDevs/status/1853564730872607229
[2]https://x.com/romainhuet/status/1853586848641433834
[3]https://x.com/GregKamradt/status/1853620167655481411