OpenAI เปิดตัว Structured Outputs พร้อมลดราคา GPT-4o ครั้งใหญ่
OpenAI เปิดตัวฟีเจอร์ Structured Outputs ที่รับประกันผลลัพธ์ตรงตาม JSON Schema 100% พร้อมเปิดตัวโมเดลใหม่ gpt-4o-2024-08-06 ที่ลดราคา input 50% output 33% และเพิ่มขีดจำกัดผลลัพธ์สูงสุด
เมื่อวันที่ 6 สิงหาคม 2024 OpenAI เปิดตัวฟีเจอร์ใหม่ «Structured Outputs» รับประกันว่าผลลัพธ์ JSON ของโมเดลตรงตาม Schema ที่นักพัฒนากำหนดไว้ล่วงหน้า 100% ใช้ได้กับโมเดลทุกตัวที่รองรับ function calling รวมถึง gpt-4o และ gpt-4o-mini ก่อนหน้านี้การเรียก API ให้ส่งข้อมูลแบบมีโครงสร้างมักพบปัญหาฟิลด์ขาดหรือชนิดข้อมูลผิด ต้องเขียนโค้ดตรวจสอบซ้ำเอง ทาง OpenAI ระบุว่ากลไกใหม่นี้ช่วยเพิ่มความถูกต้องของรูปแบบผลลัพธ์อย่างมาก โดยฝังการรับประกันไว้ในชั้นการประมวลผลโดยตรง
ในวันเดียวกัน OpenAI เปิดตัวโมเดลใหม่ gpt-4o-2024-08-06 พร้อมปรับราคาลงมาก โดย input ลด 50% output ลด 33% คิดเป็น 2.5 ดอลลาร์ต่อล้าน input token และ 10 ดอลลาร์ต่อล้าน output token ขีดจำกัดผลลัพธ์สูงสุดต่อครั้งยังปรับจาก 4,096 เป็น 16,384 token โดยยืนยันว่าประสิทธิภาพในการทดสอบมาตรฐานไม่ลดลง
ความหมายเชิงเทคนิค: จาก «พยายามทำตาม» สู่ «รับประกันทำตาม»
ในอดีตวิธีทำให้โมเดลส่งข้อมูลแบบมีโครงสร้างได้เสถียรคือ «ออกแบบพรอมต์ + ตรวจสอบภายหลัง + ลองใหม่เมื่อผิดพลาด» ซึ่งเป็นการเดิมพันว่าโมเดลจะทำตามหรือไม่ Structured Outputs ย้ายการรับประกันจากชั้นแอปพลิเคชันเข้าสู่ชั้นประมวลผลโดยตรง เพียงกำหนด Schema โมเดลก็ถูกจำกัดให้อยู่ในเส้นทางที่ถูกต้องตั้งแต่ขั้นสร้างผลลัพธ์ เปลี่ยนปัญหา «รูปแบบผิด» จากความน่าจะเป็นให้กลายเป็นความแน่นอน ลดภาระโค้ดป้องกันความผิดพลาดเมื่อเชื่อมต่อระบบหลังบ้าน
เทียบกับเวอร์ชันก่อนและปฏิกิริยาวงการ
การลดราคาครั้งนี้สอดคล้องกับกลยุทธ์ของ OpenAI ที่ลดต้นทุนลงเหลือครึ่งหนึ่งของ GPT-4 Turbo ตั้งแต่เปิดตัว GPT-4o เมื่อพฤษภาคม ครั้งนี้ลดราคาเพิ่มพร้อมขยายขีดจำกัดผลลัพธ์ แก้ปัญหา «แพง» และ «ผลลัพธ์สั้นเกินไป» ที่นักพัฒนาบ่นมานาน ชุมชนนักพัฒนาให้ความสนใจความต่างจาก JSON mode ที่รับประกันแค่ไวยากรณ์ JSON แต่ไม่รับประกันตรง Schema ขณะที่ Structured Outputs รับประกันทั้งสองอย่าง ทำให้ขั้นตอนที่เคยต้องพึ่งไลบรารีอย่าง Pydantic หรือ Zod มาตรวจซ้ำ มีโอกาสถูกลดทอนลง
ความหมายต่อผู้บริหาร
การอัปเดตนี้ไม่ได้ลดแค่ค่าใช้จ่าย API แต่ลดต้นทุนด้านวิศวกรรมและตรวจสอบจาก «ผลลัพธ์ AI ที่ไม่เสถียร» โครงการที่เคยต้องลงทุนกำลังคนเขียนโค้ดป้องกันความผิดพลาด อาจใช้ทรัพยากรพัฒนาน้อยลง ควรนำมาพิจารณาเมื่อประเมินผลตอบแทนของโครงการ AI
สมาชิกฟรีทำแบบทดสอบ คุยกับโค้ช AI ฟังบทความสะสมประวัติการเรียนรู้ สมัครรับ 100 พอยต์ทันที
สมัครฟรี