OpenAI 的 GPT-4o 代表了人工智能领域的重大进步，在文本、图像和音频处理方面提供了更强的能力。理解与 GPT-4o 相关的成本，需要同时考察其开发与训练过程中产生的费用，以及面向终端用户的定价模式。
什么是 GPT-4o？
GPT-4o，其中“o”代表“omni”，是 OpenAI 于 2024 年 5 月推出的先进多模态 AI 模型。该模型旨在处理和生成多种形式的数据，包括文本、音频、图像和视频，从而促进更加自然、动态的人机交互。
与 GPT-4o 相关的训练成本是什么？
训练最先进的 AI 模型需要大量的计算资源、海量数据集以及相当的时间，这些因素共同导致高昂的资金投入。
训练 GPT-4o 的成本估算
尽管 OpenAI 尚未公开披露训练 GPT-4o 的确切成本，但可从可比模型中获得一些洞见。例如，OpenAI 的 GPT-4 模型在 2023 年末推出，据报道，训练成本超过 $100 million。这个数字凸显了开发如此先进 AI 系统所需的巨额投资。
影响训练成本的因素
若干关键组成部分会影响先进 AI 模型的总体训练成本：
- 计算资源： 高性能 GPU 或 TPU 是处理海量数据集的关键，构成了支出的大部分。
- 数据获取与存储： 策划并存储训练所需的庞大数据集会增加财务支出。
- 研发： 设计、实现和微调复杂模型所需的专业投入会产生可观成本。
- 运营费用： 与电力、冷却系统以及数据中心维护相关的费用也会增加总投资。
需要注意的是，成本估算会因模型架构、训练数据规模以及训练过程的效率而有较大差异。
成本估算的可变性
需要注意的是，成本估算会因模型架构、训练数据规模以及训练过程的效率而有较大差异。报告显示，训练与 GPT-4 可比的模型，其成本已下降至约 $100 million，反映了训练效率的提升。
GPT-4o 面向终端用户如何定价？
OpenAI 采用分级定价模型，为不同用户需求提供多种订阅方案。
订阅层级与相关费用
- ChatGPT Plus： 每月 $20，提供对 GPT-4o 高级功能的访问，包括增强的图像生成能力。
- ChatGPT Pro： 每月 $200，Pro 层级提供对 OpenAI o1、GPT-4o 和 Advanced Voice 模式等高级模型的无限访问，适合需要大量计算资源与高级功能的用户。
API 访问与按用量计费
对于希望将 GPT-4o 集成到其应用中的开发者与企业，OpenAI 提供按用量计费的 API 访问。API 的费用结构如下：
- GPT-4o： 每百万输入 tokens $2.50，每百万输出 tokens $10。
- GPT-4o Mini： 更加经济的变体 GPT-4o Mini，每百万输入 tokens $0.15，每百万输出 tokens $0.60。该模型尤其适合需要高性价比方案的初创公司和开发者。
免费访问的限制
OpenAI 也提供对 GPT-4o 功能的有限免费访问。例如，用户每天无需订阅即可生成最多三张图像。然而，鉴于高需求与相关计算成本，免费访问受限。
在 CometAPI 中访问 GPT-4o API：
CometAPI 提供对超过 500 个 AI 模型的访问，包括用于聊天、图像、代码等的开源与专业多模态模型。其主要优势在于简化传统复杂的 AI 集成流程。通过单一统一订阅，即可访问 Claude、OpenAI、Deepseek、Gemini 等领先 AI 工具。
你可以使用 CometAPI 的 API 来创作音乐和艺术作品、生成视频，并构建自己的工作流。CometAPI 提供远低于官方价格的方案，帮助你集成 GPT-4o API（model name： gpt-4o-all），注册登录后你的账户将获得 $1！欢迎注册体验 CometAPI。CometAPI 按使用量付费，GPT-4o API 在 CometAPI 的定价结构如下：
- Input Tokens: $2 / M tokens
- Output Tokens: $8 / M tokens
集成细节请参阅 GPT-4o API 和 GPT-4.5 API。
训练成本如何影响 AI 行业？
训练先进 AI 模型所需的大额投资对行业产生多方面影响：
- 进入壁垒： 高成本可能限制小型组织与初创公司开发前沿模型的能力，导致 AI 创新集中于资金雄厚的科技巨头。
- 效率创新： 财务压力推动更高效的训练方法研究，力求在不牺牲性能的前提下降低成本。
- 开源贡献： 开源社区中的协作努力在开发降低训练费用的工具与技术方面发挥了重要作用，使 AI 技术的获取更为民主化。
案例研究：DeepSeek 的高性价比模型训练
中国 AI 初创公司 DeepSeek 提供了训练成本降低的一个示例。据报道，该公司以约 $5.6 million 的成本训练出与领先 AI 系统可比的模型，显著低于美国同行通常超过 $100 million 的支出。这一进展引发了关于更具成本效益的 AI 模型训练及其对竞争格局影响的讨论。
降低训练成本采用了哪些策略？
各组织采取多种方法来管理并降低训练大型 AI 模型的费用：
- 使用预训练模型： 利用现有模型并针对特定应用进行微调，通常比从零开始训练更具成本效益。
- 优化算法： 开发更高效、对计算资源需求更低的算法，可带来显著的成本节约。
- 云计算服务： 从云服务提供商租用计算资源，具有可扩展性，同时减少在硬件上的大量前期投入。
- 协作研究： 通过建立合作伙伴关系并参与开源项目，分担财务负担并推动创新。
与 GPT-4o 相关的环境与运营成本有哪些？
除了财务因素外，运行 GPT-4o 等模型还会产生环境与运营成本：
计算需求与能源消耗
GPT-4o 的部署对计算资源造成了显著压力。OpenAI CEO Sam Altman 指出，图像生成的巨大需求导致 GPU“融化”，为维持系统稳定不得不暂时限制图像生成请求。
可持续性挑战
GPT-4o 所需的大量计算能力引发其环境足迹方面的担忧。AI 数据中心在处理与冷却方面消耗大量能源，促使人们讨论此类技术的可持续性。当前的努力包括探索更高效的冷却方式以及使用可再生能源，以缓解相关影响。
应对这些挑战对于负责任且可持续的 AI 技术发展至关重要。
结论
尽管 OpenAI 训练 GPT-4o 的确切成本尚未披露，但从类似模型可知，此类工作需要数百万美元级别的投资。这些可观的成本凸显了持续研究更高效训练方法的必要性，并强调了协作努力对于促进先进 AI 技术在全行业更广泛可及的重要性。