معرفی مدل GPT-4 Vision؛ تحلیل و درک هوشمند تصاویر

اطلاعات مدل

شناسه (Slug)

gpt-4-vision-preview

تاریخ انتشار

—

سازمان

OpenAI

دسترسی

پولی

سایت رسمی

openai.com

داده‌های تحلیلی

شاخص‌ها

هوش ۶,۸

کدنویسی ۱۳,۱

عامل (Agentic) —

مجوز

Proprietary

ورودی

متن

خروجی

متن

پنجرهٔ زمینه

۸,۲ هزار توکن

میانگین قیمت ورودی (در ۱ میلیون توکن)

$30,0

میانگین قیمت خروجی (در ۱ میلیون توکن)

$60,0

نوع استفاده

متن

بنچمارک‌ها

general

MMLU ۸۶,۴% #30

حقوقی

Uniform Bar Exam ۹۰,۰% #1

ریاضی

SAT Math ۸۹,۰% #1

MGSM ۷۴,۵% #21

MATH ۴۲,۰% #66

استدلال

AI2 Reasoning Challenge (ARC) ۹۶,۳% #1

HellaSwag ۹۵,۳% #2

LSAT ۸۸,۰% #1

Winogrande ۸۷,۵% #1

DROP ۸۰,۹% #11

HumanEval ۶۷,۰% #59

GPQA ۳۵,۷% #219

تامین‌کننده‌ها (Providers)

این مدل از طریق 1 ارائه‌دهنده قابل دسترسی است.

ارائه‌دهنده	نوع	نام مدل	مدل اصلی	ورودی ($/1M)	خروجی ($/1M)	رایگان
AIHubMix ویژه	گفتگو کدنویسی	gpt-4-vision-preview	`gpt-4-vision-preview`	$10.00	$30.00	—

معرفی مدل

مدل GPT-4 Vision با شناسه gpt-4-vision-preview، یکی از پیشرفته‌ترین دستاوردهای OpenAI در حوزه هوش مصنوعی چندوجهی است. این مدل با توانایی تحلیل و درک دقیق تصاویر، به کاربران اجازه می‌دهد تا محتوای بصری را به متن تبدیل کنند، نمودارها را تفسیر کرده و جزئیات پیچیده عکس‌ها را با دقت بالا تحلیل کنند. قدرت استدلال بصری در این مدل، تحولی در تعامل میان انسان و ماشین ایجاد کرده است. با استفاده از این فناوری، می‌توانید فرآیندهای کاری خود را با ترکیب هوش متنی و بینایی ماشین بهینه‌سازی کنید.