ChatGPT模型GPT-3.5官方API开放 什么是ChatGPT3.5?

OpenAI 在美国时间3月1日正式开放了ChatGPT模型GPT3.5的API。一下子大家有忙活起来了!

主要还是介绍一下新的API使用

关于账号注册,订阅ChatGPT Plus 等等问题。可以看本站的历史文章:OpenAI 

计费情况

目前 gpt-3.5-turbo 价格相对于 gpt-3要优惠很多!

Chat(gpt-3.5)价格:$0.002 / 1K tokens

Davinci(gpt-3) 价格:$0.02 / 1K tokens

所以 gpt-3.5-turbo 模型价格更实惠一些!但是如果携带上下文提问,还是比较费tokens的!

1K tokens 大概是 750个单词,新注册用户送18美元体验价,大概能使用 900万个单词!

实现原理

其实在GPT-3模型已经很强大了!但是ChatGPT拥有上下文语境关联,官方最开始未提供GPT-3.5的时候。

站长在JIKE社区的ChatGPT代码中,利用引用历史回复的方式,也能实现上下文语境。体验还不错!

缺点就是有点费钱!因为每次向OpenAI提问的时候需要携带历史内容,会大量消耗tokens~

现在官方提供了更方便的形式!

接口介绍

目前ChatGPT 开放了2个模型:gpt-3.5-turbo  和 gpt-3.5-turbo-0301

这俩个模型什么区别?

gpt-3.5-turbo-0301模型 是 gpt-3.5-turbo模型的快照!gpt-3.5-turbo-0301不会自我更新,并于 2023 年 6 月 1 日结束。

 

如果你的代码使用的是官方的SDK需要更新到最新版本!比如Python OpenAI SDK 必须更新到0.27.0以上!

有些镜像可能同步会慢一些,可以直接从官方更新!

pip3 install -i https://pypi.python.org/simple/ openai==0.27.0

接口怎么调用?

 

官方DEMO

import openai

openai.ChatCompletion.create(
model=”gpt-3.5-turbo”,
messages=[
{“role”: “system”, “content”: “You are a helpful assistant.”},
{“role”: “user”, “content”: “Who won the world series in 2020?”},
{“role”: “assistant”, “content”: “The Los Angeles Dodgers won the World Series in 2020.”},
{“role”: “user”, “content”: “Where was it played?”}
]
)

相对于GPT-3的调用,有2处不一样

  • 接口地址
  • 参数prompt 换成 messages

messages的格式如下:

import openai

openai.ChatCompletion.create(
model=”gpt-3.5-turbo”,
messages=[
{“role”: “system”, “content”: “You are a helpful assistant.”},
{“role”: “user”, “content”: “Who won the world series in 2020?”},
{“role”: “assistant”, “content”: “The Los Angeles Dodgers won the World Series in 2020.”},
{“role”: “user”, “content”: “Where was it played?”}
]
)

messages里面是一个列表。列表的每一项是字典。

其中role 有三种角色:system,user,assistant

system,一般是消息的第一条,定一个这次交互的基调。比如这是一个翻译的AI,这是一个代码助手等等

user,指的是完美用户提到的问题

assistant,指的是AI回复的内容

这里列表顺序需要按照提问回答的顺序依次添加!

下图是3月2日早上测试接口的内容

代码升级

GPT-3 怎么无缝切换到 GPT-3.5?其实也简单,就调整一下参数即可。

ChatGPT 和 GPT-3(GPT-3.5)的关系

ChatGPT 和 GPT-3(GPT-35)都是自然语言处理(NLP)技术和工具。ChatGPT 是专门为聊天机器人和自动对话系统开发的NLP技术,而GPT-3(GPT-35)则是一种广泛用于文本生成、问答和多任务学习的NLP技术。

Rate this post

留言 | Comments