迈向 GPT-4.5 的未来
这些进步的基石是引入了 GPT-4.5，目前在 Azure OpenAI Service 上处于预览阶段。 这是最新一代的模型，建立在其前辈的成功基础上，代表了目前最强大的通用模型。 它的发展标志着无监督学习技术的一大进步，这是通过扩展预训练和后训练来实现的。
GPT-4.5 通过更自然的交互提升了用户体验。 其扩展的知识库和增强的 ‘EQ’ 有助于提高编码、写作和解决问题任务的性能。 该模型的功能体现在：
- 更高的准确性：开发人员可以依赖 GPT-4.5 获得更精确和相关的响应，与 GPT-4o 相比，幻觉率显著降低（37.1% 对 61.8%），准确率更高（62.5% 对 38.2%）。
- 改进的人类对齐：改进的对齐技术使 GPT-4.5 能够更好地遵循指令，理解细微差别，并进行自然的对话。 这使得它成为编码和项目管理等任务的更有效工具。
GPT-4.5 的多功能性为广泛的应用打开了大门，提高了生产力和创造力：
- 增强沟通：用户可以利用 GPT-4.5 起草清晰有效的电子邮件、消息和文档。
- 个性化学习：该模型促进个性化学习和辅导体验，帮助用户获得新技能或加深他们在特定领域的知识。
- 创意构思：在头脑风暴会议期间，GPT-4.5 是一个有价值的工具，可以产生创新的想法和解决方案。
- 项目管理协助：GPT-4.5 协助组织任务，确保对项目规划和执行采取彻底有效的方法。
- 复杂任务自动化：该模型通过处理复杂的任务自动化来简化复杂的过程和工作流程。
- 简化的编码工作流程：开发人员可以从逐步指导和重复性任务的自动化中受益，从而节省时间并减少错误。
企业客户现在可以在 Azure AI Foundry 中访问 GPT-4.5，释放其重塑其运营各个方面的潜力。
新一波专业 AI 模型
AI 模型的最新进展有一个共同点：专注于提供具有更高效率的专业能力。 这一趋势表明向专用 AI 的转变，旨在在特定领域表现出色，同时最大限度地减少计算资源需求。 Azure AI Foundry 展示了几个突出的发布：
Microsoft 的 Phi 模型：突破效率的界限
Microsoft 的 Phi 模型继续重新定义更小、更高效架构的可能性：
- Phi-4-multimodal：该模型无缝集成文本、语音和视觉，实现上下文感知的交互。 想象一下零售亭通过摄像头和语音输入诊断产品问题，无需繁琐的手动描述。
- Phi-4-mini：Phi-4-mini 在编码和数学任务方面超越了更大的模型，与之前的模型相比，推理速度提高了 30%。
Stability AI：推进生成式成像
Stability AI 通过专为加速资产生成而设计的模型推动创意工作流程：
- Stable Diffusion 3.5 Large：该模型以比以前版本更快的速度生成高保真营销资产，确保跨不同视觉风格的品牌一致性。
- Stable Image Ultra：通过精确的材料渲染和色彩保真度，实现产品图像的逼真效果，减少对昂贵照片拍摄的需求。
- Stable Image Core：作为 SDXL（Stability AI 的文本到图像生成 AI 模型）的增强版本，Stable Image Core 以卓越的速度和效率提供高质量的输出。
Cohere：增强信息检索
Cohere 通过其最新的排名技术提升信息检索：
- Cohere ReRank v3.5：该模型提供更准确的搜索结果，利用 4,096 个 token 的上下文窗口并支持 100 多种语言。 即使没有精确的关键字匹配，它也能出色地呈现相关内容。
扩展 GPT-4o 系列
GPT-4o 系列增加了两个专门的变体：
- GPT-4o-Audio-Preview：该模型处理音频提示并生成具有适当情感和强调的语音响应，使其成为数字助理和客户服务应用程序的理想选择。
- GPT-4o-Realtime-Preview：通过突破性的延迟减少，体验真正的人类交互流程，消除对话延迟。
这些集体进步标志着 AI 的重大发展，在广泛的用例和部署环境中促进更自然、响应迅速和高效的交互。
通过高级工具增强定制能力
随着模型库扩展到 1,800 多个产品，Azure AI Foundry 继续在实验和可观察性方面处于领先地位。 一套新的微调工具补充了无监督学习技术的兴起：
- 蒸馏工作流程：Azure OpenAI Service 引入了一种代码优先的方法，通过 Stored Completions API 和 SDK 进行模型蒸馏。 这允许较小的模型继承较大模型（如 GPT-4.5）的知识。 结果是在保持特定任务高性能的同时降低了成本和延迟。
- 强化微调：目前处于私人预览阶段，这项技术教模型以新颖的方式进行推理。 它奖励正确的逻辑路径，同时惩罚不正确的推理，从而增强解决问题的能力。
- 用于微调的预配部署：Azure OpenAI Service 现在为微调模型提供预配部署。 除了基于 token 的计费外，这还通过预配吞吐量单位 (PTU) 确保可预测的性能和成本。
- Mistral 模型的微调：Mistral Large 2411 和 Ministral 3B 现在支持针对特定行业任务的微调，仅在 Azure AI Foundry 中提供。此类特定任务的一个例子是医疗保健文档编辑。
通过安全性和可扩展性强化企业代理
在当今的企业环境中，安全性和可扩展性不仅仅是理想的功能——它们是战略要务。 Azure AI Foundry 引入了两个强大的功能，可以安全地利用 AI 执行关键任务：
- 自带 VNet：Azure AI Agent Service 现在允许所有 AI 代理交互、数据处理和 API 调用安全地保留在组织自己的虚拟网络中。 这消除了暴露于公共互联网的风险，从而保护了敏感数据。 像 Fujitsu 这样的早期采用者正在利用此功能来显著提高销售业绩。 他们的销售提案创建代理由该功能提供支持，使销售额提高了 67%，同时节省了无数小时。 这允许将资源重新定向到客户参与和战略规划，同时保持数据完整性。
- Magma（多代理目标管理架构）：Magma 可通过 Azure AI Foundry Labs 获得，它彻底改变了复杂的工作流程编排。 它通过并行协调数百个 AI 代理来实现这一点。 这种架构能够以前所未有的速度和准确性解决大规模挑战，例如供应链优化。 它有效地桥接了物理和数字代理世界。 Magma 可在 Azure AI Foundry 中随时进行实验。
上述功能的引入以及现有功能的改进证明了 Microsoft 对开发 AI 的承诺。 AI 的不断发展对许多行业都有利，它是一股已经到来并将持续存在的力量。