openai playground收费吗的进一步展开说明

最近，ChatGPT引发了广泛的关注和热议。早在GPT⑶发布时，我就开始关注该模型了。虽然当时没具体进行开发，但我对其API进行了一些实验。如今，ChatGPT如此火爆，而且功能如此强大，我觉得之前我想做的许多产品都可以利用这类人工智能能力来实现。因此，我决定开始开发一些产品，利用ChatGPT和其他AI模型的能力。

目前，ChatGPT的API还没有推出，所以我先尝试了GPT⑶的API。实际上，GPT⑶的API已非常强大了。现在的笔记软件Craft和Notion和Github的Copilot中的人工智能功能都是通过GPT⑶实现的。在我的视频创作和写作中，我常常使用它们。我准备先尝试一下GPT⑶的API，然后渐渐等待OpenAI开放ChatGPT的API。

价格

目前，区别模型的定价以下：

Ada（速度最快，效果最差）：每千个令牌0.0004美元

Babbage：每千个令牌0.0005美元

Curie：每千个令牌0.0020美元

Davinci（效果最好）：每千个令牌0.0200美元

可以看出价格差异很大。最贵的模型和最低价的模型的价格相差50倍。

根据文档，1000个令牌大约等于750个英文单词。

我找了一篇今天的新闻，纯文本的，长度以下：

密歇根州立大学枪击案造成五人受伤；正在追捕嫌犯。据警方流露，周一晚间，一位枪手在密歇根州立大学校园内的学术厅内开枪，造成最少五人受伤。嫌犯被描写为一位矮小的黑人男子，身穿黑色裤子、蓝色茄克和红色鞋子，截至晚上11点30分，他仍在逃。

根据计算，这篇新闻有291个单词，如果计算空格，有1777个字符。在OpenAI的API playground上显示有424个令牌。

假定每篇新闻的长度都是如此，如果我们要处理10000篇新闻，我计算了一下价格。即逐日本钱为：（424*10000/1000*price）

Ada：1.696美元

Babbage：2.12美元

Curie：8.48美元

Davinci：84.8美元

因此，简单来讲，如果处理长文本，乃至比上述新闻更长的内容，可能会有点昂贵。

但是，如果你的任务是对推特进行分类，判断内容是正面或者负面，例如以下例子：

对以下推文进行情感分类：
1. “我受不了作业。”
2. “我迫不及待地等待万圣节！”

推文情感评级：
1. 负面
2. 正面

对这个例子，你可以将冒号前的内容交给GPT⑶，它会告知你，第一条是负面推文，第二条是正面推文。这个任务的令牌数量为36个。我们也能够计算价格，一样假定进行10000次：（36*10000/1000*price）

Ada：0.144美元
Babbage：0.18美元
Curie：0.72美元
Davinci：7.2美元

因此，可以得出文字越多，价格越高。你需要根据任务来计算将花费多少钱。事前估计一下，以避免造成过大的负担。

区别的模型

实际上，OpenAI不但提供了通用的GPT⑶模型，还有针对特定任务的模型，比如Codex专注于代码生成，Content Filter专注于内容的安全性（敏感信息或不良信息），接下来我们将只讨论GPT⑶模型。

区别的模型（来自文档，我们将在后面进行测试）：

达芬奇（Davinci）

达芬奇是最强大的GPT⑶模型，也是最昂贵的模型，可以完成其他模型能够完成的所有任务。它通常质量更高、结果更长且更符合唆使。

对需要对内容有深入理解的利用，如针对特定受众的摘要和创意内容生成，达芬奇将产生最好结果。这些增强功能需要更多的计算资源，因此，每一个API调用的本钱更高，速度也比其他模型慢。

达芬奇在理解文本意图方面也非常出色。达芬奇善于解决许多逻辑问题并解释字符的动机。达芬奇乃至能够解决一些触及因果关系的最具挑战性的AI问题。

善于于：复杂意图、因果关系、针对受众的摘要

居里（Curie）

居里非常强大，但速度很快。虽然在分析复杂文本方面达芬奇更强大，但居里非常善于许多奥妙的任务，如情感分类和摘要。居里还善于回答问题、履行问答和充当普通的聊天机器人。

善于于：语言翻译、复杂分类、文本情感、摘要

巴贝奇（Babbage）

巴贝奇可以履行简单的分类任务，还可以够在语义搜索中对文档与搜索查询的匹配程度进行排序。

善于于：中等分类、语义搜索分类

艾达（Ada）

艾达通常是速度最快的模型，可以履行文本解析、地址修正和某些不需要过量奥妙判断的分类任务。提供更多上下文信息可以提高艾达的性能。

善于于：解析文本、简单分类、地址校订、关键字

简单地说，由于GPT⑶可以完成许多任务，一个复杂的系统也需要许多能力，但使用最昂贵的达芬奇模型可能会很昂贵。如果Ada或其他低级模型可以胜任工作，请尽可能不使用Davinci ，这样可以节省费用，还可使系统更快。

效果比较

今天我们只比较了摘要的任务，以后我们尽可能比较使用API可以做到的其他功能。

一开始不需要编写代码，在playground中测试非常简单。将我刚才找到的新闻复制到输入框中，并在前面添加“Summarize:”以指明摘要任务。

然后点击下方的submit按钮，就能够生成结果了。

结果将以绿色背景的情势显示。

基本操作非常简单，但请注意，在playground中测试和实际使用API的费用是一样的。不过，每一个用户注册时，默许具有18美元的余额，所以无需充钱也能够使用一段时间。

现在我们来比较一下区别模型生成的结果。这篇新闻大致讲述的是密歇根州立大学产生枪击案，造成5人受伤，而嫌犯截至发稿时依然未被捕。我们可以看看区别模型生成的结果有何区分。我使用了DeepL进行翻译，以节省API使用费用，Temperature设置为0.2。

达芬奇：

密歇根州立大学枪击案造成五人受伤；正在追捕嫌犯。据警方流露，周一晚间，一位枪手在密歇根州立大学校园内的学术厅内开枪，造成最少五人受伤。嫌犯被描写为一位矮小的黑人男子，身穿黑色裤子、蓝色茄克和红色鞋子，截至晚上11点30分，他仍在逃。

Curie：

截至晚上11点30分，搜捕仍在进行中。

巴贝奇：

嫌犯被描写为一位矮小的黑人男子，身穿黑色裤子、蓝色茄克和红色鞋子。(密歇根州立大学警方) 对嫌犯的搜捕工作始于晚上11点30分，目前仍在进行中。 五人在枪击中受伤，包括枪手，情况严重。 嫌犯被描写为一位矮小的黑人男子，身穿黑色裤子、蓝色茄克和红色鞋子。(密歇根州立大学警方)

艾达：

枪击事件中受伤的五人都是密歇根州立大学的学生，其中包括三名女性和一位男性。 嫌犯是一位矮小的黑人男性，身穿蓝色茄克和红色鞋子。

明显，达芬奇的效果最好，而最使人意外的是在这个具体任务中，巴贝奇的效果比艾达要好。艾达的效果又好过Curie，与文档描写不符。

另外，我还测试了几个开源模型的摘要引擎：

Google/Pegasus-large

地址：https://huggingface.co/google/pegasus-large

这是开源模型的介绍地址，在该地址中你也能够测试该模型。

密歇根州立大学枪击案造成五人受伤；正在追捕嫌犯。据警方流露，周一晚间，一位枪手在密歇根州立大学校园内的学术厅内开枪，造成最少五人受伤。嫌犯被描写为一位矮小的黑人男子，身穿黑色裤子、蓝色茄克和红色鞋子，截至晚上11点30分，他仍在逃。

Facebook/Bart-large-cnn

地址：https://huggingface.co/facebook/bart-large-cnn

密歇根州立大学枪击案造成五人受伤；正在追捕嫌犯。周一夜，枪手在密歇根州立大学校园内的一个学术厅内开火，造成最少五人受伤。据11:30 p.m.的描写，嫌犯被描写为一位矮小的黑人男子，身穿黑色裤子和红色鞋子。

Google/Pegasus-cnn_dailymail

地址：https://huggingface.co/google/pegasus-cnn_dailymail

周一晚间，一位枪手在密歇根州立大学校园内的学术厅内开枪，造成最少五人受伤。枪击事件产生在晚上8点18分，位于校园北部边界的社会学系的伯基厅内。学校发布了就地避难的命令。密歇根州立大学的大四学生本•芬克尔斯坦（Ben Finkelstein）在晚上早些时候听到两声微弱的枪声后，躲在床下。

Philschmid/Bart-large-cnn-samsum

地址：https://huggingface.co/philschmid/bart-large-cnn-samsum

周一夜，枪手在密歇根州立大学校园的一个学术厅内开枪，最少造成五人受伤。枪击事件产生在校园北部边界的伯基厅内，该厅是社会学系的所在地。学校发布了就地避难命令。MSU的大四学生本·芬克尔斯坦（Ben Finkelstein）在晚上早些时候听到两声微弱的枪声后藏在床下。

基本上，我们可以看到，GPT⑶的效果相当不错，与这几个大公司开源的模型在摘要上的效果差不多。

那末我们为何要使用GPT⑶呢？由于它可以完成许多任务，摘要只是其中之一。而且它还可以处理中文和英文。

例如，我用之前的博客片断进行测试：

我是从92年上初中的时候开始写代码的。2001年大学毕业后，我的工作一直都在写代码，已写了20年了。当时也有一些显著的时刻。在09年我第一次创业，开了一家搜索和技术咨询的公司。如果你用过大众点评、饭统，当时北京和上海最大的两家餐饮网站。那你应当用过我的代码。他们的搜索，在很长一段时间都是我们弄的。六间房的搜索，也是我们弄的，当时是排在优酷和土豆后面的，全国第三的视频网站。固然还有一些其他的公司，比如英国金融时报的中国版，等。09年的时候，iPhone SDK刚刚火起来以后，有道要做有道词典的iOS版本，他们找不到人做，就顺藤摸瓜找到了我，让我帮他们做第一个版本。固然这只是一个小的外包项目。再后来第一次搜索创业失败以后，我就去了盛大。在盛大待了一年，最后一段时间，我负责盛大云中书城的iOS端，写的代码基本上都是我一个人写的，由于当时盛大也没有几个人会写iOS代码。你知道当年最火的出发点，一堆国内文学网站，都是属于盛大云中书城的。当年iOS/iPhone开发比较早期的时候，我或者比较亮眼的，那个时间点人材相对较少。然后我离开盛大以后，自己创业了几年。后来又去过两家公司去管技术团队，管了两年。再后来我抑郁了半年多，窝在家里，再后来，我就没再出门工作过了。生活主要就是靠写作，靠微信公众号啊，偶尔做点视频。但我也有一年多没写过代码了，也是2023年下半年才开始恢复。

使用GPT⑶生成的结果：

达芬奇：这是一个关于一个人20年来一直从事编程的故事。从1992年开始，他一直在写代码，直到2023年下半年才恢复。他参与过许多知名公司的项目，包括大众点评、饭统、六间房和英国金融时报的中国版等。他也曾创业，并在盛大担负一年的技术负责人。以后他又创业了几年，然后去过两家公司担负技术团队负责人，以后又抑郁了半年多。最后，他以写作和微信公众号为主要方式度过生活，直到2023年下半年才恢复编程。

Curie：这个人编程已有20多年了，曾在软件工业中担负多个职位，包括为搜索引擎和技术咨询公司编写代码。2009年，他创办了一家公司，一年后失败了。2012年，他加入了另外两家公司的技术团队，然后在2016年再次创业。在iPhone开发的初期阶段，他是为数不多能在该平台上编写代码的人之一。他还为当时北京和上海最大的餐饮连锁公司开发了iOS版本的网站。2009年，当iPhone SDK刚开始流行时，他被聘请为iOS上的一个词典利用程序工作。以后，他又为该公司开发了六个其他利用程序，直到2012年离职。2016年，他再次创办了自己的公司。从那以后，他再也没有写过任何代码。他大部份时间都在写作和制作视频。

巴贝奇：编码是一份重要的工作。编码通常是通过代码来实现重要内容的一种重要途径和通道。

艾达：2016年开始写代码。

综上所述，不管是中文或者英文，GPT⑶都能很好地处理。达芬奇提供了完善的结果。使人奇怪的是，Curie虽然理解了内容，但输出的却是英文。而巴贝奇和艾达的效果几近没法接受。

而那几个在英文摘要任务上表现良好的开源模型，则没法处理中文内容，大家可以自行测试。

请期待后续文章，我将继续介绍GPT⑶ API的其他功能和区别模型的表现，并与其他可用于类似任务的开源模型进行比较。

openai playground收费吗的常见问答Q&A

能否提供更准确一些的大纲内容，以便我更好地帮助您生成Q&A格式的回答？