OpenAI 将推出新 “预测输出” 功能：速度是 GPT-4o 模型的 5 倍

对于大多数与 LLM 相关的使用案例来说，延迟都是一个重要问题。对于代码建议和修改长文档等情况，延迟确实会影响整体用户体验。想象一下，用户想要重写一份 2 页文档的最后一段。如果改写后的文档能立即出现就更好了，因为改动只涉及一个段落。然而，目前的 LLM API 需要重新生成整个文档，这给用户带来了很大的延迟。

OpenAI 现在正试图通过一项名为 “预测输出”（Predicted Outputs）的新开发功能来解决这个问题。该功能可用于提前知道 LLM 大部分输出的情况。编辑文档或重构代码等任务都可以利用这一功能得到改进。预测输出使用推测解码来跳过已知内容，使迭代速度大大加快。

开发人员可以将现有内容作为预测内容传入，从而大大减少延迟。这样，他们就能更快地重新生成整个内容。

OpenAI 与一些外部合作伙伴一起测试了这一功能，结果非常积极。例如，根据微软 GitHub 团队的内部基准测试，Copilot Workspace 工作负载中的预测输出速度提高了 5.8 倍。

要使用 “预测输出”，开发人员会受到一些限制。首先，它只支持 GPT-4o 和 GPT-4o-mini 系列机型。不支持最新的 o1 型号。此外，使用预测输出时不支持以下现有 API 参数：

• n 值大于 1
• logprobs
• 存在惩罚大于 0
• 频率惩罚大于 0
• 音频选项
• 文本以外的模式
• max_completion_tokens
• 工具 - 不支持函数调用

在提供预测时，所提供的令牌如果不是 API 最终完成的一部分，则按完成令牌费率收费。虽然存在限制，但这项新的 “预测输出” 功能的潜在优势是巨大的，它为更灵敏、更高效的 LLM 工具铺平了道路。