Según Cointelegraph: OpenAI ha anunciado la disponibilidad de ajustes para GPT-3.5 Turbo, lo que permite a los desarrolladores de IA mejorar el rendimiento en tareas específicas utilizando datos dedicados. El desarrollo ha sido recibido con entusiasmo y críticas por parte de la comunidad de desarrolladores.

OpenAI explicó que mediante ajustes, los desarrolladores pueden adaptar las capacidades de GPT-3.5 Turbo a sus necesidades. Por ejemplo, un desarrollador podría ajustar GPT-3.5 Turbo para generar código personalizado o resumir de manera eficiente documentos legales en alemán utilizando un conjunto de datos de las operaciones comerciales del cliente.

Sin embargo, algunos desarrolladores han expresado su preocupación por la nueva función. Un comentario de un usuario llamado Joshua Segeren sugiere que, si bien ajustar el GPT-3.5 Turbo es interesante, no es una solución completa. Él cree que mejorar las indicaciones, utilizar bases de datos vectoriales para búsquedas semánticas o cambiar a GPT-4 a menudo produce mejores resultados que el entrenamiento personalizado. Además, se deben considerar los costos de instalación y mantenimiento continuo.

Los modelos básicos GPT-3.5 Turbo comienzan a una tasa de $0,0004 por 1000 tokens, mientras que las versiones ajustadas cuestan $0,012 por 1000 tokens de entrada y $0,016 por 1000 tokens de salida. También se aplica una tarifa de formación inicial basada en el volumen de datos.

La función de ajuste es importante para las empresas y los desarrolladores que buscan crear interacciones personalizadas con los usuarios. Por ejemplo, las empresas pueden ajustar el modelo para que coincida con la voz de su marca, asegurando que los chatbots muestren una personalidad y un tono consistentes que se alineen con la identidad de la marca.

Para garantizar un uso responsable de la función de ajuste, los datos de entrenamiento utilizados para el ajuste se revisan a través de la API de moderación de OpenAI y el sistema de moderación impulsado por GPT-4. Este proceso ayuda a mantener las características de seguridad del modelo predeterminado durante el proceso de ajuste y garantiza que la salida refinada cumpla con los estándares de seguridad establecidos de OpenAI. También permite a OpenAI mantener cierto control sobre los datos que los usuarios ingresan en sus modelos.