OpenAI 开放 GPT-4o 微调：几十条数据起训，限时每天送百万 token

以前想让最顶级的 AI 听懂你的公司暗号或代码规范，唯一的办法就是在每次发消息时，把上万字的背景和例子硬塞进提示词里。这种做法不仅费 token、拖慢响应速度，模型还时不时把规矩忘在脑后。

OpenAI 终于开放了 GPT-4o 的微调功能。只要你是付费层级开发者，现在就可以登录后台，用自己的数据集定制专属版本的旗舰模型。

为了让大家尽快动手，官方还给出了限时羊毛。在 9 月 23 日之前，每个组织每天可以免费获得 100 万个 GPT-4o 训练 token。如果是给 GPT-4o mini 微调，每天送的额度翻倍到 200 万 token。

几十个样本就能改脾气，成本也摆在明面上

按照 OpenAI 的说法，开发者只要准备几十个样本，就能看到明显的定制效果。微调不仅能让模型适应特定业务领域的复杂指令，还能统一回答的语气和结构。

收费标准也同时公布。GPT-4o 的训练成本是每 100 万 token 收取 25 美元。训练完成后，推理成本是输入每 100 万 token 收取 3.75 美元，输出每 100 万 token 收取 15 美元。

数据安全方面，官方明确表示微调模型完全归用户控制。不管是喂进去的训练数据，还是后续的输入输出，都不会被用来训练其他模型或与第三方共享。同时他们会在后台运行自动化安全评估，防止定制模型被滥用。

早期测试者已经刷出了跑分新纪录

在公开发布前，OpenAI 找了几家伙伴提前试水，拿出来的成绩单相当亮眼。

做软件工程助手的 Cosine 推出了 Genie 工具，它就是用真实软件工程师的工作记录微调了 GPT-4o。这个模型学会了直接按规范输出补丁格式的代码，在 SWE-bench Verified 基准测试上跑出了 43.8% 的成绩。

在更难的 SWE-bench Full 测试中，Genie 拿下了 30.08% 的分数，把他们自己此前 19.27% 的纪录直接刷新，这也是该基准设立以来的最大单次提升幅度。

另一家企业级伙伴 Distyl 则专注企业数据分析，他们微调的 GPT-4o 在知名文本转 SQL 榜单 BIRD-SQL 上拿到了第一名，执行准确率达到 71.83%，在意图分类、思维链和自动纠错上表现突出。

为什么重要

我们认为，GPT-4o 开放微调最直接的价值，就是把复杂工作流的成本压了下来。很多团队此前为了保证格式正确，得把很长的规则嵌在 Prompt 里反复调用，现在把规范固化进模型权重后，省下的推理 token 很快就能抹平成本。

对于软件工程、法律合规或者医疗这种对格式与术语极度敏感的领域，这绝对值得立刻一试。尤其是每天赠送的 100 万 token 额度，足够很多团队拿几十到几百条核心数据做冷启动验证。

从行业竞争来看，这给 Anthropic 等对手施加了不小的压力。此前 Claude 3.5 Sonnet 在代码领域口碑极佳，但 OpenAI 允许开发者用私有数据深度改造 GPT-4o，能让企业把模型性能再往上推一个台阶。

但这里也有隐患。微调虽然能解决语气和格式，却很难凭空教会模型原本就不懂的新事实。如果你的训练集质量不高，反而可能让模型染上新的幻觉，盲目投入训练成本并不可取。