OpenAI 出了个新功能，直接让 ChatGPT 输出的速度原地起飞！这个功能叫做“预测输出”（Predicted Outputs），在它的加持之下，GPT-4o 可以比原先快至多 5 倍。以编程为例，来感受一下这个 feel：
为啥会这么快？用一句话来总结就是：
跳过已知内容，不用从头开始重新生成。
因此，“预测输出”就特别适合下面这些任务：
在文档中更新博客文章
迭代先前的响应
重写现有文件中的代码
而且与 OpenAI 合作开发这个功能的 FactoryAI，也亮出了他们在编程任务上的数据：
从实验结果来看，“预测输出”加持下的 GPT-4o 响应时间比之前快了 2-4 倍，同时保持高精度。
并且官方还表示：
原先需要 70 秒完成的编程任务，现在只需要 20 秒。
值得注意的是，目前“预测输出”功能仅支持 GPT-4o 和 GPT-4o mini 两个模型，且是以 API 的形式。
对于开发者而言，这可以说是个利好消息了。
网友们在线实测
消息一出，众多网友也是坐不住了，反手就是实测一波。
例如 Firecrawl 创始人 Eric Ciarla 就用“预测输出”体验了一把将博客文章转为 SEO（搜索引擎优化）的内容，然后他表示：
速度真的超级快。
它就像在 API 调用中添加一个预测参数一样简单。
另一位网友则是在已有的代码之上，“喂”了一句 Prompt：
change the details to be random pieces of text.
将详细信息更改为随机文本片段。
来感受一下这个速度：
也有网友晒出了自己实测的数据：
总而言之，快，是真的快。
怎么做到的？
对于“预测输出”的技术细节，OpenAI 在官方文档中也有所介绍。
OpenAI 认为，在某些情况下，LLM 的大部分输出都是提前知道的。
如果你要求模型仅对某些文本或代码进行细微修改，就可以通过“预测输出”，将现有内容作为预测输入，让延迟明显降低。
例如，假设你想重构一段 C# 代码，将 Username 属性更改为 Email ：
你可以合理地假设文件的大部分内容将不会被修改（例如类的文档字符串、一些现有的属性等）。
通过将现有的类文件作为预测文本传入，你可以更快地重新生成整个文件。
使用“预测输出”生成 tokens 会大大降低这些类型请求的延迟。
不过对于“预测输出”的使用，OpenAI 官方也给出了几点注意事项。
首先就是我们刚才提到的仅支持 GPT-4o 和 GPT-4o-mini 系列模型。
其次，以下 API 参数在使用预测输出时是不受支持的：
n values greater than 1
logprobs
presence_penalty greater than 0
frequency_penalty greater than 0
audio options
modalities other than text
max_completion_tokens
tools - function calling is not supported
除此之外，在这份文档中，OpenAI 还总结了除“预测输出”之外的几个延迟优化的方法。
包括“加速处理 token”、“生成更少的 token”、“使用更少的输入 token”、“减少请求”、“并行化”等等。
文档链接放在文末了，感兴趣的小伙伴可以查阅哦~
One More Thing
虽然输出的速度变快了，但 OpenAI 还有一个注意事项引发了网友们的讨论：
When providing a prediction， any tokens provided that are not part of the final completion are charged at completion token rates.
在提供预测时，所提供的任何非最终完成部分的 tokens 都按完成 tokens 费率收费。
有网友也晒出了他的测试结果：
未采用“预测输出”：5.2 秒，0.1555 美分
采用了“预测输出”：3.3 秒，0.2675 美分
嗯，快了，也贵了。
OpenAI 官方文档：
https://platform.openai.com/docs/guides/latency-optimization#use-predicted-outputs
参考链接：
[1]https://x.com/OpenAIDevs/status/1853564730872607229
[2]https://x.com/romainhuet/status/1853586848641433834
[3]https://x.com/GregKamradt/status/1853620167655481411