Transcription
É pessoal, a OpenAI liberou o modelo Oan Pro para todo mundo utilizar. Ela, aparentemente, quer se manter na liderança da corrida da IA. Mas, como toda boa notícia, também tem seus lados e seus asteriscos que a gente tem que prestar muita atenção. Será que a gente vai se surpreender mais uma vez ou é apenas mais um GPT-4.5 para ficar gastando nossos créditos? Vem que tá na hora da gente entender o que que tá acontecendo. Vamos lá!
É pessoal, essa moda de fazer sonzinho no começo tá divertido, mas vamos lá. Sempre agradecendo a todo mundo que deixou seu like, a todo mundo que se inscreveu. Um agradecimento especial a todos os membros do canal que patrocinam esse canal aqui de inteligência artificial. Lembrando que os membros têm acesso a vídeos exclusivos sobre agentes inteligentes, que são ideias valiosíssimas.
Bom gente, então o que que afinal aconteceu? Que a OpenAI liberou o modelo One Pro. Sim, exatamente aquele modelo lá que só podia utilizar quem fazia a assinatura de 200 por mês. Agora todo mundo já pode utilizar. A primeira informação que a gente precisa saber é o seguinte: essa versão foi liberada para os usuários da API, que são programadores, desenvolvedores, quem trabalha com automações, né? A galera do marketing, todo mundo que tá nesse universo aí que tá utilizando a API de alguma forma. E, nesse modelo, você paga pelo uso. Isso significa: não tem uma assinatura todo mês; você vai usando e você vai pagando conforme você usa.
Para que fique bem claro do que que eu tô falando, imagina aqui, ó: quando a gente tá olhando os preços, e vai ter o plano gratuito, o plano Plus e o plano Pro. Esse plano Pro aqui custa 200 por mês, e aqui, se vocês forem observar, vai ter aqui, ó: acesso ao One Pro Mode, que significa que você só vai ter acesso a isso se você estiver no plano Pro. Porque nos planos mais baixos aqui, ó, no Plus, por exemplo, tem a Deep Research e Multiple Reasoning Models, que é o O3 Mini, o O3 Mini High e o O1 normal, não é o O1 Pro. Então isso significa que agora a gente pode utilizar ele, nem que seja para fazer um teste antes de fazer uma assinatura, ou que seja para fazer um teste ali para desenvolver algum produto. Mesmo de cara aqui, ó, eles já colocam os preços: o input são $150 e o output são $ por milhão de tokens. Aqui, ó, por milhão de tokens. Isso significa, gente, que é um preço exageradamente caro, se a gente for olhar aqui, ó, por exemplo, o One normal, ele tá $1 o 1 milhão de tokens, e $0,60 o 1 milhão de tokens na saída. E o O3 Mini tá $1,10 a entrada e $4,40 a saída. Eu acho que vocês já entenderam, né? Ó, se a gente for comparar com modelos que não são de raciocínio, o GPT-4, por exemplo, tá $0,50, 1 milhão de tokens. É muito baratinho. O único que começa a ficar caro de verdade é o GPT-4.5, que já era muito caro, que são $75 o milhão de tokens na entrada e $150 o milhão de tokens na saída. Isso aqui já era caro para caramba. Agora, se a gente fala que é $150 na entrada, que corresponde ao $150 da saída do GPT-4.5, a saída de $ é gigantescamente mais cara. Então, com isso, já dá para ter uma noção do quanto que isso vai custar.
Eu quero fazer um teste inicial aqui, pra gente ver o que que tá acontecendo, porque eu não quero tomar susto com esses preços aqui. E eu vou fazer o teste do copo, que todo mundo que acompanha o canal aqui já sabe, já viu acontecer. Como que eu vou fazer? Eu vou colocar aqui no Try Playground, que significa que eu vou conseguir utilizar como se fosse um chat normal, com uma interface gráfica, só que é uma interface de testes para desenvolvimento. Então, fechou, gente! Vai aparecer aqui, ó, o meu prompt certinho aqui, ó. O One Pro já tá selecionado. Eu consigo criar as funções aqui, e o mais importante: eu não estou assinando nenhum plano da OpenAI, tô como usuário gratuito. Mas aqui a gente vai pagar pelo uso. A gente pode criar aqui uma mensagem de desenvolvedor explicando alguma coisa que a gente quer de comportamento que o chat tenha. Aqui no caso, ele não tá passando prompt nenhum, não tá passando informação nenhuma. Eu também não vou colocar nada, e algumas mensagens adicionais aqui de contexto que você pode colocar para ele já começar com algum tipo de contexto. E aqui na janelinha, o chat normal, com anexo de arquivo inclusive. E vamos fazer um teste inicial, porque eu quero simplesmente saber quanto que esse cara vai gastar de tokens, porque dependendo de quanto ele gastar, o meu teste já encerra aqui mesmo, porque todo mundo aqui é filho de Deus e não vale a pena ficar gastando tokens aleatórios assim, de qualquer jeito.
Então, a ideia do teste do copo é bem simples: você explica pro modelo: “Coloquei um copo em cima da mesa. Eu coloco um dado dentro do copo, viro o copo de ponta cabeça. Nessa hora a gente imagina que o dado vai cair em cima da mesa. Você pega o copo e leva para cima do fogão e pergunta onde que foi parar o dado”, para ver se ele responde que caiu em cima da mesa e ficou ali parado. Os modelos normais, modelos simples ali, GPT-4 ou qualquer outro modelo em geral, eles erram, e eventualmente eles acertam de primeira. Os de raciocínio todos costumam acertar. Vamos ver. Lembrando que isso aqui, ó, é um teste do modelo, mas eu tô muito mais preocupado em saber quanto vai custar uma respostinha dessa, por uma pergunta simples e boba que nem precisaria utilizar o One Pro. Mas ele tá ali pensando, e a resposta dele foi aqui bem simples, bem bonitinha. Ele nem me mostrou nada demais além com a resposta e falou: “Se você simplesmente virou o copo de cabeça para baixo e depois o levantou para levá-lo ao fogão, o dado, sem nada que o prendesse ao copo, ficou sobre a mesa. Portanto, o dado continua na mesa.”
Olha, gente, vou ser sincero, eu já faço esse teste aqui há muito tempo no canal, desde o ano passado. Essa foi a melhor resposta que eu já vi na minha vida, porque pareceu um ser humano respondendo de verdade. Os modelos em geral explicam coisas demais ou explicam coisas de menos, e esse aqui, olha só que interessante esse texto. Vamos olhar o texto de novo, ó: “Se você simplesmente virou o copo de cabeça para baixo e depois o levantou para levá-lo ao fogão, o dado, sem nada que o prendesse ao copo, ficou sobre a mesa. Portanto, o dado continua na mesa.” Parece uma pessoa respondendo de verdade. Não foi uma resposta automática ali, dizendo os passos que ele precisa raciocinar, e não foi um texto meio formal demais explicando ali o que que aconteceu. Se eu tivesse dito para ele responder como se fosse um mano da zona leste, ele ia falar assim: “Mano, só virei o negócio aqui e tá em cima da mesa.” Gostei! Isso aqui, para mim, é um bom sinal. Vou dar um “good” aqui, ó. E ele já diz, ó, que se eu der o “good” aqui, ele vai utilizar esses dados aqui com a galera lá do do feedback content. Vou dar um “permitir” aqui. Então, tá top, funcionou!
Como que a gente faz agora para ver quanto custou esse negócio aqui? Lembrando que essa atualização de preço ela não é exatamente em tempo real, ela tem um pouquinho de delay, mas não é nada muito mais que 5 minutos, acho que até menos. Vamos lá pro dashboard. Olha que interessante aqui nos meus logs, ó: já apareceu aqui, ó: “Coloquei um copo em cima da mesa…” Não, bem certinho. Tem aqui os outros logs dos outros vídeos que a gente fez, né? As notícias sobre inteligência artificial. Bem interessante. Mas o que eu quero ver aqui, ó, é o usage, e na minha usage de hoje, aquela perguntinha me custou $0,63. Vamos dar uma olhada aqui nos detalhes da pergunta. Olha aqui os detalhes: a entrada me custou $0,02 e a resposta me custou $0,61. Nessa hora que me passa na cabeça é o seguinte: graças a Deus que ele deu uma resposta super curta, afinal, meu Deus do céu, o negócio ia custar caro! Como vocês podem ver, tá me custando 90 centavos o mês inteiro. E aqui onde eu mais gastei aqui para chegar nesse nível foram os 4 ou 5 centavos aqui no vídeo que eu ensinei a utilizar agentes, e 13 centavos no vídeo que eu fiz aquela brincadeira do Browser Use, que é aquele navegador que humanos utiliza. Então vamos dizer assim: o Browser Use foi um uso legal realmente ali, o modelo fez uma automação e rodou ali toda uma busca, fez um acesso no YouTube, fez todo um processo muito complexo. Então aqui, ó, 13 centavos, até que valeu a pena. Nesse testezinho aqui, se a gente for reparar, a Web Search aqui foi o que mais gastou, que gastou 4 centavos, que foi um preço caro também. 4 centavos aqui eu já considerei uma resposta bastante cara, porque uma respostinha pequena daquela lá, por muito pouco não me deu dó que ia me custar R$ 5 e pouco.
Então, fazendo uma continha rápida aqui, ó: essa pergunta e resposta aqui, sendo que a resposta foi bem mais cara, me custou mais ou menos uns R$ 3,50 por aí. Não, isso com certeza faz a gente ficar meio apavorado ali, se vale a pena continuar aqui ou não. Eu acho que esse teste foi o suficiente, já deu para ver que a qualidade da busca é maravilhosa, e já deu para ver que custa bem caro fazer umas busquinhas aqui. Se a gente for considerar que na versão Pro tem acesso ao All One Pro mode, e que esse preço aqui vai custar em torno de R$ 1.000 por mês, de repente, se você for fazer muitas perguntas ali, se você for fazer alguma coisa muito interessante, faz as contas na tua cabeça para ver se o custo do benefício não vale mais a assinatura ao invés de ficar utilizando aqui via API. O que que vocês acharam? Vale a pena ou não vale a pena?
E uma parte importante também que você precisa saber é que se você for aqui em “code”, ele vai aparecer o código que você pode utilizar tanto como URL como Python, Node.js e Jon, justamente configuradinho bem certinho para fazer essa conversa aqui que a gente teve. Ah, e olha só um detalhe que eu acabei de detectar aqui, ó: o esforço aqui, ó, tá definido como médio. Porque esses modelos você consegue definir quanto que ele vai se esforçar. Olha só, por pouco que eu quase passo esse detalhe aqui, ó: se a gente vier aqui nessa variávelzinha de configuração, você consegue configurar o esforço do raciocínio, e tá como padrão médio. Eu poderia, por exemplo, colocar em “high” ou colocar em “low”, que isso significa que ele vai gastar mais ou menos tempo ali raciocinando. Então isso é muito bom, principalmente pensando aqui que você pode pegar esse código aqui, jogar no teu Python ali e já rodar e criar uma aplicação baseada nele. O que que vocês acharam? Vale a pena? Deu vontade de utilizar?
Uma outra atualização bastante interessante que saiu é que na API agora você também consegue incluir PDFs, arquivos de PDF, e com isso você consegue utilizar o One GPT-4 e o GPT-4 Mini para fazer respostas com esse contexto aqui, ó, como ele tá mostrando no exemplo aqui. E aí você me pergunta: “Mas Bob, para que que eu faria isso? Eu posso fazer um RAG ali utilizando outras formas, para que que eu utilizaria esse file inputs aqui da OpenAI?” Bom, a verdade é a seguinte: se você utilizar aqui com essa forma, quem vai fazer o RAG aqui vai ser a própria OpenAI, vai ser feito automaticamente. Então você não precisaria se preocupar. E o detalhe interessante aqui que você pode tanto fazer o upload do teu arquivo normal ou utilizar uma codificação base64, que ajuda a evitar erros de caracteres especiais. O que muda basicamente aqui, ó, que ele tem que fazer a codificação nessa linha aqui, e que depois ele precisa passar essa informação aqui que o tipo de dado aqui é base64 com esse cabeçalhozinho aqui em paralelo com o arquivo que ele tá enviando.
Então, se eu fizer um exemplo aqui, ó, rodando aquele exemplo exatamente que eles passaram ali, porém só atualizando aqui para ele carregar as variáveis de ambiente e colocando esse arquivo aqui que tem o artigo “Attention is all you need”, eu vou mudar a pergunta aqui, ó: “Faça um resumo deste artigo em tópicos.” Fechou! “Faça um resumo deste artigo em tópicos”, é o artigo “Attention is all you need”. Vamos ver se isso aqui vai funcionar. Fechou! Funcionou! Claro! Aqui está um resumo do artigo “Attention is all you need” em tópicos: introdução e motivação. Os modelos de tradução de sequência tradicionais são baseados em redes neurais recorrentes ou convolucionais, e as limitações de paralelização são um desafio devido à natureza sequencial dessas redes. Perfeito, gente! Fizemos aqui um anexo desse arquivo sem precisar ficar fazendo manualmente ou subindo assistant ou fazendo qualquer coisa. Foi tudo feito aqui de forma automática. E vamos verificar se esse arquivo apareceu lá na plataforma, mas que a princípio dessa forma aqui não abriu. Mas olha só, esse aqui eu fiz utilizando o base64. O que que aconteceria se a gente fizesse da outra forma ali, fazendo o cliente criar um arquivo? “Faça um resumo do artigo em tópicos” de novo. Vamos fechar aqui esse arquivo, vamos deixar tudo certinho. Olha a diferença aqui: ele criou um file, e aqui ele passa o file ID. Muito provavelmente essa aqui vai ser a grande diferença, e acho que nesse caso aqui ele vai criar um arquivo lá que a gente vai conseguir visualizar com ID e tudo mais. Perfeito! Aqui de novo: claro, aqui está o resumo do artigo “Attention is all you need” em tópicos. E aqui você já vê que a resposta tá diferente, né? Introdução: a Transformer propõe uma nova arquitetura de rede chamada Transformers, e por aí vai. E agora, como vocês podem ver aqui, ó, apareceu sim um arquivo: 170637627, que é um arquivo que eu acabei de criar, que é exatamente aqui o nome do arquivo que eu tô utilizando. Então significa que se eu tiver esse file ID agora eu não preciso mais fazer essa etapa aqui de criar o arquivo, tá entendendo? Porque agora esse arquivo aqui, ó, já tem esse ID, eu já consigo acessar esse arquivo aqui através do ID. Se eu copiar esse ID aqui, ó, agora eu arranco fora essa parte do código, arranco fora essa parte do ID aqui, coloco o ID que ele me passou ali, vou fechar esse negócio, vou rodar de novo, e tem que funcionar igual, gente! Fechou! Resultado aqui bem certinho de novo. Terceira resposta: claro, aqui está um resumo do artigo “Attention is all you need”. E aqui de novo a introdução tá diferente, ó: apresentação do Transformer, do modelo de arquitetura baseado apenas em mecanismos de atenção, e por aí vai. O que que vocês acharam? Vale a pena utilizar o One Pro? Vale a pena utilizar essa forma aqui de fazer anexo de arquivo usando Python? O que mais chamou a atenção de vocês? Tá caro demais esse negócio ou não tá? Eu achei que tá bem carinho, hein! Comenta aqui que eu quero saber! Se você quiser apoiar o canal para continuar vendo vídeos como esse, seja membro! Os membros têm acesso ao grupo do WhatsApp, vídeos antecipados. É isso aí! Deixa seu like, valeu!