跳到主要內容

【Azure OpenAI】o1 模型與 2024-09-01-preview API

距離上篇在 Early Access Playground 試用 o1 模型後又過了兩週,今天終於等到 API 開放使用啦!本篇將紀錄如何使用 Python SDK 存取 o1 模型。 系列文章 【Azure OpenAI】快速試用 o1 模型 模型佈署 在先前開放的 Early Access Playground 中使用 o1 是不需要另外佈署模型的,不過回到使用 API 來存取 o1 模型,就需要像之前的模型一樣先進行佈署才能使用,相信大家都很熟悉了。 使用 Python SDK 一樣使用熟悉的 openai 套件: 2024-09-01-preview 初始化的方式與先前模型都一樣,需要注意的是 o1 模型目前只能使用最新的 API 版本 2024-09-01-preview 來訪問。 Chat Completions 將 model 填入 o1-preview ,或是你的模型佈署名稱, messages 也一樣是歷史對話堆疊的 List。 回應如下: 查看 Token 使用量 內建 Chain of Thought 的 o1 比起過往的模型會消耗較多的 Token,因此我們特別把 Token 使用量拉出來看。 回應如下: 其中 prompt_tokens 、 completion_tokens 、 total_tokens 在先前的 API 就已經存在了,分別代表Token 的 Input、Output 與總使用量,而在新的 completion_tokens_details 中可以看到  reasoning_tokens 使用了 320 個 Tokens,居然佔了總輸出 Token 的 80% 以上! 控制 Token 成本 已往我們可以使用  max_tokens 參數來控制 Token 的用量,但在 o1 模型中棄用了 max_tokens ,取而代之的是使用  max_completion_tokens 參數,來看看這段程式碼: 回應如下: 沒東西?那再看一次 Token 量。 回應如下: Token 居然是有被使用的! 這表示 max_completion_tokens 並不像過往使用  max_tokens 這麼簡單,先前在回應遇到...

【Applied Skills】一些考試心得

Microsoft Applied Skills 是微軟在 2023 年 10 月底全新推出的認證,加上 11 月中 Microsoft Ignite 大會期間推出的第二波,目前總共有 13 項認證,其中有 10 項與 Azure 相關。

大約在考試開放的隔週我就有注意到,並且陸續開始參加考試,以下記錄一些參加考試時的流程還有心得,與之後也想參加考試的朋友分享。


原本的 Microsoft Certifications 呢?

這是我看到新推出的 Applied Skills 後第一個想到的問題,微軟大概也知道大家都會想問這個問題,所以在一開始的公告中就給了下面這張圖:

Certifications  VS Applied Skills

基本上從考試型態來看就有很大的差異,相比原本 Certifications  幾乎全部是選擇、連連看這類的題目,Applied Skills 是全程實戰的上機考,目前 Applied Skills 被定位在針對特定技能的檢驗,而 Certifications 則是對某個領域更全面完整的考核。

所以 Applied Skills?還是 Certifications?整體來說,兩者是相輔相成的存在,尤其是 Applied Skills 針對特定技能的實作考試,一定程度上補足了先前的 Certifications。

目前的 Applied Skills 項目

Applied Skills 項目

不愧是 AI 元年,Data and AI 類推出的數量與速度都很驚人,從圖中可以看到短時間內至少會增加到 20 個考試項目,所以這張圖應該參考就好,想知道最新的項目有哪些還是以 Microsoft Learn 為主。

考試流程

不像 Certifications  還有一堆麻煩的預約付款,Applied Skills 只要心情好就能直接點開 Microsoft Learn 參加考試,不需要有額外的環境,全程只會在瀏覽器上操作,每次的考試背後會配置獨立的 VM 與 Azure 訂閱供你隨意使用。

進入 VM 後跟著指引會打開一封 mail,其中會說明目前 Azure 訂閱中已經有哪些現存的服務,並且在這之上建立其他滿足需求的服務出來,說真的與現實工作場景還蠻像的😆,畢竟大多數老闆也是這樣派工。每次大約會有 3-4 題,題目敘述都非常簡短,基本上就是簡述一些需求規格,再來就是各憑本事把服務搭起來了。

確定一切完成後可以提交,分數會在一分鐘之內計算出來,每個項目不太一樣,不過大約就是 70 分以上可以通關。

一些可以改善的地方

畢竟這東西推出不到一個月,目前我考起來感覺還有可以再改善的地方:

  • 瀏覽器中 VM 的畫面高度太窄:看到很多論壇上都有人提到這點,操作時會一直需要滾動滑鼠確實挺煩人的。

  • 缺乏監考機制:無法確定現在在電腦前的到底是不是本人,雖然我不知道有沒有人會這麼無聊找人代打。

  • 考題固定:這點是我其中有幾項重複參加發現的,感覺有些題目可以再增加一點隨機性。

  • 語言:有時候我就是想切換一下中文,有幾個 VM 環境中的 Edge 是可以右鍵翻譯的,但大多時候是鎖起來的,至少可以開放一下這個功能。

總結

雖然好像講了很多壞話,不過過程中感覺還是流暢的,每次都分配獨立的 VM 與 Azure 訂閱,對於一個免費參加的考試真的很舒服,就算之後開始收費我都不會覺得奇怪。

另外就是題目型態的多元性,不侷限在 Portal 上點滑鼠建服務,有的需要使用 Azure CLI 指令,甚至在 AI 類的還需要寫 Code,考你會不會使用 SDK,整體來說非常有趣!

最後不免俗的分享一下目前進度,如果看到部落格文章一段時間沒更新,可能是我卡在某個考試中了😔

成績單

留言

這個網誌中的熱門文章

【Azure OpenAI】購買 PTU 時微軟不會告訴你的事

Provisioned Throughput Units 一直是目前在 Azure OpenAI 對於延遲問題的最有效解法,同時也是官方最推薦的方案。有別於基本的隨付即用,PTU 具有穩定、可預測的延遲等優勢,適合用於正式上線的生產環境。 但 PTU 的成本是一個不可忽視的問題,儘管選購最小單位量的 PTU,也是需要應用到達一定規模後才看得出使用效益。在確認是否購買 PTU 時,除了詳細閱讀官方文件並使用官方推出的計算機規劃額度外,以下幾點或許也是你該注意的。 不可自行購買 PTU 首先,是的,截自撰文當日 (2024/07/09) PTU 只能透過微軟業務窗口洽詢購買細節,這可能對於多數用戶是不友善的,但我相信這個過程很快就能得到優化。 相關連結: https://learn.microsoft.com/en-us/azure/ai-services/openai/concepts/provisioned-throughput#how-do-i-get-access-to-provisioned PTU 的可用區域僅供參考 在官方文件中記錄了下述表格,其中詳細的呈現各種模型的 PTU 在不同地區的可用性,但這張表只是一個參考,因為當你洽詢業務窗口時你會得到另一張不同的表格。 其中對於台灣用戶可能最有影響的,是我們沒辦法在日本東部購買 gpt-4o 模型的 PTU,對於想透過購買 PTU 以降低模型延遲的用戶來說這是一個矛盾的選擇,當然更不用提隨之產生的跨區傳輸量成本。 一樣截至撰文為止,為何在打勾區域✅無法購買的問題,官方並沒有給出任何理由,或許是我們採購量沒有達到官方需要解釋的程度😔 相關連結: https://learn.microsoft.com/en-us/azure/ai-services/openai/concepts/provisioned-throughput#what-models-and-regions-are-available-for-provisioned-throughput 有別於你認知的定價策略 承如前述,PTU 的成本絕對是導入時的重要考量點。 PTU 的售價到底是多少 事實上 PTU 的官方售價早就是公開的秘密,稱之為秘密是因為 PTU 的售價截至目前並沒有被列在官方文件或定價計算機中,但在最新的 Azure OpenAI S...

【Azure OpenAI】o1 模型與 2024-09-01-preview API

距離上篇在 Early Access Playground 試用 o1 模型後又過了兩週,今天終於等到 API 開放使用啦!本篇將紀錄如何使用 Python SDK 存取 o1 模型。 系列文章 【Azure OpenAI】快速試用 o1 模型 模型佈署 在先前開放的 Early Access Playground 中使用 o1 是不需要另外佈署模型的,不過回到使用 API 來存取 o1 模型,就需要像之前的模型一樣先進行佈署才能使用,相信大家都很熟悉了。 使用 Python SDK 一樣使用熟悉的 openai 套件: 2024-09-01-preview 初始化的方式與先前模型都一樣,需要注意的是 o1 模型目前只能使用最新的 API 版本 2024-09-01-preview 來訪問。 Chat Completions 將 model 填入 o1-preview ,或是你的模型佈署名稱, messages 也一樣是歷史對話堆疊的 List。 回應如下: 查看 Token 使用量 內建 Chain of Thought 的 o1 比起過往的模型會消耗較多的 Token,因此我們特別把 Token 使用量拉出來看。 回應如下: 其中 prompt_tokens 、 completion_tokens 、 total_tokens 在先前的 API 就已經存在了,分別代表Token 的 Input、Output 與總使用量,而在新的 completion_tokens_details 中可以看到  reasoning_tokens 使用了 320 個 Tokens,居然佔了總輸出 Token 的 80% 以上! 控制 Token 成本 已往我們可以使用  max_tokens 參數來控制 Token 的用量,但在 o1 模型中棄用了 max_tokens ,取而代之的是使用  max_completion_tokens 參數,來看看這段程式碼: 回應如下: 沒東西?那再看一次 Token 量。 回應如下: Token 居然是有被使用的! 這表示 max_completion_tokens 並不像過往使用  max_tokens 這麼簡單,先前在回應遇到...

【Azure OpenAI】快速試用 o1 模型

在 OpenAI 與 Azure OpenAI 同時發佈 o1 系列模型的一週後,我也順利通過 Azure OpenAI 的使用申請啦!本篇就來快速試用一下最新的o1 系列模型。 提出申請 目前如果要使用 o1 系列模型都需要經過微軟的資格審查,申請表單可以參考以下連結,表單只需要填寫一份,申請通過後 o1-preview 和 o1-mini 兩個模型都能使用。 相關連結: https://aka.ms/oai/modelaccess 使用 AI Studio 首先你必須要有一個位於 美東 2 地區的 Azure OpenAI 資源,不管是原有的或是新建立的資源都可以。 因為目前 o1 系列模型還處於早期訪問階段,資源中不需要自行佈署模型,取而代之的是需要透過 Early Access Playground 才能使用到 o1 系列模型。 而這次比較特別的是只能使用 AI Studio 的 Playground,看得出來微軟要慢慢整併掉 Azure OpenAI Studio 了。 草莓問題 這次就拿近期已經被大家玩爛的草莓問題來測試,在這個問題中我們會詢問 GPT 在「Strawberry」這個單字裡包含了多少個字母「r」,沒錯,這個草莓問題就是這麼簡單無聊,但結果卻出乎意料。 gpt-4o:兩次 gpt-4o 會有非常高的機率回答:兩次,看似如此簡單的問題又能讓 gpt-4o 屢屢回答錯誤,這就是草莓問題出名的原因,大家也可以自己嘗試看看。 o1-preview:三次 反觀加入 Chain of Thought 概念的 o1-preview 就輕鬆解決了這個草莓問題 😂 總結 根據官方資訊,具有 Chain of Thought 的 o1 模型犧牲了回應的即時性,但大幅改善在邏輯與推理類型問題中的表現,同時成本方面 o1-preview 相較 gpt-4o-0806 貴了 6 倍,對於企業來說就需要好好思考是否有適用的情境了,不過現階段還是繼續期待 API 可用的那天。