OpenAI在其大型语言模型GPT-3.5 Turbo添加微调功能（Fine-Tuning），让使用者能够自定义模型，并且有能力大规模执行这些模型，以满足自家特殊用例的需求。
语言模型微调是指，在一个经预训练的模型上，进一步使用特定资料集进行训练，以适应某一特定任务或是应用的方法。官方提到，经过他们测试显示GPT-3.5 Turbo经过微调之後，在特定任务上的表现，甚至可以超过GPT-4的基础能力。
模型微调可让企业创造出具差异化的应用，提高模型的可操纵性，使模型更好地遵循指令，像是要求模型总是生成特定语言的回覆。在程式码完成（Code Completion）或编写API呼叫时，确保特定的回应格式更是重要，因此开发者也可以使用微调模型，将提示语转换成JSON片段，并应用在自家系统中。模型微调也可以供企业调整想要表现的风格，知名品牌可以根据企业形象调整模型的输出基调。
微调的好处除了使其适应特殊任务之外，还能让使用者的以较短的提示语，获得类似的输出效能，官方提到，早期测试者可以将提示语长度缩短90％，使每次API呼叫更快速，也更节省成本。而且现在微调後的GPT-3.5-Turbo模型，可以处理的Token数达4,000，是之前微调模型的两倍。
官方也公开了微调价格，花费主要分为初始训练成本和使用成本，使用具有10万Token的训练档案微调gpt-3.5-turbo，经过3次完整走访训练，预估成本约为2.4美元。今年稍晚，OpenAI还会推出新功能，允许使用者针对函式呼叫与gpt-3.5-turbo-16k模型微调。
在7月时，OpenAI宣布GPT-3基础模型，包括ada、babbage、curie和davinci都将於2024年1月4日退役，而OpenAI也预告将以替代模型babbage-002、davinci-002，作为基础模型和微调模型，用户可以使用Completions API查询存取这些模型。
