GPT-4o
OpenAI公司AI语言模型系列中的产品
条目
1
4
GPT-4o模型可以接收文本、音频和图像的任意组合作为输入，并实时生成文本、音频和图像的任意组合输出。GPT-4o可以在短至 232 毫秒的时间内响应音频输入，平均为 320 毫秒，与人类的响应时间相似。[8]性能方面，在传统基准测试中，GPT-4o在文本、推理和编码等方面实现了与GPT-4 Turbo级别相当的性能，同时在多语言、音频和视觉功能方面的表现分数也创下了新高。[9]
相较于2023年11月推出的GPT-4 Turbo，GPT-4o在处理速度上提升达到200%，同时在价格上也下降了50%，[10]并分阶段集成至OpenAI的各个产品之中。[11]ChatGPT的免费用户也可以通过GPT-4o模型，进行数据分析、图像分析、互联网搜索、访问应用商店等操作。[12]2024年5月14日，GPT-4o向ChatGPT Plus和Team的客户全面推出。[12][13][14]当地时间5月15日，OpenAI联合创始人兼首席执行官山姆·奥特曼称，GPT-4o的文本模式已经发布，但语音模式还未发布。[15]5月20日，微软推出GPT-4o加持的AI PC（人工智能个人电脑）系列。[16]美国东部时间6月10日，苹果公司宣布与OpenAI合作，会把ChatGPT集成在苹果系统生态中，由最新的GPT-4o驱动。[17][18]美东时间7月18日，Open AI发布了大模型GPT-4o mini，具备文本、图像、音频、视频的多模态推理能力。[19]8月，GPT-4o新版本上线，在输入和输出分别节省50%和33%花费的情况下，能力得到全方位提升，在ZeroEval基准测试中排名世界第一。[20]
发展历程
2024年5月14日，OpenAI（美国人工智能研究公司）在线上举办“春季更新”活动。在活动中，OpenAI发布了新旗舰模型“GPT-4o”。[7]同日，GPT-4o向ChatGPT Plus和Team的客户全面推出。[13]与现有模型相比，GPT-4o展现出了其在视觉和音频理解方面的出色技能。和GPT-4相比，GPT-4o的最大区别在于，所有模态都集成在一个模型中，多模态整合更精细，延迟仅300毫秒左右，同时能够感知情绪、语气、表情，实现更自然的交互，这需要数据组织能力、聚焦突破能力、工程优化能力，也扩大了人们对于交互的想象空间。OpenAI没有推出搜索引擎，但是基于ChatGPT或GPT-4o，未来人类获得信息的方式很可能会改变，GPT-4o或为OpenAI开启了一个超级入口。[21]当地时间5月15日，OpenAI联合创始人兼首席执行官山姆·奥特曼称，GPT-4o的文本模式已经发布，但语音模式还未发布。[15]5月20日，微软推出GPT-4o加持的AI PC（人工智能个人电脑）系列，微软高管们将其称为“史上最强、最智能的Windows PC”。[16]