5月14日消息，據(jù)外媒報道，在今日凌晨1點開始的春季更新中，OpenAI宣布了他們新一代的旗艦模型GPT-4o，可以利用語音、視頻和文本信息進行實時推理。
從OpenAI在官網(wǎng)上公布的信息來看，GPT-4o中的“o”源自“omni”，也就是全面、全能的意思，朝著更自然的人機交互又邁出了關(guān)鍵一步。
而GPT-4o也的確如名字中“omni”的全能一樣，是一款能力更全面的大語言模型，打通了文本、音頻和圖像，接受任何文本、音頻和視頻的組合輸入，并生成文本、音頻和視頻的組合輸出。
OpenAI在官網(wǎng)上披露，GPT-4o在英文文本和代碼中的表現(xiàn)與GPT-4 Turbo相當，但在非英文文本上的能力大幅提升，在視頻和音頻的理解上，GPT-4o要明顯強于當前的其他模型。
在官網(wǎng)上，OpenAI提到，在GPT-4o之前，通過語音模式同ChatGPT對話時，有較長時間的延遲，GPT-3.5平均為2.8秒，GPT-4平均為5.4秒。而由三個獨立模式組成的語音模式，也丟失了大量信息，無法直接識別音調(diào)、多個說話者或背景噪音，也無法輸出笑聲、歌唱或表達情感。
但在GPT-4o中，OpenAI訓練一個跨文本、音頻和視頻的端到端新模型，所有的輸入和輸出都是由同一神經(jīng)網(wǎng)絡處理，GPT-4o也是他們首個整合了個文本、音頻和視頻模式的模型，
能力更全面的GPT-4o，響應速度也更快，最快232毫秒響應音頻輸入，平均響應時間為320毫秒，與人類在對話中的響應速度相當。
除了更強、更全面的能力，OpenAI也在推動GPT-4o更廣泛的應用。GPT-4o的文本和圖片功能自推出之日起就向ChatGPT推送，ChatGPT用戶可免費使用，ChatGPT Plus用戶的數(shù)據(jù)量上限將是免費用戶的5倍，新版本的音頻模式將在未來幾周向ChatGPT Plus用戶推送。
OpenAI周二凌晨1點開始的春季更新，是由CTO Mira Murati主持進行，登臺的還有兩位研發(fā)人員，公司CEO薩姆?奧特曼并未登場。
不過，未現(xiàn)身直播的薩姆?奧特曼，在社交媒體上對GPT-4o也進行了推廣。他在社交媒體上就表示，他們最新的模型GPT-4o，是他們到目前為止最好的模型，它很聰明、速度很快，是天然的多模態(tài)。
薩姆?奧特曼在社交媒體上也提到，GPT-4o對所有的ChatGPT用戶免費，而此前GPT-4級別的模型僅對按月付費的用戶免費。
而值得注意的是，OpenAI在周二凌晨推出能力更全面的GPT-4o，無疑會給谷歌帶來更大的壓力，谷歌2024年度的I/O開發(fā)者大會，將在當?shù)貢r間周二開始，外界預計他們會推出大量人工智能相關(guān)的產(chǎn)品。(海藍)
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
