OpenAI推出GPT-4o

GPT-4o最大的特点是增加了语音交互，并且号称和一些同类竞品相比，它的响应时间更快，可以减少延时，更接近和真人对话的节奏。GPT-4o可以在232毫秒内对音频输入作出反应，与人类在对话中的反应时间相近。在录播视频中，两位高管作出了演示：机器人能够从急促的喘气声中理解“紧张”的含义，并且指导他进行深呼吸，还可以根据用户要求变换语调。OpenAI技术负责人穆拉迪(Mira Murati)在直播活动中表示，新型号GPT-4o“速度快得多”，在文本、视频和音频方面都有改进，公司最终计划让用户与ChatGPT进行视频聊天。“这是我们第一次在易用性方面迈出巨大的一步。”

值得注意的是，新模型允许ChatGPT处理50种不同的语言，速度和质量都有所提高，它还将通过OpenAI的API提供支持，这样开发者今天就可以开始使用新模型构建应用程序了。GPT-4o的速度是GPT-4 Turbo的两倍，成本只有一半。

从性能来看，OpenAI表示，在传统基准测试中，GPT-4o在文本、推理和代码智能方面达到了GPT-4 Turbo级的性能，同时在多语言、音频和视觉能力方面达到了新高度。它在英文文本和代码上的性能与GPT-4 Turbo相当，在非英文文本上有显著改善。

此外，通过过滤训练数据和训练后改进模型行为等技术，GPT-4o在设计中内置了跨模式的安全性，并创建了新的安全系统，为语音输出提供护栏。GPT-4o还与来自社会心理学、偏见和公平、错误信息等领域的七十多名外部专家开展广泛的外部团队合作，以识别新增加的模式引入或放大的风险，提高与GPT-4o互动的安全性。

值得一提的是，OpenAI不仅将GPT-4o直接提供给用户使用，还将其作为API开放给开发者。这意味着开发者可以方便地利用GPT-4o的强大功能来构建自己的应用程序，从而在开发速度、成本控制以及功能实现等方面获得显著提升。

而且，OpenAI竟然直接将这个模型免费开放给用户使用了。

元宇宙新声认为，语音能力再度提升，将使得GPT-4o有希望打破人与机器交互的“天花板”，未来的ChatGPT，可以无处不在——比如，它可以随时随地出现在人的身边、可以嵌入到没有屏幕的设备上与人交谈。总之，GPT-4o可以让人们更专注于与ChatGPT的协作，而不是受限于屏幕界面本身。

不要错过富源更多关于融资、科技和商业趋势的精准信息，最新动态和深入分析。立即点击 这里立刻订阅富源！