GPT-4o

GPT-4o（英語：Generative Pre-trained Transformer 4 Omni）是由OpenAI训练的多语言、多模态（多种类型数据，例如文本、图像、音频等）GPT大型语言模型。GPT-4o于2024年5月13日发布。 ^[1] 该模型比其前身GPT-4快两倍，而价格仅为其50%。该模型由米拉·穆拉蒂在OpenAI直播演示中宣布。 ^[1] OpenAI声称该模型将对所有用户免费， 并为付费ChatGPT Plus用户提供高达5倍的消息限制。^[2]

背景

GPT-4o最初在LMSYS上以3个不同模型的形式暗中发布。这3个模型分别称为gpt2-chatbot、im-a-good-gpt2-chatbot和im-also-a-good-gpt2-chatbot。2024年5月7日，萨姆·奥尔特曼透露OpenAI发布了这些神秘的新模型。^[3]

功能

GPT-4o在语音、多语言和视觉基准测试中取得了最先进的成果，在音频语音识别和翻译领域创下了新纪录。^[4] GPT-4o 在 MMLU 基准测试中的得分为 88.7，而GPT-4 的得分为86.5。^{[4] [5]}

根据该公司的演示，GPT-4o将有效地将ChatGPT转变为可以进行实时语音对话的数字个人助理。 它还能够使用文本和“视觉”进行交互，这意味着它可以查看用户上传的屏幕截图、照片、文档或图表，并就它们进行对话。OpenAI演示了与ChatGPT的语音对话，以获得解决数学问题的实时说明、讲述睡前故事并获得编码建议。^[6] 免费ChatGPT用户将可以与新的GPT-4o模型进行有限次数的交互，然后该工具会自动恢复依赖旧的GPT-3.5模型；付费用户将可以使用最新GPT-4o访问更多数量的消息。^[6]

该模型支持超过50种语言，覆盖超过97%的口语语言。它目前是LMSYS Elo Arena基准测试中的领先模型。^[7]

大語言模型GPT-4o是一個針對GPT-4的升級版，該模型更加擅長處理文字和音頻，而且在速度、成本效益及多模態交互等方面都有了極大的提升。此外，該模型面向所有用戶，而不是局限於付費群體。^[8]

参见

参考资料

外部链接

• 官方网站
• OpenAI Introducing GPT-4o, updates to ChatGPT, and more

查 论 编 产品 ChatGPT DALL-E GitHub Copilot OpenAI Five（英语：OpenAI Five） Sora Whisper（英语：Whisper (speech recognition system)） 基础模型 OpenAI Codex GPT家族 GPT-1 GPT-2 GPT-3 GPT-4 GPT-4o 相關人物 萨姆·阿尔特曼 格雷格·布羅克曼 米拉·穆拉蒂 伊爾亞·蘇茨克維 有关 AI Dungeon（英语：AI Dungeon） Auto-GPT "Deep Learning（英语：Deep Learning (South Park)）" Microsoft 365 Copilot Microsoft Bing 分类 共享资源