首页科技快讯 GPT-4o是什么？是你想要的一切

GPT-4o是什么？是你想要的一切

来源：晰数塔互联网快讯时间：2024年05月14日 08:59

距离GPT-4的发布已经过去了一年，当地时间5月13日上午10点，OpenAI春季发布会千呼万唤始出来。

这次发布的既不是传了很久的搜索引擎，也不是GPT5，而是GPT-4的迭代版本，GPT-4o。在未来几周内，用户将会陆续自动更新到GPT-4o。

GPT-4o作为新一代旗舰模型，把AI工具的使用门槛降到了更低的程度，不仅比上一代速度快两倍，能实现无延迟实时对话，而且用户不用注册，功能全部免费。

此外，ChatGPT现在有桌面版本了，轻量化的使用体验可以无缝融入你的任何工作流程，再也不用苦哈哈地往网页上搬砖了。据OpenAI的CTO米拉·穆拉蒂（Mira Murati）表示，这也是他们第一次在易用性上作出改进。

“O”是包罗万象的O

发布会刚开始，米拉·穆拉蒂为这次新发布定了调，说OpenAI的目标是进一步减小人们使用AI的障碍，让所有人都能在工作、学习、创造中用上AI工具。

为了这个目的，OpenAI做了三件事：发布更强大的模型GPT-4o，更新用户界面提高使用体验，然后一口气免费开放给用户。穆拉蒂补充道，付费用户享有五倍的使用容量限制。

米拉·穆拉蒂主持了整场发布会，萨姆·奥尔特曼没有露面｜@OpenAI

据OpenAI表示，GPT-4o是一个“原生多模态”模型，它的命名来源于“omni”，即包罗万象之意。

比起此前要么是图文模式要么是语音模式的GPT-4，它更擅长打组合拳，可以接受文字、音频、图像的任意组合输入，然后无缝衔接图文音频的多种形式输出。

升级后的GPT-4o回答速度更快了。

据OpenAI表示，GPT-4想要实现和人的对话需要通过三步来实现：先把语音转换为文字，再生成回复文本，最后再转成语音。根据用户选择模型的不同，这个过程的平均延迟高达2.8秒（GPT-3.5）和5.4 秒（GPT-4），对着手机屏幕等回复，跟GPT聊过天的朋友应该都有类似的体验。而且在语音转文字再转语音的过程中，很多信息损失了，GPT无法获得说话人的音调，也无法收取背景音，如果有多个人一起说话更是灾难性的场景。

“我们跨文本、视觉和音频端到端地训练了一个新模型，”OpenAI写道，“这意味着所有输入和输出都由同一神经网络处理。”现在的GPT-4o可以在最短232毫秒内响应对话，平均响应时间320毫秒，和人类的反应速度几乎一样，爱跟ChatGPT聊天的朋友终于可以从微信语音模式切换到日常交流模式了。

GPT-4o还带来了更好用的界面。

再也不用在网页间互相切换了，新的桌面版GPT可以融入任何工作流，随时和用户用图像文字语音进行交流，虽然还没用上，但可以想像这种工作体验有多快乐。