OpenAI发布GPT-4o：最新多模态AI模型

OpenAI近日发布了其GPT AI基础模型的最新版本——GPT-4o。该模型在速度、语音处理、视觉任务和多语言能力方面均有显著提升，并在多个基准测试中表现优异，仅次于Google的Gemini模型。

主要特点

1. 多模态能力：GPT-4o中的“o”代表“omni”（全能），反映了该模型的多模态特性。与之前的版本不同，GPT-4o通过端到端训练处理音频、视觉和文本，减少了延迟，并能够更好地控制输出。
2. 性能提升：GPT-4o比GPT-4 Turbo快2倍，速率限制提高了5倍，并且在多个基准测试中表现优异。
3. 安全性评估：OpenAI对GPT-4o进行了广泛的外部红队测试，以发现其新模态中的潜在风险，并计划逐步发布其他模态功能。

发布与演示

OpenAI在春季更新直播中展示了GPT-4o的能力，CTO Mira Murati宣布该模型将向免费用户开放，并提供自定义GPT和GPT商店等原本仅限付费用户的功能。此外，GPT-4o还将通过OpenAI API提供。

用户反馈

用户对GPT-4o的语音功能表示高度赞赏，认为其情感和语调的控制非常自然。OpenAI CEO Sam Altman也在博客中表示，新的语音和视频模式是他使用过的最佳计算机界面，感觉像是电影中的AI，达到了人类级别的响应速度和表现力。

其他更新

• MacOS桌面应用：OpenAI发布了新的MacOS桌面应用，支持语音模式和截图功能。
• 简化界面：ChatGPT网页界面进行了简化，提升了用户体验。

总的来说，GPT-4o的发布标志着多模态AI技术的重大进步，OpenAI通过不断优化和扩展模型功能，为用户提供了更智能、更自然的交互体验。