凌晨，OpenAI 公布了其新模型 GPT-4o，o 代表的是 omni, 意思是无所不包，无所不能
- 多模态交互：能够处理文本、音频和图像输入，并生成文本、音频和图像输出，这标志着向更自然的人类-计算机交互迈进了一步。
- 响应速度：能够以极快的速度响应音频输入，平均响应时间仅为 320 毫秒，与人类对话的响应时间相似。
- 性能提升：在文本（包括非英语语言）、代码性能上与 GPT-4 Turbo 相当，同时在视觉和音频理解上有所提升。
- 端到端模型 是一个经过端到端训练的单一新模型，可以处理文本、视觉和音频数据，这意味着所有的输入和输出都由同一个神经网络处理。
- 能力探索：官网中列举了 GPT-4o 的多种能力，如两个 GPT-4o 互动唱歌、面试准备、猜谜游戏、理解讽刺、数学问题解答等。
- 模型评估：在传统基准测试中达到了 GPT-4 Turbo 水准的性能，在多语言、音频和视觉能力上设立了新的高标准。
- 语言标记化：的新标记器在不同语言家族中都有所压缩，减少了所需标记的数量，这有助于提高处理多种语言的效率。
- 安全性和局限性：通过过滤训练数据和训练后的行为优化等技术内置了安全性。它还经过了自动化和人工评估，以确保在网络安全、化学、生物、放射性和核安全、说服和模型自主性方面的风险不超过中等水平。
- 模型可用性：GPT-4o 的文本和图像功能开始在 ChatGPT 中推出，并向 Plus 用户提供更高的消息限制。GPT-4o 也在 API 中作为文本和视觉模型提供，比 GPT-4 Turbo 更快、更便宜，并且有更高的速率限制。
GPT-4o 的新功能将逐步推出，首先是文本和图像，然后是音频和视频功能，这将在未来几周和月份内进行。
如果你进入了灰测资格，可以直接访问这个链接使用：
还有一个值得注意的是，如果你是白嫖党，那么 GPT-4o 是可以免费使用！Plus 用户只是额度更多，并能早点用 MacOS 客户端, 一并免费的功能还有浏览、记忆功能、数据分析。
官网还有很多示例，感兴趣的可以直接去看：
商业转载请联系三花微信公众号获得授权，非商业转载请注明本文出处及文章链接，您可以自由地在任何媒体以任何形式复制和分发作品，也可以修改和创作，但是分发衍生作品时必须采用相同的许可协议。
本文采用 CC BY-NC-SA 4.0 - 非商业性使用 - 相同方式共享 4.0 国际 进行许可。