工会网站建设可以,网页页面设计图片教程,word网站的链接怎么做的,网站被加入js广告GPT-4o 简介 北京时间5月14日#xff0c;OpenAI举行了春季发布会#xff0c;并发布了其新旗舰模型“GPT-4o”。据OpenAI首席技术官穆里穆拉蒂#xff08;Muri Murati#xff09;介绍#xff0c;GPT-4o在继承GPT-4强大智能的基础上#xff0c;进一步提升了文本、图像及语音…GPT-4o 简介 北京时间5月14日OpenAI举行了春季发布会并发布了其新旗舰模型“GPT-4o”。据OpenAI首席技术官穆里·穆拉蒂Muri Murati介绍GPT-4o在继承GPT-4强大智能的基础上进一步提升了文本、图像及语音处理能力为用户带来更加流畅、自然的交互体验。更多详情请访问官网。
GPT-4o的含义
GPT-4o中的“o”代表“omni”源自拉丁语“omnis”在英语中表示“全部”或“所有”。GPT-4o是一个多模态大模型支持文本、音频和图像的任意组合输入并能生成文本、音频和图像的任意组合输出。与现有模型相比它在视觉和音频理解方面尤其出色。
GPT-4o的性能
GPT-4o可以在音频、视觉和文本中进行实时推理接受文本、音频和图像的任意组合作为输入并生成文本、音频和图像的任意组合进行输出。它可以在最短232毫秒内响应音频输入平均响应时间为320毫秒与人类对话中的响应时间相似。
文本能力 GPT-4o在0次COT MMLU常识问题上创下了88.7%的新高分。此外在传统的5次无CoT MMLU上GPT-4o创下了87.2%的新高分。
音频能力 GPT-4o在语音翻译方面取得了新的领先地位并在MLS基准测试中优于Whisper-v3。
各种语言的考试能力 M3Exam基准测试既是多语言评估也是视觉评估由来自其他国家标准化考试的多项选择题组成有时包括数字和图表。GPT-4o在所有语言的基准测试中都比GPT-4表现更好。
视觉理解 GPT-4o在视觉感知基准测试中实现了最先进的性能全面超越之前的模型。所有视觉评估均为0次其中MMMU、MathVista和ChartQA为0次CoT。
语音交互 GPT-4o在语音交互方面取得了重大进展。它采用了先进技术显著提高了响应速度使得对话更加流畅自然。在最近的发布会上OpenAI展示了GPT-4o在语音对话中的表现能够几乎实时地回答问题并通过文本转语音技术进行朗读提供了一种沉浸式的交流体验。GPT-4o还可以调整说话的语气从夸张戏剧到冰冷机械以适应不同的交流场景。此外GPT-4o还具备唱歌的功能增添了更多的趣味性和娱乐性。
GPT-4 Turbo与GPT-4o
GPT-4o不仅在传统的文本能力上与GPT-4 Turbo性能相当还在API方面更快速价格便宜50%。与GPT-4 Turbo相比GPT-4o速度提高了2倍价格减半限制速率提高了5倍。截至2024年5月13日Plus用户可以在GPT-4o上每3小时发送多达80条消息在GPT-4上每3小时发送多达40条消息。在高峰时段可能会减少限制以保持GPT-4和GPT-4o的可用性。
具体比较
定价GPT-4o比GPT-4 Turbo便宜50%输入费用为5美元/月输出代币费用为15美元/M。速率限制GPT-4o的速率限制比GPT-4 Turbo高5倍每分钟最多1000万个代币。速度GPT-4o的速度是GPT-4 Turbo的4倍。视觉GPT-4o在与视觉能力相关的评估中表现优于GPT-4 Turbo。多语言GPT-4o改进了对非英语语言的支持超过了GPT-4 Turbo。上下文窗口GPT-4o的上下文窗口为128k知识截止日期为2023年10月。
使用GPT-4o的方法 目前GPT-4o的文本和图像功能已经开始在ChatGPT中逐步推出用户可以在ChatGPT平台上免费体验GPT-4o的相关功能但免费版有使用次数限制。Plus用户可以享受到5倍的调用额度升级plus详细教程升级PLUS。OpenAI计划在接下来的几周内在ChatGPT Plus中推出带有GPT-4o的Voice Mode新版本作为ChatGPT Plus的一个alpha版本。此外GPT-4o也将通过API提供给开发者作为文本和视觉模型。开发者可以利用API将GPT-4o集成到他们自己的应用程序中。
至于GPT-4o的音频和视频功能OpenAI将在未来几周和几个月内继续开发技术基础设施提升可用性并确保安全性之后才会发布这些功能并逐步向公众提供。
具体详情参考个人主页的链接。
