OpenAI 发布会：GPT-4o 有史以来最好的模型

/ OpenAI 发布会：GPT-4o 有史以来最好的模型 /

中国时间凌晨 1 点，OpenAI 开了个会，带来了一堆新的东西：

ChatGPT 新 UI  新的 UI 设计

GPT-4o 文字，语音和视频，三个史诗级更新，足以颠覆很多行业

GPT-4o API 2 倍快，半价，5 倍访问限制（对比与 4-turbo）

桌面应用 在 Mac 上提供了 ChatGPT 桌面应用。通过简单的键盘快捷键，可以立即向 ChatGPT 提问。还可以直接在应用程序中拍摄和讨论截图。

在发布会上，OpenAI 就发布了一款名为 GPT-4o 的新旗舰生成式人工智能模型，该模型将在未来几周内在公司的产品中“迭代”推出。它可以实时对音频、视觉和文本进行推理。

GPT-4o（“o”代表“omni”）是迈向更自然的人机交互的一步——它接受文本、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输出。它可以在短至 232 毫秒的时间内响应音频输入，平均为 320 毫秒，与人类的响应时间相似。在一次谈话中。它在英语文本和代码上的性能与 GPT-4 Turbo 的性能相匹配，在非英语文本上的性能显着提高，同时 API 的速度也更快，成本降低了 50%。与现有模型相比，GPT-4o 在视觉和音频理解方面尤其出色。

更重要的是从此以后，无论你是付费用户，还是免费用户，都能通过它体验 GPT-4 了。

接下来我们来看看发布会上对其能力的演示：

语音能力：语音能力中我认为最厉害的有几点：实时语音对话，在对话中你可以随时打断他，可以“听懂”用户的不同语气、语调，还能根据自己的回答生成不同语气的回复。

说真的，整个过程很自然很流畅，让我感觉就像是两个人面对面坐着交流。相比反应迟钝、没法打断还缺少情商的 Siri 等语音助手，ChatGPT 完胜！这才是 AI 语音助手！！

视频能力：GPT-4o 的到来，可以让我们和 AI 打视频电话，让它来解答各种问题，比如在线解数学题，相应极其自然。甚至还可以和你一起逗狗。

发布会上研发负责人 Barret 手写了一个方程，并打开摄像头拍给 ChatGPT，让它扮演「导师」的角色帮助自己解题，而且只能给提示，不能直接说答案。

接到任务的 ChatGPT，甚至开心大叫：「Oops，我好兴奋啊！」

桌面应用：

在发布会上演示了看代码，并进行简短描述。比如准确对应了函数名及其功能，并识别出了其中取平均值、最高值等操作的意图。

/ GPT-4o 强在哪呢？ /

改进推理 - GPT-4o 在 0-shot COT MMLU（常识问题）上创下了 88.7% 的新高分。此外，在传统的 5-shot no-CoT MMLU 上，GPT-4o 创下了 87.2%的新高分。

音频 ASR 性能 - GPT-4o 比 Whisper-v3 显着提高了所有语言的语音识别性能，特别是对于资源匮乏的语言。

音频翻译性能 - GPT-4o 在语音翻译方面树立了新的最先进水平，并且在 MLS 基准测试中优于 Whisper-v3。

视觉理解评估 - GPT-4o 在视觉感知基准上实现了最先进的性能。所有视觉评估都是 0-shot，其中 MMMU、MathVista 和 ChartQA 作为 0-shot CoT。

最最最重要的是，GPT-4o 不仅是目前全世界最好的模型，甚至可以在 ChatGPT 中免费用！！！

关注我，后续会给大家更多带来GPT的使用和最新资讯。

PS：因公众号平台更改了推送规则，如果不想错过内容，记得读完点一下“在看”，加个“星标”，这样每次新文章推送才会第一时间出现在你的订阅列表里。

点“在看”支持支持，谢谢啦