作者簡介
OpenAI 推出全新的 GPT-4o 模型
／
科技新知
OpenAI 在今年春季發表會上宣布推出全新的 GPT-4o 模型，其中的o代表「omni」也就是全能的意思，此模型能夠即時處理文字、聲音、影像及影片輸入，並生成對應的輸出內容，大幅提升人類與 AI 互動的自然性。
此外，GPT-4o 具備快速反應，以往透過 GPT-3.5 或 GPT-4 語音模式與 ChatGPT 對話時，經常遇到延遲較長且訊息損失的問題，而 GPT-4o 通過端到端訓練的單一模型，同時處理文字、影像和聲音，提升了反應速度和訊息保留能力，為使用者帶來更流暢和精確的互動體驗。
▼ 像是可以透過 GPT-4o 模型來進行剪刀石頭布的遊戲。
▼ 甚至可以透過 GPT-4o 模型讓兩個 AI 一起互動唱歌。
GPT-4o 模型開放免費使用，但是會有使用次數的限制，需要更多的次數就必須要訂閱 ChatGPT Plus，此外未來幾週也會針對 ChatGPT Plus 提供新版語音服務 GPT-4o alpha。
GPT-4o 重點整理
主要功能
- GPT-4o 能夠處理文字、聲音、影像和影片輸入，並生成文字、聲音和影像輸出。
- 聲音輸入的反應時間最快可達 232 毫秒，平均反應時間為 320 毫秒。
- 影像和聲音理解方面相較於現有模型有顯著改進。
- GPT-4o 在影像和聲音理解方面特別出色。
- 英語文字和程式碼上的表現與 GPT-4 Turbo 的效能相等，非英語文字上的效能有顯著提高。
- API 的速度也更快，成本降低了 50%。
- API 使用費用比 GPT-4 Turbo 便宜 50%。
安全性
- 該模型經過嚴格的內外部評估，並將逐步推出多模態功能，同時持續改進以減少新風險。
- 透過過濾訓練數據和後期訓練行為調整確保多模態處理的安全性。
- 根據準備框架和自願承諾，對網路安全、CBRN、說服力和模型自主性進行了評估，風險不高於中等。
- 70 多名外部專家參與紅隊合作，識別和降低風險。
- 認識到GPT-4o的聲音模式存在各種新風險，將致力於技術基礎設施、通過事後訓練的可用性以及發布其他模式所需的安全性。
- 推出時聲音輸出將僅限於一些預設的聲音選擇，並且將遵守現有的安全政策。
相關文章
