（5月14日）淩晨，美國人工智慧研究公司OpenAI在線上舉辦了「春季更新」活動。

　　整體來看，活動主要分為兩大部分：推出新旗艦模型“GPT-4o”，以及在ChatGPT中免費提供更多功能。

　　GPT-4o登場

　　OpenAI在活動中發布了新旗艦模型“GPT-4o”，“可以即時對音訊、視覺和文字進行推理。”據介紹，新模型使ChatGPT能夠處理50種不同的語言，同時提高了速度和品質。

GPT-4o的“o”代表“o​​mni”。該字意為“全能”，源自拉丁文“omnis”。在英文中「omni」常被用作字根，用來表示「全部」或「所有」的概念。


　　新聞稿稱，GPT-4o是邁向更自然人機互動的一步，它可以接受文字、音訊和圖像三者組合作為輸入，並產生文字、音訊和圖像的任意組合輸出，「與現有模型相比，GPT-4o在影像和音訊理解方面尤其出色。

　　在GPT-4o之前，使用者使用語音模式與ChatGPT對話時，GPT-3.5的平均延遲為2.8秒，GPT-4為5.4秒，音訊在輸入時還會因為處理方式遺失大量訊息，讓GPT-4無法直接觀察音調、說話的人和背景噪音，也無法輸出笑聲、歌唱聲和表達情感。

　　與之相比，GPT-4o可以在232毫秒內對音訊輸入做出反應，與人類在對話中的反應時間相近。在錄播影片中，兩位高層做出了演示：機器人能夠從急促的喘氣聲中理解「緊張」的含義，並且指導他進行深呼吸，還可以根據用戶要求變換語調。


　　影像輸入方面，示範影片顯示，OpenAI高階主管啟動攝影機要求即時完成一個一元方程式題，ChatGPT輕鬆完成了任務；另外，高階主管還展示了ChatGPT桌面版對程式碼和電腦桌面（一張氣溫圖表）進行即時解讀的能力。

　　OpenAI新聞稿稱，「我們跨文字、視覺和音訊端到端地訓練了一個新模型，這意味著所有輸入和輸出都由同一神經網路處理。由於GPT-4o是我們第一個結合所有這些模式的模型，因此我們仍然只是淺嚐輒止地探索該模型的功能及其局限性。


　　在性能方面，根據傳統基準測試，GPT-4o在文本、推理和編碼等方面實現了與GPT-4 Turbo級別相當的性能，同時在多語言、音頻和視覺功能方面的表現分數也創下了新高。

　　更多工具免費解鎖

　　OpenAI表示，「我們開始向ChatGPT Plus和Team用戶推出GPT-4o，很快就會向企業用戶推出。我們今天也開始推出ChatGPT Free，但有使用限額。 Plus用戶的訊息限額將比免費用戶高出5倍，團隊和企業用戶的限額會再高一些。

　　新聞稿稱，即使是ChatGPT Free（免費）用戶也可以有機會體驗GPT-4o，但當達到限額時，ChatGPT將自動切換到GPT-3.5。

　　另外，OpenAI還推出適用於macOS的ChatGPT桌面應用程序，透過簡單的鍵盤快捷鍵（Option + Space）可以立即向ChatGPT提問，還可以直接在應用程式中截取螢幕截圖與機器人進行討論。


　　在直播活動尾聲時，OpenAI首席技術官Mira Murati說道，“感謝傑出的OpenAI團隊，也感謝Jensen（黃仁勳）和英偉達團隊為我們帶來了最先進的GPU，使今天的演示成為可能。”

感謝您分享有用資訊