此外，OpenAI 还将在未来几周内在 ChatGPT Plus 中推出新版本的语音模式 GPT-4o alpha，并通过 API 向一小部分值得信赖的合作伙伴推出对 GPT-4o 更多新的音频和视频功能。当然了，通过多次的模型测试和迭代，GPT-4o 在所有模态下都存在一些局限性。在这些不完美的地方，OpenAI 表示正努力改进 GPT-4o。可以想...
客观而言，其它的或闭源或开源大模型，没有如此能打的。而且有了GPT-4o，估计付费用户里没几个人再愿用GPT-4。5.GPT-4o免费使用，是典型的营销漏斗策略。GPT-4o目前是免费可限次数使用，付费可无限使用，和之前开放免费的GPT3.5类似，是典型的营销漏斗策略。不过在付费层次上还没充分拉开梯度，估计需求量较大...
在传统基准测试中，GPT-4o在文本、推理和编码智能方面，达到了GPT-4 Turbo级别的性能，同时在多语言、音频和视觉能力方面创下了新高。如下是，在文本评估中，GPT-4o几乎碾压一众模型，包括Claude 3 Opus，Gemini Pro 1.5，甚至是「开源版GPT-4」Llama 3 400B。GPT-4o在零样本的COT MMLU（常识问题）上创造了...
在GPT-4o之前 GPT-4无法直接观察音调、说话的人和背景噪音 也无法输出笑声、歌唱声和表达情感 GPT-4o可以在232毫秒内 对音频输入做出反应 与人类在对话中的反应时间相近 比如 GPT-4o能够从用户急促的喘气声中 理解“紧张”的含义 并指导用户进行深呼吸 还可以根据用户要求变换语调 图像输入方面 OpenAI高管启动摄像...
本周AI战场暂告一段落，《科创板日报》记者对AI界的“明星”选手——谷歌Gemini 1.5 Pro（100万tokens）、OpenAI最新升级的GPT-4o与此前发布的GPT-4进行了一场能力评测。▍文本测试：谷歌Gemini 1.5 Pro正确率和速度完胜GPT-4o和GPT-4 OpenAI发布GPT-4已过去一年多，据介绍，此次推出新旗舰模型GPT-4o的...
GPT-4o是GPT-4的迭代版本，是新旗舰生成式AI模型，名字中的“o”代表“omni”，是包罗万象的“o”，不仅能接受文字、音频、图像的任意组合输入，还能无缝衔接图文音频的多种形式输出。OpenAI表示，GPT-4o是迈向更自然的人机交互的一步。这也意味着人工智能大模型的易用性及便利性有较大的提升。升级后的GPT-4o...
当地时间5月13日，OpenAI通过直播展示了产品更新。与此前传出的市场消息不同，OpenAI并未推出搜索引擎，也未推出GPT-4.5或GPT-5，而是发布了GPT-4系列新模型GPT-4o以及AI聊天机器人ChatGPT的桌面版本，聚焦多模态和端侧应用。此前OpenAI公司CEO奥尔特曼（Sam Altman）就已经否认了公司将会发布GPT-5，他表示新版...
经济观察网 记者 钱玉娟 陈奇杰 北京时间5月14日凌晨，美国人工智能研究公司OpenAI召开春季发布会，发布全新旗舰模型GPT-4o。该发布会仅在线上进行了不到30分钟，却引起了AI界的广泛关注。GPT-4o的“o”代表“omni（全能）”。OpenAI称，与现有模型相比，GPT-4o在视觉和音频理解方面尤其出色，这款模型接受文本、...
GPT-4o里的“o”是Omni的缩写,也就是“全能”的意思,接受文本、音频和图像的任意组合作为输入,并生成文本、音频和图像输出。 它可以在短至232毫秒、平均320毫秒的时间内响应音频输入,与人类在对话中的反应速度一致。 这还是一份给所有人的大礼,GPT4-o与ChatGPT Plus会员版所有的能力,包括视觉、联网、记忆、执行...