今天一早打开电脑，论坛、推。基本被gpt-4o霸屏了！！！
链接：https://chatgpt.com/?model=gpt-4o
GPT-4o发布
北京时间2024年5月14日凌晨1点整，GPT-4o的发布会在举行，该模型能够实时跨音频、视觉和文本进行推理。发布会当天，GPT-4o也正式对外发布。这标志着人工智能领域的一个新里程碑，为未来的多模态人机交互开辟了新的可能性。
同时， GPT-4o将在免费套餐中提供，并向 Plus 用户提供高达 5 倍的消息限制。我们将在未来几周内在 ChatGPT Plus 中推出带有 GPT-4o 的新版本语音模式。
以下是发布会现场
GPT-4o介绍
GPT-4o（“o”代表“omni”，意为“全方位的”）是迈向更自然的人机交互的一大步——它能够接受文本、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作为输出。
GPT-4o主要特点：
GPT-4o 是OpenAI的新旗舰模型，能够实时跨音频、视觉和文本进行推理。GPT-4o将在ChatGPT和API中作为文本和视觉模型提供（ChatGPT将继续通过现有的Voice Mode功能支持语音）。GPT-4 Turbo 与GPT-4o相比，GPT-4o在智能水平相同的情况下更快、更便宜，并且有更高的速率限制。GPT-4o目前的上下文窗口为128k，并且知识截止日期为2023年10月。在API中使用GPT-4o：任何拥有OpenAI API账户的用户都可以使用这个模型，并且可以在Chat Completions API、Assistants API和Batch API中使用此模型。我们来具体看看：
GPT高速发展
至2022年GPT发布以来，飞快的在更新大家的认知：
2022年11月30日：OpenAI首次介绍了ChatGPT。2023年2月7日：Microsoft宣布将ChatGPT功能引入Bing。2023年3月：GPT-4发布，成为当时ChatGPT最强大的大型语言模型。2023年11月6日：推出了可以创建定制版本的ChatGPT，称为GPTs。2023年11月21日：所有用户都可以使用带有语音功能的ChatGPT。2024年2月16日：OpenAI发布的一个能够根据文本指令创建视频的AI模型Sora。2024年5月13日：OpenAI宣布其新旗舰模型GPT-4o。GPT-4o又是一里程碑的版本：
多模态能力的革命
GPT-4o的最大亮点在于其多模态能力。与以往的模型相比，GPT-4o能够处理和理解更加复杂的数据类型。无论是语音指令、图像内容还是文本信息，GPT-4o都能够提供精准的反馈和解答。这种能力使得GPT-4o在各种场景下都能发挥出色的表现，无论是在聊天应用中作为虚拟助手，还是在API中作为强大的数据处理工具。
性能与效率的双重提升
除了多模态能力之外，GPT-4o在性能和效率方面也有显著提升。GPT-4o的速度是GPT-4 Turbo的两倍，同时定价也更为经济，使得它在保持相同智能水平的同时，成本更低，速度更快。这一点对于开发者和企业来说尤为重要，因为它意味着能够以更低的成本实现更高的AI应用性能。
全球化视野下的语言支持
GPT-4o对非英语语言的支持也有所改进，这使得它能够更好地服务于全球用户。无论用户使用何种语言，GPT-4o都能提供准确的理解和响应，这对于构建全球化的AI应用至关重要。
文本能力的提升
改进的推理能力 - GPT-4o在0-shot COT MMLU（常规知识问答）上设定了新的高分，达到了88.7%。所有这些评估都是通过我们新的简易评估库收集的。此外，在传统的5-shot no-CoT MMLU上，GPT-4o也设定了新的高分，达到了87.2%。（注：Llama3 400b仍在训练中）
音频翻译性能的提升
GPT-4o 在语音翻译方面创下了新的领先地位，并在 MLS 基准测试中优于 Whisper-v3。
GPT-4o vs 同声传译
GPT-4o的语音响应速度令人印象深刻，能够在短至232毫秒内处理音频输入，平均响应时间仅为320毫秒。这一速度与人类在对话中的反应时间相媲美，使得与GPT-4o的互动变得更加流畅和自然，为用户提供了一种近似于与真人交谈的体验。
这种性能的飞跃意味着GPT-4o能够以更高的准确率和速度进行语音翻译，这对同声传译领域来说是一次质的飞跃。同声传译是一项对译员要求极高的工作，不仅需要流利的语言技能，还要求在高压环境下保持专注和冷静，这对人类来说是一项巨大的挑战。
当然这只是它其中的一项能力，未来相信它还会有更多的惊喜！