ChatGPT 的新 GPT-4o AI 模型更擅长说话和说话

ChatGPT 由几种不同的人工智能模型提供支持，其中 GPT-4 Turbo 适合付费订阅者，GPT-3.5 适合其他人。 OpenAI 现在发布了一种新模型，即将供所有人使用：GPT-4o。

GPT-4o（“o”显然代表“omni”）是一种新的人工智能模型，可以处理文本、音频或图像作为输入和输出。这与 OpenAI 之前的模型相比是一个很大的变化，之前的模型更加专业化，必须针对不同的工作负载进行组合。 Google Gemini 的设计也以类似的方式工作，因此 OpenAI 似乎正在迎头赶上竞争对手。

OpenAI 在博客文章中表示，GPT-4o“可以在短至 232 毫秒的时间内响应音频输入，平均为 320 毫秒，这与人类在对话中的响应时间相似。它在英语文本和代码上的性能与 GPT-4 Turbo 的性能相当，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。”

升级后的声音和语音功能意味着 GPT-4o 的表现更像是虚拟助手，这是 OpenAI 和 Google 过去曾尝试过的，并取得了不同程度的成功。 OpenAI 计划“在未来几周内”添加由 GPT-4o 支持的语音模式，该模式将首先向 ChatGPT Plus 订阅者提供。

GPT-4o 并不是 GPT-4 和 GPT-3.5 的完全替代品，至少目前还不是。由于训练方式不同，它在某些情况下的表现可能会有所不同，但 OpenAI 承诺在文本、推理和编码智能方面具有与 GPT-4 Turbo 相似的性能。重要的是，它可以在免费的 ChatGPT 帐户上使用，到目前为止，这些帐户仅限于功能较差的 GPT-3.5 模型。

新的 GPT-4o 模型现已在 ChatGPT 中推出，适用于免费用户和 ChatGPT Plus 订阅者。它将有消息限制，但对于 Plus 用户来说，该限制将“高出 5 倍”。 ChatGPT Plus 订阅者还将在“未来几周内”访问语音模式，新模型现已作为 API 供开发人员试用。

来源：OpenAI (1, 2)