GPT-4o是什么？

GPT-4o是OpenAI推出的最新一代大型語言模型，它集合了文本、圖片、視頻、語音的全能模型，能夠實時響應用戶需求，并通過語音進行實時回答。GPT-4o具有強大的邏輯推理能力，其速度是前代模型GPT-4 Turbo的兩倍，而成本降低了50%。

GPT-4o是邁向更自然的人機交互的一步——它接受文本、音頻和圖像的任意組合作為輸入，并生成文本、音頻和圖像輸出的任意組合。它可以在短短 232 毫秒內響應音頻輸入，平均為 320 毫秒，這與對話中的人類響應時間相似。它在英語文本和代碼上的 GPT-4 Turbo 性能相匹配，在非英語語言的文本上也有顯著改進，同時在 API 中也更快且便宜 50%。與現有模型相比，GPT-4o 在視覺和音頻理解方面尤其出色。

GPT-4o的主要功能

1. 多模態輸入與輸出：GPT-4o能夠處理文本、音頻和圖像輸入，并生成這些形式的任意組合輸出，提升了與計算機的自然交互能力。
2. 實時對話反饋：GPT-4o提供快速響應，音頻輸入的平均響應時間為320毫秒，與人類對話反應時間相近。
3. 情感識別與模擬：GPT-4o能夠識別用戶的情感狀態，并在語音輸出中模擬相應的情感。
4. 多語言支持：GPT-4o支持超過50種語言，并提供實時同聲傳譯。

GPT-4o的性能表現

文本性能評估：

• GPT-4o在多語言理解均值（MMLU）基準測試中達到了88.7%的得分，顯示出其在多語言處理上的卓越能力。
• 在GPQA（General Language Question Answering）測試中得分為53.6%，排名第一。
• 在MATH（Math Question Answering）測試中得分為76.6%，排名第一。
• 在HumanEval測試中得分為90.2%，排名第一。
• 在MGSM（Massive Generalized Semantics Meaning）測試中得分為90.5%，排名第二，略低于Claude 3 Opus。

音頻性能：

在音頻自動語音識別（ASR）性能方面，GPT-4o顯著提高了所有語言的語音識別性能，特別是對資源匱乏的語言。

音頻翻譯性能：

GPT-4o在語音翻譯方面達到了新的最先進水平，在MLS（多語言語音）基準測試中優于Whisper-v3，超越了Meta的SeamlessM4T-v2和谷歌的Gemini。

視覺理解評估：

GPT-4o在視覺感知基準上實現了最先進的性能（SOTA），超過了Gemini 1.0 Ultra、Gemini 1.5 Pro和Claude 3 Opus。

GPT-4o的API價格

GPT-4o的API價格相比GPT-4 Turbo有顯著的優勢：

價格：GPT-4o的價格比GPT-4 Turbo便宜50%。具體到API的定價，輸入和輸出的標記（tokens）價格分別為：

• 輸入：$5.00 / 1M tokens
• 輸出：$15.00 / 1M tokens

對比看一下GPT-4 Turbo:

• 輸入：$10.00 / 1M tokens
• 輸出：$30.00 / 1M tokens

速率限制：GPT-4o的速率限制是GPT-4 Turbo的5倍，這意味著用戶可以在一分鐘內處理高達1000萬個token，這對于需要處理大量數據的應用來說是一個巨大的優勢。

如何使用GPT-4o？

個人用戶：

GPT-4o的文本和圖像能力今天開始在ChatGPT中推出。在免費版中提供GPT-4o，并為Plus用戶提供高達5倍的消息限制。在未來幾周內，將在ChatGPT Plus中推出帶有GPT-4o的語音模式新版本。

在ChatGPT中免費使用：https://chat.openai.com/

開發人員：

開發者現在也可以通過API以文本和視覺模型的形式訪問GPT-4o。與GPT-4 Turbo相比，GPT-4o的速度提高了2倍，價格降低了一半，速率限制提高了5倍。OpenAI計劃在未來幾周內向API中的一小部分信任合作伙伴推出對GPT-4o的新音頻和視頻能力的支持。

了解更多信息，前往GPT-4o官網：https://openai.com/index/hello-gpt-4o/