今日淩晨，OpenAI舉行了一場發布會，正式發布了一款最新的GPT-4o多模態大模型。

OpenAI介紹，與現有模型相比，GPT-4o在視覺和音頻理解方面尤其出色，可以在232毫秒內對音頻輸入做出反應，平均響應速度爲320毫秒，這與人類在對話中的反應時間相近。而GPT-3.5和GPT-4用戶以語音模式Voice Mode與ChatGPT對話的平均延遲時間爲2.8秒和5.4秒。

在發布會演示中，GPT-4o甚至能夠從OpenAI高管的喘氣聲中理解“緊張”的含義，並且指導他進行深呼吸。

該大模型可以處理50種不同的語言，並實時對音頻、視覺和文本進行推理。相比GPT-4 Turbo，GPT-4o的速度快兩倍，成本降低50%，API速率限制提高五倍。

OpenAI官網顯示，GPT-4o將對用戶免費開放，免費用戶可獲得分析數據、幫助總結、寫作和分析等功能。

OpenAI的CEO Sam Altman發布博客文章表示，“新的語音（和視頻）模式是我用過的最佳計算機界面。感覺（GPT-4o）就像電影裏的AI一樣。它的成真讓我感到驚訝。”C114通信網 顔翊