GPT-4o简介

北京时间 5 月 14 日，OpenAI 举办了春季发布会。此次活动中推出了新的旗舰模型“GPT-4o”！据 OpenAI 的首席技术官穆里·穆拉蒂（Muri Murati）所讲，GPT-4o 不但继承了 GPT-4 的强大智能，而且还进一步增强了文本、图像以及语音的处理能力，能给用户带来更为流畅、自然的交互体验。 比如说，像处理复杂的文本创作，GPT-4o 可能会表现得更加出色；在图像识别和理解方面，它或许能提供更精准的结果；而对于语音交互，也会让人感觉更加舒适和自然。

GPT-4o的能力

GPT-4o 具备在音频、视觉和文本领域进行实时推理的能力。其能够接纳文本、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。对于音频输入，GPT-4o 最短响应时间为 232 毫秒，平均响应时间为 320 毫秒，此响应速度与人类在对话中的表现相近。