一文带你快速了解GPT-4o！内含免费使用指南！_gpt40

作者：小小林熬夜学编程 | 2024-05-23 02:01:21

踩

gpt40

一、GPT-4o简介

北京时间5月14日，OpenAI举行春季发布会。OpenAI在活动中发布了新旗舰模型“GPT-4o”！据OpenAI首席技术官穆里·穆拉蒂（Muri Murati）介绍，GPT-4o在继承GPT-4强大智能的同时，进一步提升了文本、图像及语音处理能力，为用户带来更加流畅、自然的交互体验，更多详情可查看官网:https://openai.com/index/hello-gpt-4o/。

GPT-4o的“o”代表“omni”，源自拉丁语“omnis”。在英语中“omni”常被用作词根，用来表示“全部”或“所有”的概念。GPT-4o是一个多模态大模型，支持文本、音频和图像的任意组合输入，并能生成文本、音频和图像的任意组合输出。与现有模型相比，它在视觉和音频理解方面尤其出色。

二、GPT-4o的性能

GPT-4o可以在音频、视觉和文本中进行实时推理，接受文本、音频和图像的任何组合作为输入，并生成文本、音频和图像的任何组合进行输出。它可以最短在232毫秒内响应音频输入，平均为320毫秒，这与人类在对话中的响应时间相似。

文本能力

GPT-4o 在 0 次 COT MMLU（常识问题）上创下了 88.7% 的新高分。所有这些评估都是用我们的新简单评估（在新窗口中打开）。此外，在传统的 5 次无 CoT MMLU 上，GPT-4o 创下了 87.2% 的新高。（注：3400b（在新窗口中打开）还在训练）

音频能力

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。

各种语言的考试能力

M3Exam 基准测试既是多语言评估，也是视觉评估，由来自其他国家标准化考试的多项选择题组成，有时包括数字和图表。GPT-4o 在所有语言的基准测试中都比 GPT-4 强。（我们省略了斯瓦希里语和爪哇语的视力结果，因为这些语言只有 5 个或更少的视力问题。）

视觉理解

GPT-4o 在视觉感知基准测试中实现了最先进的性能。全面碾压之前的模型。所有视觉评估均为 0 次，其中 MMMU、MathVista 和 ChartQA 为 0 次 CoT。

语音交互

GPT-4o 在语音交互方面取得了重大进展。它采用了先进技术，显著提高了响应速度，使得对话更加流畅自然。在最近的发布会上，OpenAI 展示了 GPT-4o 在语音对话中的表现，它能够几乎实时地回答问题，并通过文本转语音技术进行朗读，提供了一种沉浸式的交流体验。此外，GPT-4o 还可以调整说话的语气，从夸张戏剧到冰冷机械，以适应不同的交流场景。令人兴奋的是，GPT-4o 还具备唱歌的功能，增添了更多的趣味性和娱乐性。

三、GPT-4 Turbo 与 GPT-4o

不仅在传统的文本能力上GPT-4 Turbo的性能相当，还在 API 方面更快速，价格还更便宜 50%。总结来说，与 GPT-4 Turbo 相比，GPT-4o 速度提高了 2 倍，价格减半，限制速率提高了 5 倍。截至 2024 年 5 月 13 日，Plus 用户将能够在 GPT-4o 上每 3 小时发送多达 80 条消息，在 GPT-4 上每 3 小时发送多达 40 条消息。我们可能会在高峰时段减少限制，以保持 GPT-4 和 GPT-4o 可供尽可能多的人访问。

GPT-4o 具有相同的高智商，但比 GPT-4 Turbo 更快、更便宜，并且具有更高的速率限制。

具体说来：

定价：GPT-4o 比 GPT-4 Turbo 便宜 50%，输入 5 美元/月，输出代币 15 美元/M）。
速率限制：GPT-4o 的速率限制比 GPT-4 Turbo 高 5 倍——每分钟最多 1000 万个代币。
速度：GPT-4o 的速度是 GPT-2 Turbo 的 4 倍。
视觉：GPT-4o 的视觉能力在与视觉能力相关的评估中表现优于 GPT-4 Turbo。
多语言：GPT-4o 改进了对非英语语言的支持，而不是 GPT-4 Turbo。

GPT-4o 目前的上下文窗口为 128k，知识截止日期为 2023 年 10 月。

四、怎么使用GPT-4o

目前，GPT-4o的文本和图像功能已经开始在ChatGPT中逐步推出，用户可以在ChatGPT平台上免费体验到GPT-4o的相关功能，但免费版有使用次数限制，Plus用户可以享受到5倍的调用额度（升级plus详细教程：点击阅读原文）。

在接下来的几周内，OpenAI计划将在ChatGPT Plus中推出Voice Mode新版本，该版本带有GPT-4o。这将作为ChatGPT Plus的一个alpha版本提供给PIus用户。此外，GPT-4o也将通过API提供给开发者，作为文本和视觉模型。开发者可以利用AP来集成GPT-4o到他们自己的应用程序

中，而且GPT-4o在API中相比GPT-4Tubo更快、更便宜，并且有更高的速率限制。

至于GPT-4o的音频和视频功能，OpenAl将在未来的几周和几个月内继续开发技术基础设施、通过训练后提高可用性以及确保安全性，之后才会发布这些功能，并逐步向公众提供。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

-END-