關於 GPT-4o 你需要知道的一切

OpenAI 推出 GPT-4o，這是一個支援即時對話、問答、文字生成等功能的大型多模式語言模型。

OpenAI 是塑造生成式人工智慧時代的供應商之一。 OpenAI 成功且受歡迎的基礎是該公司的 GPT 系列大型語言模型 (LLM)，包括 GPT-3 和 GPT-4，以及該公司的ChatGPT對話式 AI 服務。

OpenAI 於 2024 年 5 月 13 日在公司春季更新活動期間宣布 GPT-4 Omni（GPT-4o）為該公司新的旗艦多模態語言模型。作為活動的一部分，OpenAI 發布了多個視頻，展示了該模型直觀的語音反饋和輸出功能。

2024年7月，OpenAI發布了GPT-4o的縮小版－GPT-4o mini。這是該公司最先進的小型機型。

GPT-4o 是什麼？

GPT-4o 是 OpenAI LLM 技術組合中的旗艦模型。 O 代表 Omni，這不僅僅是一種行銷炒作，而是指該模型對文字、圖像和音訊的多種模式。

GPT-4o 模型標誌著 OpenAI 於 2023 年 3 月首次發布的 GPT-4 LLM 的全新演進。這也不是 GPT-4 的首次更新，因為該模型於 2023 年 11 月隨著 GPT-4 Turbo 的發布而首次推出。首字母縮寫 GPT 代表生成式預訓練變壓器。轉換器模型是生成式人工智慧的基礎元素，它提供了能夠理解和產生新輸出的神經網路架構。

GPT-4o 在功能和性能上都遠遠超過了 GPT-4 Turbo。與其前身 GPT-4 一樣，GPT-4o 可用於需要文字產生的情況，例如摘要、基於知識的問答。該模型還具有推理、解決複雜問題和編程的能力。

GPT-4o 模型引入了一種新的對音頻輸入的快速響應，根據 OpenAI 的說法，這種響應與人類相似，平均響應時間為 320 毫秒。該模型還可以用人工智慧生成的、聽起來像人類的聲音做出回應。

GPT-4o 並沒有採用單獨的模型來理解音訊、圖像（OpenAI 稱之為視覺）和文本，而是將這些模式組合成一個模型。因此，GPT-4o 可以理解文字、圖像和音訊輸入的任意組合，並以任何形式的輸出進行回應。

GPT-4o 及其高速音訊多模式回饋功能的承諾是使模型能夠與使用者進行更自然、更直觀的互動。

GPT-4o mini 是 OpenAI 最快的模型，能夠以較低的成本實現應用程式。 GPT-4o mini 比 GPT-3.5 Turbo 更智能，便宜 60%。訓練資料將持續到 2023 年 10 月。 GPT-4o mini 可透過 Assistants API、Chat Completions API 和 Batch API 在文字和視覺模型中供開發人員使用。 ChatGPT、Free、Plus 和 Team 上也提供使用者迷你版本。

GPT-4o 能做什麼？

GPT-4o 在發佈時，無論是功能還是效能，都是所有 OpenAI 模型中最強大的。

GPT-4o 可以做很多事情，包括：

• 即時互動。 GPT-4o 模型可以進行即時口頭對話，而不會出現任何明顯的延遲。
• 基於知識的問答。與所有先前的 GPT-4 模型一樣，GPT-4o 使用知識庫進行訓練，可以回答問題。
• 總結並產生文字。與所有先前的 GPT-4 模型一樣，GPT-4o 可以執行常見的文本 LLM 任務，包括文字摘要和生成。
• 多模態推理和生成。 GPT-4o 將文字、語音和圖像整合到單一模型中，允許對資料類型進行組合處理和回應。該模型可以以相同的速度理解音訊、圖像和文字。它還可以透過音訊、視覺和文字產生回饋。
• 語言和音訊處理。 GPT-4o 具有處理 50 多種不同語言的先進能力。
• 情緒分析。此模型可以理解使用者透過文字、音訊和視訊等不同形式表達的情緒。
• 語音。 GPT-4o 可以產生帶有情感細微差別的聲音。這使得它對於需要敏感和細緻入微的溝通的應用程式來說非常有效。
• 音訊內容分析。該模型可以產生和理解口語，可應用於語音激活系統、音訊內容分析和互動式說故事。
• 即時翻譯。 GPT-4o 的多模式功能可以支援從一種語言到另一種語言的即時翻譯。
• 了解圖像和影片。該模型可以分析圖像和視頻，允許用戶上傳 GPT-4o 可以理解、解釋和提供分析的視覺內容。
• 數據分析。推理和視覺能力可以讓使用者分析資料圖表中包含的資料。 GPT-4o 還可以根據分析或提示產生數據圖表。
• 上傳文件。除了知識閾值之外，GPT-4o 還支援文件上傳，讓使用者提供特定的資料進行分析。
• 情境意識和記憶。 GPT-4o 可以記住先前的互動，並在長時間的對話中保持語境
• 大型上下文視窗。 GPT-4o 具有支援多達 128,000 個標記的上下文窗口，可在長對話或文件中保持一致性，從而適合進行詳細分析。
• 減少幻覺並提高安全性。此模型旨在盡量減少不準確或誤導性資訊的產生。 GPT-4o 包含先進的安全協議，以確保為使用者提供一致且安全的輸出。

如何使用 GPT-4o

使用者和組織可以透過多種方式使用 GPT-4o。

• ChatGPT 是免費的。 GPT-4o 模型將免費提供給 OpenAI 的 ChatGPT 聊天機器人的使用者。一旦可用，GPT-4o 將取代 ChatGPT Free 用戶的目前預設設定。 ChatGPT Free 使用者對訊息的存取權限將受到限制，且無法使用某些進階功能，包括檔案上傳和資料分析。
• ChatGPT Plus。 OpenAI 的 ChatGPT 付費服務用戶將獲得 GPT-4o 的完全存取權限，而不會受到免費用戶的功能限制。
• API 存取。開發人員可以透過 OpenAI 的 API 存取 GPT-4o。這允許整合到應用程式中以充分利用 GPT-4o 的任務功能。
• 桌面應用程式。 OpenAI 已將 GPT-4o 整合到桌面應用程式中，其中包括 5 月 13 日發布的適用於 Apple macOS 的新應用程式。
• 自訂 GPT。組織可以創建 GPT-4o 的自訂 GPT 版本以滿足特定的業務或部門需求。客製化模型可能會透過 OpenAI 的 GPT Store 提供給使用者。
• 微軟 OpenAI 服務。使用者可以在 Microsoft Azure OpenAI Studio 中以預覽模式探索 GPT-4o 的功能，該工作室專門設計用於處理包括文字和視覺在內的多模式輸入。此初始版本可讓 Azure OpenAI 服務客戶在受控環境中試驗 GPT-4o 的功能，並計劃在未來擴展其功能。

此外，讀者可以參考：GPT-4、GPT-4 Turbo 和 GPT-4o 之間的差異。