OpenAI新模型来了 GPT-4o能讲故事、算数学 特别感谢黄仁勋

OpenAI发表会于13日登场，由该公司技术总监穆拉蒂（Mira Murati）主持，揭晓了三项ChatGPT的更新，其一是一般用户将可以免费造访GPT Store，另外是推出适用于Mac电脑的桌机版App以及新模型「GPT-4o」。

其中尤以GPT-4o最为受到瞩目，GPT-4o为GPT-4的进阶版本，改进了GPT-4的能力，可透过文字、图像、音讯的任意输入组合来进行推理，并将即时生成文字、图像、音讯的组合输出内容，大大地改善了使用者体验，让对话更像与真人交谈。

OpenAI执行长奥特曼（Sam Altman）更发文表示，与电脑交谈从来没有真正自然过，现在却可以了。

穆拉蒂在演示时指出，相比于GPT-4 Turbo，GPT-4o的速度快了两倍、成本降低了50％，而API速率限制、即用户可发出的请求数量则提高了五倍。此外， GPT-4o最快可在232毫秒的时间内回应音讯输入，而其平均反应时间也仅有320毫秒，与人类在对话中的反应时间相似。

在先前的GPT-3.5和GPT-4模型中，OpenAI使用三个独立的模型实现对话，包含一个将音讯转换为文字的模型、一个接收并输出文字的模型，最后则是一个将文字转换回音讯的模型，上述过程会使GPT失去大量讯息，因而无法直接观察音调、多个说话者或背景噪音，亦无法输出笑声、歌唱或表达情感。

该公司在GPT-4o模型对此进行了调整，其所有输入和输出都由同一神经网路处理，因此延迟时间缩短，且能够以自然、听起来像人类的声音进行对话，也能模仿机器人说话，甚至还能高歌一曲。

值得一提的是，新模型能依指令改变语调，拟人讲睡前床边故事，或以歌唱方式说故事。此外，该模型更可「听声翻译」，穆拉蒂与Mark Chen分别以义大利文和英文交谈，最后新模型成功将内容翻译成更自语言，OpenAI团队也展示新模型解决数学方程式、辅助编写程式码的能力。

OpenAI称，GPT-4o为该公司第一个结合所有模式的版本，目前仍只在浅尝并探索该模型的功能及局限性。

穆拉蒂在活动上宣布，GPT-4o模型将开放所有用户免费使用，自今日起支援ChatGPT，一般用户可免费使用，并针对付费用户提供5倍的容量上限。未来几周将会为ChatGPT Plus的用户推出具新版语音模式的GPT-4o alpha版。

OpenAI本次发表会的另外一项更新是宣布增添桌面版ChatGPT App，将优先适用于Mac电脑，至于Windows电脑的版本则会于今年稍晚推出。此外，GPT Store将改为向一般用户开放，不再仅限于付费用户。

对于GPT-4o模型的问世，穆拉蒂除了感谢OpenAI专业团队之外，更点名黄仁勋及辉达团队提供的先进GPU，使GPT-4o模型演示成真。