GPT-4o涨知识：这款多模态AI竟然还能听会看！

chatgpt中文网2024-07-11 10:49:34159

先做个广告：如需代注册GPT帐号或代充值ChatGPT4会员，请添加站长客服微信：gpt-app

今天我们来聊聊一个让人既兴奋又有点儿小紧张的新玩意儿——OpenAI 的最新 AI 模型 GPT-4o。相信不少朋友已经被它那令人眼前一亮的演示震撼到了。那么，这个 GPT-4o 究竟是什么来头？它到底能做些什么呢？咱们今天就好好唠唠！

推荐使用ChatGPT中文版，国内可直接访问：https://ai.gpt86.top

GPT-4o是啥？

GPT-4o 是 OpenAI 的最新旗舰 AI 模型。OpenAI 大家肯定不陌生，它可是 ChatGPT 和 DALL·E 的幕后推手，也是这波 AI 热潮的核心力量。GPT-4o 是个多模态模型，听起来高大上，其实就是说它能处理文本、音频和图像，而且速度更快、成本更低。最重要的是，免费版的 ChatGPT 用户这次也能尝鲜用上这个新模型了，之前可是只有 GPT-3 和 GPT-3.5 Turbo 哦！

GPT-4o有啥特别的？

GPT-4o 中的“o”代表“omni”，就是全能的意思。它不仅能理解文本，还能听懂音频、看懂图像，而且还能用这些形式回复你。以前 ChatGPT 的语音模式是怎么工作的呢？你问它问题，它先用语音转文本的模型把你的话变成文字，再用 GPT-3.5 或 GPT-4 处理，最后再把回答转成语音。这一套下来，平均响应时间至少得 2.8 秒，用 GPT-4 就更慢了，得 5.4 秒。

GPT-4o 自己就能搞定这些事儿，处理速度大大提升，平均只要 0.32 秒。你想想，这速度简直是坐火箭啊！而且，它不仅速度快，性能也不打折扣，OpenAI 说它在英语文本和代码基准上和 GPT-4 一样牛逼，在非英语语言、视觉和音频方面甚至更胜一筹。特别是对于泰米尔语、印地语、阿拉伯语和越南语这些语言，新的标记器效率更高，翻译也更准。

GPT-4o怎么运作？

GPT-4o 的工作原理和其他 GPT 模型差不多，但它的神经网络是同时对文本、图像和音频进行训练的。所以，它能处理多模态的输入和输出。虽然 OpenAI 对细节守口如瓶，但咱们可以从其他类似的模型推测一二。

GPT-4o 还是基于生成式预训练 Transformer，这意味着它的开发方式和其他 GPT 模型相似。生成式预训练就是给 AI 模型一些基本规则和大量数据，让它自己去学习。除了文本数据外，GPT-4o 还训练了海量的图像和音频，这让它不仅知道“牛”这个词，还知道牛长啥样、怎么叫。

GPT-4o到底有多牛？

GPT-4o 的多模态功能有时很惊艳，有时也会掉链子。视觉和音频功能在 ChatGPT 的整体体验中变得更加重要，尤其是在移动设备上。虽然这也带来了新的问题，比如产生幻觉和错误，但一旦成功，效果非常棒。我在 iOS 应用程序上让 ChatGPT 把一匹著名的赛马 Red Rum 变成 Pokémon 角色，整个过程无需任何文本输入，真是让人眼前一亮。

GPT-4o 还是会犯一些不该犯的错误，这有点儿让人抓狂。比如过去 ChatGPT 总是搞不定数独难题，现在有了 GPT-4o 后，虽然它愿意尝试，但结果还是不尽如人意。尽管如此，它在理解我的潦草笔迹时表现得还不错。

GPT-4o 还能带着情感对话，并且能理解你的情绪，不过这个功能还在逐步推出中，我还没机会测试。

GPT-4o的价格

GPT-4o 可是有个大亮点，那就是——免费！没错，所有 ChatGPT 用户都能免费使用，不过有个速率限制。而每月 20 美元的 ChatGPT Plus 用户则享有五倍速率，还能优先体验新功能。开发者也可以通过 API 使用 GPT-4o，每百万个输入代币收费 5 美元，输出代币收费 15 美元，比 GPT-4-Turbo 便宜一半。