GPT-4o

GPT-4o
Fejlesztő	OpenAI
Kategória	generatív előtanított transzformátor mesterségesintelligencia-modell foundation model
Licenc	kereskedelmi licenc
A GPT-4o weboldala

A GPT-4o (GPT-4 omni) egy többnyelvű, multimodális GPT (Generative Pre-trained Transformer), az OpenAI ChatGPT sorozata ötödik tagja, a GPT-4 továbbfejlesztett változata.

Az OpenAI-nak, a mesterséges intelligencia világszinten élenjáró fejlesztőcégének új generatív továbbfejlesztett MI modellje nevének végén a 4-es után az „o” az „omni” rövidítése, ami arra utal, hogy a modell magabiztos a beszéd, a fordítás és a képalkotás területén egyaránt. A GPT-4o a bemutatását követő hetekben iteratívan, fokozatosan kerül bevezetésre a vállalat fejlesztői és fogyasztói termékeiben. Bemutatásától kezdve a GPT-4o veszi át a ChatGPT "meghajtását".

Bemutató

A GPT-4o 2024. május 13-án mutatkozott be a közönségnek. Az OpenAI élőben közvetített, livestreamelt bemutatója során technológiai vezetője (CTO), Mira Murati mutatta be az új modellt.

Kiderült, hogy a modell több mint 50 nyelvet támogat, ami lefedi a beszélők több mint 97 százalékát. Murati úgy illusztrálta a modell többnyelvűségét, hogy olaszul beszélt a modellhez, amit az angolra fordított, majd viszont, angolról olaszra fordított a GPT-4o, s mindezt tette természetes, vonzó női hangon. (Kérésre, "játékból" beszélt kicsit elváltoztatott gépi, "robothangon" is a bemutató során.)

Jelen és jövő

Az OpenAI API-jában és a Microsoft Azure OpenAI szolgáltatásában a GPT-4o kétszer olyan gyors, de csak feleannyiba kerül, ugyanakkor magasabb sebességhatárokkal rendelkezik, mint a GPT-4 Turbo. A továbbfejlesztett chatbot már a bemutató időpontjától térítésmentesen elérhető a ChatGPT díjmentes szintjén, valamint az OpenAI prémium ChatGPT Plus és Team csomagjai előfizetői számára, gyakorlatilag a GPT-4o minden felhasználó számára ingyenes.

Az új modell esetében a felhasználók kérdéseket tehetnek fel a GPT-4o-val ellátott ChatGPT-nek, de válasza közben meg is szakíthatják a ChatGPT-t. A GPT-4o „valós idejű” reakciókészséget valósít meg, és még a felhasználó hangjának árnyalataira is képes reagálni, válaszul „különböző érzelmi stílusú” hangokat generálva (beleértve az éneklést is).

Az OpenAI tervei szerint modelljeit a jövőben funkcionálisan még tovább fejleszti. Míg a GPT-4o már ma is képes megnézni egy más nyelvű menü képét és lefordítani azt, a jövőben a modell lehetővé teheti, hogy a ChatGPT például „megnézzen” egy élő sportmeccset és aztán elmagyarázza a szabályokat. Bár a modellek egyre összetettebbek, ennek ellenére az a céljuk, hogy az interakció élménye valóban természetesebbé, fesztelenebbé, könnyedebben elérhetővé váljon, Az elmúlt néhány évben nagy hangsúlyt fektettek a modellek intelligenciájának javítására, de ez az első alkalom, hogy valóban hatalmas lépést tettek előre az oldottabb, kötetlenebb, felhasználóbarátabb irányba.

MI csúcson

A GPT-4o a legmagasabb teljesítményt nyújtja a multimodalitási-; tehát a hang-, a többnyelvűség és a képalkotás összehasonlítási teszteken. Ezeket az új rekordokat a hangalapú beszédfelismerés, a fordítás és a vizualitás terén állította be az új modell. A GPT-4o 88,7 pontos eredményt ért el az MMLU benchmarkingjában, szemben a GPT-4 86,5 pontjával.

Jelenleg ez a modell a vezető modell a Kaliforniai Egyetem (Berkeley) által vezetett Large Model Systems Organization (LMSYS) Élő-pontrendszer alapú Arena Benchmarkban.

További információk

• Introducing GPT-4o – a 2024. május 13-i bemutató
• Az OpenAI videócsatornája a GPT-4o részletesebb bemutatásával