GPT4o速测：约0.5秒延迟的多模态能力

本文主要是介绍GPT4o速测：约0.5秒延迟的多模态能力，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

没有剪辑，约0.5秒延迟的多模态能力。

1. 测评

• 推理速度异常快，比之前快了大概两三倍，对产品端来说是个很好的事情，想用gpt4级别性能终于可以少讨论几句时延影响用户体验了
• 模型指令遵从能力变强，能够在较长的文本中保持指令的一致性，概括小说的效果变好了
• 模型懒惰的问题有很大改善，现在的模型愿意输出比较长的内容
• 措辞更加人格化，跟grok接近
• 好多功能还没有推送，目前只有模型权重是新的，实时多模态输入输出都没有打开，等下个版本测评了

2. Intro

GPT-4o，o 代表 Omnimodel（全能模型）。

第一次，OpenAI 在一个模型中集成了所有模态，大幅提升了大模型的实用性。

第一，以后 OpenAI 做产品就是要免费优先，为的就是让更多的人能使用。

第二，因此 OpenAI 此次发布了桌面版本的程序和更新后的 UI，其使用起来更简单，也更自然。

第三，GPT-4 之后，新版本的大模型来了，名字叫 GPT-4o。GPT-4o 的特别之处在于它以极为自然的交互方式为每个人带来了 GPT-4 级别的智能，包括免费用户。

它最快可以在 232 毫秒的时间内响应音频输入，平均响应时长 320 毫秒，与人类相似。在 GPT-4o 发布之前，体验过 ChatGPT 语音对话能力的用户能够感知到 ChatGPT 的平均延迟为 2.8 秒 (GPT-3.5) 和 5.4 秒 (GPT-4)。

OpenAI 已经找到了一种方法，可以将音频直接映射到音频作为一级模态，并将视频实时传输到 transformer。这些需要对 token 化和架构进行一些新的研究，但总体来说是一个数据和系统优化问题（大多数事情都是如此）。 —— 英伟达科学家 Jim Fan 评论。

Reference

https://openai.com/index/hello-gpt-4o/

https://openai.com/index/gpt-4o-and-more-tools-to-chatgpt-free/

https://blog.samaltman.com/gpt-4o

https://www.businessinsider.com/openai-sam-altman-universal-basic-income-idea-compute-gpt-7-2024-5

https://mp.weixin.qq.com/s/PfWnlhXh3n3VDfZaMI-ifQ

这篇关于GPT4o速测：约0.5秒延迟的多模态能力的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---