GPT-4o ist die dritte große Iteration von OpenAIs beliebtem multimodalem Modell GPT-4 und erweitert die Fähigkeiten von GPT-4 mit Vision. Das neu veröffentlichte Modell ist in der Lage, auf integrierte und nahtlose Weise mit dem Benutzer zu sprechen, zu sehen und zu interagieren, mehr noch als frühere Versionen bei der Verwendung der ChatGPT-Schnittstelle.
In der GPT-4o-Ankündigung konzentrierte OpenAI sich auf die Fähigkeit des Modells zur „viel natürlicheren Mensch-Computer-Interaktion“. In diesem Artikel werden wir diskutieren, was GPT-4o ist, wie es sich von früheren Modellen unterscheidet, seine Leistung bewerten und Anwendungsfälle für GPT-4o vorstellen.
Was ist GPT-4o?
OpenAIs GPT-4o, das „o“ steht für omni (was „alle“ oder „universell“ bedeutet), wurde am 13. Mai 2024 während einer live gestreamten Ankündigung und Demo veröffentlicht. Es ist ein multimodales Modell mit Text-, Bild- und Audioeingabe- und -ausgabefähigkeiten und baut auf der vorherigen Iteration von OpenAIs GPT-4 mit Vision-Modell, GPT-4 Turbo, auf. Die Leistung und Geschwindigkeit von GPT-4o kommt daher, dass es sich um ein einzelnes Modell handelt, das mehrere Modalitäten verarbeitet. Frühere GPT-4-Versionen verwendeten mehrere Einzelzweckmodelle (Sprache zu Text, Text zu Sprache, Text zu Bild) und schufen eine fragmentierte Erfahrung beim Wechsel zwischen Modellen für verschiedene Aufgaben.
Im Vergleich zu GPT-4T behauptet OpenAI, dass es doppelt so schnell, 50% billiger sowohl bei Eingabe-Token (5 $ pro Million) als auch bei Ausgabe-Token (15 $ pro Million) und hat eine fünffache Ratenbegrenzung (bis zu 10 Millionen Token pro Minute). GPT-4o hat ein 128K-Kontextfenster und ein Wissensabschneidedatum von Oktober 2023. Einige der neuen Fähigkeiten sind derzeit online über ChatGPT, über die ChatGPT-App auf Desktop- und Mobilgeräten, über die OpenAI-API (siehe API-Versionshinweise) und über Microsoft Azure verfügbar.
Was ist neu in GPT-4o?
Während die Release-Demo nur die visuellen und auditiven Fähigkeiten von GPT-4o zeigte, enthält der Release-Blog Beispiele, die weit über die bisherigen Fähigkeiten der GPT-4-Releases hinausgehen. Wie seine Vorgänger verfügt es über Text- und Bildfähigkeiten, aber GPT-4o hat auch native Verständnis- und Generierungsfähigkeiten über alle seine unterstützten Modalitäten, einschließlich Video.
Wie Sam Altman in seinem persönlichen Blog hervorhebt, ist der aufregendste Fortschritt die Geschwindigkeit des Modells, insbesondere wenn das Modell mit Sprache kommuniziert. Dies ist das erste Mal, dass es nahezu keine Verzögerung bei der Antwort gibt und Sie mit GPT-4o ähnlich interagieren können, wie Sie in täglichen Gesprächen mit Menschen interagieren.
Weniger als ein Jahr nach der Veröffentlichung von GPT-4 mit Vision (siehe unsere Analyse von GPT-4 vom September 2023) hat OpenAI bedeutende Fortschritte in Leistung und Geschwindigkeit gemacht, die Sie nicht verpassen sollten.
Fazit
Die neuesten Verbesserungen von GPT-4o sind doppelt so schnell, 50% billiger, 5x Ratenbegrenzung, 128K Kontextfenster und ein einziges multimodales Modell sind aufregende Fortschritte für Menschen, die KI-Anwendungen entwickeln. Immer mehr Anwendungsfälle eignen sich für die Lösung mit KI und die vielfältigen Eingaben ermöglichen eine nahtlose Schnittstelle.
Schnellere Leistung und Bild-/Videoeingaben bedeuten, dass GPT-4o in einem Computer-Vision-Workflow neben benutzerdefinierten fein abgestimmten Modellen und vortrainierten Open-Source-Modellen verwendet werden kann, um Unternehmensanwendungen zu erstellen.