Testin云测：盘点OpenAI新品GPT-4o的技术细节

5月14日,OpenAI发布新产品,GPT-4o旗舰模型。OpenAI在ChatGPT中引入GPT-4o并免费提供更多功能。

GPT-4o的“o”代表“omni”,意为全能,与现有模型相比,它在视觉和音频理解方面尤其出色。GPT-4o可以在音频、视觉和文本中进行实时推理,接受文本、音频和图像的任何组合作为输入,并生成文本、音频和图像的任何组合进行输出。它可以最短在232毫秒内响应音频输入,平均为320毫秒,这与人类在对话中的响应时间相似。

在GPT-4o之前,用户可以使用Voice Mode(由三个独立模型组成)与ChatGPT通话,但平均延迟为2.8秒(GPT-3.5)和5.4秒(GPT-4)。原理是Voice Mode利用一个简单模型将音频转录为文本,GPT-3.5或GPT-4接收文本并输出文本,第三个简单模型将文本转换回音频。

但这个过程会丢失大量信息,例如GPT-4不能直接观察音调、多个说话者或背景噪音,也不能输出笑声、歌声或情感表达。利用GPT-4o,OpenAI训练了一个跨文本、视觉和音频的端到端新模型,这意味着所有输入和输出都由同一个神经网络处理,这是OpenAI第一个结合所有这些模式的模型,OpenAI仍在探索模型的功能及其局限性。

从性能来看,OpenAI表示,在传统基准测试中,GPT-4o在文本、推理和代码智能方面达到了GPT-4 Turbo级的性能,同时在多语言、音频和视觉能力方面达到了新高度。它在英文文本和代码上的性能与GPT-4 Turbo相当,在非英文文本上有显著改善。

通过过滤训练数据和训练后改进模型行为等技术,GPT-4o在设计中内置了跨模式的安全性,并创建了新的安全系统,为语音输出提供护栏。GPT-4o还与来自社会心理学、偏见和公平、错误信息等领域的70多名外部专家开展广泛的外部红队合作,以识别新增加的模式引入或放大的风险,提高与GPT-4o互动的安全性。

AI的发展速度正不断超出人们的预期,新的颠覆性科技与新的投资机会,都在应运而生。能否抓住AI带来的生产力突破,决定了企业能否有更高的上限和更广阔的未来。

Testin云测就是这样一家以人工智能技术驱动的企业服务平台,已经为全球超过百万的企业及开发者提供云测试服务、AI训练数据服务、安全服务。在保障应用、软件、系统等产品质量的测试环节,Testin 云测将云模式与AI人工智能的优势融为一体,通过云服务和智能化,以AI+RPA的测试能力部分或全部取代人工测试为主要发展趋势。

同时,在人工智能数据服务领域,Testin云测通过数据采集、数据清洗、数据标注等方式为企业业务引入数据治理,用专业领先的一站式数据服务充分满足AI客户的需求,利用自身在技术、服务和标准化方面的特色优势引领行业的发展趋势。

AI带来的颠覆性变革正在持续进行中,所有行业都将或早或晚地受其影响。云计算、大数据、人工智能、物联网等新兴技术让企业未来充满机遇和挑战。面对这样一场影响深远的变革,选择一个优秀的企业服务伙伴无疑是顺应时代之举,Testin云测不仅具备深刻的洞察力,也在服务、产品、安全等全方位专业领域的能力过硬,是企业服务领域的佼佼者。