OpenAI представила нову мовну модель GPT-4o, оновлення GPT-4, що лежить в основі її головного продукту ChatGPT. У своєму блозі компанія повідомила, що можливості GPT-4o будуть впроваджуватися поетапно, але вже сьогодні нова флагманська модель може працювати з аудіо, відео та текстом у реальному часі.

Можливості моделі:

1. Літера «о» в назві означає omni (всебічний), що вказує на мультимодальність GPT-4o. Це означає, що вона може генерувати контент або розуміти команди голосом, текстом або зображеннями.
2. GPT-4o може реагувати на аудіозапит лише за 232 мілісекунди (в середньому 320 мілісекунд), що відповідає часу реакції людини під час розмови.
3. Модель спілкується голосом, подібно до людини, змінюючи інтонації.
4. GPT-4o запам’ятовує бесіди з користувачем.
5. Модель відповідає продуктивності GPT-4 Turbo для англійського тексту та коду.
6. Значно покращено роботу з текстом іншими мовами (загалом підтримується 50, зокрема й українська).
7. Модель може генерувати 3D-об’єкти.
8. GPT-4o значно краще сприймає та аналізує зображення, зокрема графіки, діаграми та скриншоти, порівняно з уже наявними моделями.
9. Вона буде безкоштовною для всіх користувачів, а платні користувачі й надалі матимуть уп’ятеро більші обсяги обробки.
10. Розробники, які захочуть поекспериментувати з GPT-4o, матимуть доступ до API, який вдвічі швидший і вдвічі дешевший.

Повний список можливостей моделі можна знайти у блозі OpenAI. Під час демонстрації GPT-4o співробітники OpenAI спілкувалися з нею голосом, продемонструвавши її вміння розуміти тон і напрямок бесіди, а також те, як природно вона розмовляє і навіть жартує.

До запуску GPT-4o з’являлися повідомлення про те, що OpenAI планує анонсувати абсолютно нову та покращену модель GPT-5 або пошукову систему на базі ШІ, яка стане конкурентом Google і Perplexity.

Звісно, OpenAI спеціально пов’язала цей запуск до початку щорічної конференції Google для розробників I/O, де, як очікується, команда Gemini представить різні продукти штучного інтелекту.