GPT-4 dan GPT-4o
GPT-4 (2023) merupakan terobosan model multimodal besar OpenAI yang dapat menerima gambar serta teks, dan GPT-4o (2024) membuatnya lebih cepat, lebih murah, dan mampu menangani audio, penglihatan, dan teks dalam satu model.
Ikhtisar
Together they defined the modern era of ChatGPT.
Menyelam Lebih Dalam
GPT-4, yang dirilis pada bulan Maret 2023, merupakan lompatan besar dibandingkan GPT-3.5: GPT-4 mendapat nilai persentil teratas pada ujian seperti tes bar dan AP, menangani perintah yang jauh lebih lama, dan dapat mempertimbangkan gambar. GPT-4 Turbo kemudian menambahkan jendela konteks 128 ribu token dan harga yang lebih murah. Pada bulan Mei 2024, OpenAI memperkenalkan GPT-4o, dengan 'o' yang berarti 'omni', sebuah model tunggal yang dilatih secara end-to-end di seluruh teks, audio, dan visi. Mode suara sebelumnya menyatukan tiga model terpisah (speech-to-text, lalu GPT, lalu text-to-speech), menambahkan lag; GPT-4o memproses audio secara langsung, memungkinkan percakapan lisan hampir real-time dengan nada emosional dan kemampuan untuk diinterupsi. Kecepatannya juga kira-kira dua kali lebih cepat dan setengah biaya GPT-4 Turbo melalui API, dan OpenAI membuatnya tersedia untuk pengguna ChatGPT gratis, sehingga memperluas akses secara signifikan.
Wawasan Teknis
Keduanya merupakan model Transformer khusus decoder yang dilatih untuk memprediksi token berikutnya, kemudian disempurnakan dengan pembelajaran penguatan dari umpan balik manusia (RLHF) untuk mengikuti instruksi dan berperilaku aman. Kemajuan penting dalam GPT-4o adalah multimodalitas ujung-ke-ujung: alih-alih merutekan ucapan melalui model transkripsi dan sintesis terpisah, satu jaringan menyerap dan memancarkan token audio secara langsung, mempertahankan nada, pengaturan waktu, dan isyarat non-verbal sambil memangkas latensi hingga kira-kira kecepatan percakapan (beberapa ratus milidetik).
Dampak Strategis
Vendor strategy
Peta jalan vendor memengaruhi fitur apa yang dapat dibangun tim Anda selanjutnya.
Cost and budget
Persyaratan komersial dan opsi penerapan memengaruhi biaya dan risiko jangka panjang.
Risk and safety
Insentif perusahaan membentuk standar produk, postur keselamatan, dan keterbukaan.
Masa Depan GPT-4 dan GPT-4o
GPT-4o menetapkan pola untuk asisten multimoda yang lancar dan real-time, dan penerus OpenAI mendorong lebih jauh ke dalam penalaran (model 'berpikir' seri-o yang mempertimbangkan sebelum menjawab), konteks yang lebih panjang, dan penggunaan alat yang agen. Harapkan biaya yang lebih rendah, interaksi suara dan video real-time yang lebih kaya, integrasi aplikasi dan perangkat yang lebih erat, dan model yang dengan lancar beralih antara respons cepat dan lambat, penalaran yang cermat tergantung pada kesulitan tugas. Generasi multimodal, yang menghasilkan gambar dan audio secara asli, akan terus berkembang.
Implementasi Dunia Nyata
Melakukan percakapan lisan hampir real-time dengan Mode Suara Tingkat Lanjut ChatGPT, termasuk menyela di tengah kalimat
Mengunggah foto isi lemari es dan meminta GPT-4o menyarankan resep
Menempelkan kontrak hukum yang panjang ke dalam jendela konteks 128k-token untuk peringkasan dan penentuan risiko
Menggunakan kemampuan penglihatan untuk membaca dan menjelaskan bagan, catatan tulisan tangan, atau tangkapan layar dari pesan kesalahan
Risiko & Pagar Pembatas
Pengumuman peluncuran mungkin melampaui stabilitas alur kerja produksi sebenarnya.
Penetapan harga API atau perubahan kebijakan dapat mematahkan asumsi dalam sekejap.
Ketergantungan pada vendor tunggal meningkatkan biaya lock-in dan migrasi.
Peta Jalan Implementasi
Evaluasi penyedia menggunakan tugas dan kumpulan data Anda sendiri.
Tinjau persyaratan privasi, keamanan, dan hukum sebelum integrasi.
Pertahankan rencana cadangan di seluruh model atau vendor.
Pantau catatan rilis agar perubahan peta jalan tidak mengejutkan tim.
Terus Menjelajah
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the GPT-4 and GPT-4o quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Next guide
OpenAI GPT-4.5 dan GPT-5
Pertanyaan yang sering diajukan
What is GPT-4 and GPT-4o?
GPT-4 (2023) merupakan terobosan model multimodal besar OpenAI yang dapat menerima gambar serta teks, dan GPT-4o (2024) membuatnya lebih cepat, lebih murah, dan mampu menangani audio, penglihatan, dan teks dalam satu model. Bersama-sama mereka mendefinisikan era modern ChatGPT.
Apa kepanjangan dari 'o' di GPT-4o?
'O' adalah singkatan dari 'omni', yang mencerminkan bahwa GPT-4o adalah model tunggal yang menangani teks, audio, dan visi secara bersamaan.
Mengapa mode suara GPT-4o lebih cepat dibandingkan fitur suara GPT-4 sebelumnya?
Mode suara sebelumnya menyatukan tiga model terpisah, sehingga menambah kelambatan. GPT-4o menangani audio end-to-end dalam satu jaringan, memotong latensi hingga mendekati kecepatan percakapan.
Jenis masukan utama baru apa yang diperkenalkan GPT-4 dibandingkan GPT-3.5 saat peluncuran?
GPT-4 adalah model multimodal besar yang dapat menerima masukan gambar selain teks, suatu kemampuan yang tidak dimiliki GPT-3.5.
Berapa ukuran jendela konteks yang ditawarkan GPT-4 Turbo?
GPT-4 Turbo memperluas jendela konteks menjadi 128 ribu token, memungkinkan dokumen dan percakapan lebih lama.
Teknik pelatihan manakah yang digunakan untuk membuat GPT-4 dan GPT-4o mengikuti instruksi dan berperilaku aman?
Setelah pra-pelatihan token berikutnya, model disempurnakan dengan RLHF, menggunakan preferensi manusia untuk membentuk perilaku mengikuti instruksi yang bermanfaat dan aman.