GPT-4 dan GPT-4o
GPT-4 (2023) ialah model multimodal besar terobosan OpenAI yang boleh menerima imej serta teks, dan GPT-4o (2024) menjadikannya lebih pantas, lebih murah dan mampu mengendalikan audio, penglihatan dan teks secara asli dalam satu model.
Gambaran keseluruhan
Together they defined the modern era of ChatGPT.
Menyelam dalam
GPT-4, yang dikeluarkan pada Mac 2023, merupakan lonjakan besar berbanding GPT-3.5: ia mendapat markah dalam persentil teratas pada peperiksaan seperti ujian bar dan AP, mengendalikan gesaan yang lebih panjang dan boleh membuat alasan tentang imej. GPT-4 Turbo kemudiannya menambah tetingkap konteks 128k-token dan harga yang lebih murah. Pada Mei 2024, OpenAI memperkenalkan GPT-4o, dengan 'o' bermaksud 'omni', model tunggal yang dilatih hujung ke hujung merentas teks, audio dan penglihatan. Mod suara terdahulu merantai tiga model berasingan (pertuturan ke teks, kemudian GPT, kemudian teks ke pertuturan), menambah ketinggalan; GPT-4o memproses audio secara langsung, mendayakan perbualan bercakap hampir masa nyata dengan nada emosi dan keupayaan untuk diganggu. Ia juga kira-kira dua kali lebih pantas dan separuh daripada kos GPT-4 Turbo melalui API, dan OpenAI menjadikannya tersedia untuk pengguna ChatGPT percuma, meluaskan akses secara mendadak.
Wawasan Teknikal
Kedua-duanya adalah model Transformer penyahkod sahaja yang dilatih untuk meramalkan token seterusnya, kemudian diperhalusi dengan pembelajaran tetulang daripada maklum balas manusia (RLHF) untuk mengikut arahan dan berkelakuan dengan selamat. Kemajuan penting dalam GPT-4o ialah multimodaliti hujung ke hujung: bukannya menghalakan pertuturan melalui model transkripsi dan sintesis yang berasingan, satu rangkaian menyerap dan mengeluarkan token audio secara langsung, mengekalkan nada, pemasaan dan isyarat bukan lisan sambil mengurangkan kependaman kepada kelajuan perbualan secara kasar (beberapa ratus milisaat).
Kesan Strategik
Strategi vendor
Peta jalan vendor mempengaruhi ciri yang boleh dibina oleh pasukan anda seterusnya.
Kos dan bajet
Terma komersial dan pilihan penggunaan mempengaruhi kos dan risiko jangka panjang.
Risiko dan keselamatan
Insentif syarikat membentuk keingkaran produk, postur keselamatan dan keterbukaan.
Masa Depan GPT-4 dan GPT-4o
GPT-4o menetapkan templat untuk cecair, pembantu multimodal masa nyata, dan pengganti OpenAI mendorong lebih jauh ke dalam penaakulan (model 'berfikir' siri o yang berbincang sebelum menjawab), konteks yang lebih panjang dan penggunaan alat agenik. Jangkakan kos yang lebih rendah, interaksi suara dan video masa nyata yang lebih kaya, integrasi apl dan peranti yang lebih ketat serta model yang bertukar lancar antara respons pantas dan penaakulan yang perlahan dan berhati-hati bergantung pada kesukaran tugasan. Penjanaan pelbagai mod, menghasilkan imej dan audio secara asli, akan terus berkembang.
Pelaksanaan Dunia Sebenar
Mempunyai perbualan bercakap hampir masa nyata dengan Mod Suara Lanjutan ChatGPT, termasuk mengganggunya pada pertengahan ayat
Memuat naik foto kandungan peti sejuk dan meminta GPT-4o mencadangkan resipi
Menampal kontrak undang-undang yang panjang ke dalam tetingkap konteks 128k-token untuk ringkasan dan pengesanan risiko
Menggunakan keupayaan penglihatan untuk membaca dan menerangkan carta, nota tulisan tangan atau tangkapan skrin mesej ralat
Risiko & Pengawal
Pengumuman pelancaran mungkin melebihi kestabilan dalam aliran kerja pengeluaran sebenar.
Harga API atau anjakan dasar boleh memecahkan andaian semalaman.
Kebergantungan vendor tunggal meningkatkan kos kunci masuk dan penghijrahan.
Hala Tuju Pelaksanaan
Nilai penyedia menggunakan tugasan dan set data anda sendiri.
Semak privasi, keselamatan dan syarat undang-undang sebelum penyepaduan.
Kekalkan pelan sandaran merentas model atau vendor.
Pantau nota keluaran supaya perubahan peta jalan tidak mengejutkan pasukan.
Teruskan Meneroka
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
Panduan seterusnya
OpenAI GPT-4.5 dan GPT-5
Soalan lazim
What is GPT-4 and GPT-4o?
GPT-4 (2023) ialah model multimodal besar terobosan OpenAI yang boleh menerima imej serta teks, dan GPT-4o (2024) menjadikannya lebih pantas, lebih murah dan mampu mengendalikan audio, penglihatan dan teks secara asli dalam satu model. Bersama-sama mereka mentakrifkan era moden ChatGPT.
Apakah maksud 'o' dalam GPT-4o?
'o' bermaksud 'omni,' mencerminkan bahawa GPT-4o ialah model tunggal yang mengendalikan teks, audio dan penglihatan bersama-sama.
Mengapakah mod suara GPT-4o lebih pantas daripada ciri suara GPT-4 yang terdahulu?
Mod suara sebelum ini merantai tiga model berasingan, menambah ketinggalan. GPT-4o mengendalikan audio hujung ke hujung dalam satu rangkaian, mengurangkan kependaman kepada kelajuan hampir perbualan.
Apakah jenis input baharu utama yang diperkenalkan oleh GPT-4 berbanding GPT-3.5 semasa pelancaran?
GPT-4 ialah model multimodal besar yang boleh menerima input imej sebagai tambahan kepada teks, keupayaan GPT-3.5 kurang.
Apakah saiz tetingkap konteks yang ditawarkan oleh GPT-4 Turbo?
GPT-4 Turbo mengembangkan tetingkap konteks kepada 128k token, membolehkan dokumen dan perbualan yang lebih panjang.
Teknik latihan yang manakah digunakan untuk membuat GPT-4 dan GPT-4o mengikut arahan dan berkelakuan selamat?
Selepas pralatihan token seterusnya, model tersebut diperhalusi dengan RLHF, menggunakan keutamaan manusia untuk membentuk tingkah laku mengikut arahan yang berguna dan selamat.