يُعرض النص الكامل باللغة الإنجليزية؛ وقد تمت ترجمة العنوان والملخص.
ما هو
GPT-4o is a general-purpose model OpenAI released in May 2024; the “o” stands for omni, meaning text, image and audio are handled inside one model. Vision and speech understanding share a single forward pass, and spoken conversation runs at near-real-time latency. Where earlier systems stitched several models into a pipeline, GPT-4o trains multimodality end to end and simplifies the interaction entry point. It is offered through both the API and ChatGPT, and serves as OpenAI’s main multimodal general model.
لماذا يستحق التذكّر
It moved multimodality from “several models stitched into a pipeline” to “one model end to end” and cut spoken-dialogue latency to near human-conversation levels; general models have since treated native multimodality as the default target.
المواصفات الأساسية
- Context window
- 128K tokens
- Modality
- Text, image, audio in; text, audio out
- Released
- 2024-05
- Open weights
- No
القدرات المرتبطة
المفاهيم ذات الصلة
معمارية Transformer
يستبدل النقل كلمةً بكلمة بغرفة يتحدث فيها الجميع معاً، فتصبح التبعيات البعيدة على مسافة خطوة واحدة
التوليد متعدد الوسائط
نموذج واحد يتعلّم الكلام والرسم والحركة، بل ونمذجة العالم ثلاثي الأبعاد
هندسة الأوامر والمواءمة
جعل النموذج مفيداً وصادقاً وغير ضارّ أصعب من مجرد تكبيره
منتجات منافسة
Claude
2023نموذج محادثة عام يشتهر بسياقه الطويل ومواءمته الأمنية
Gemini
2023نموذج عام متعدد الوسائط بطبيعته، مصمم لسياقات طويلة جدًا
Llama
2023عائلة النماذج التي جعلت مسار الأوزان المفتوحة سائدًا
Grok
2023نموذج محادثة مرتبط ببيانات منصة اجتماعية
Mistral Large
2024النموذج التجاري الرائد من مختبر أوروبي للأوزان المفتوحة
Command R
2024نموذج تجاري مصمم للاسترجاع المعزّز واستخدام الأدوات
Kimi
2023مساعد محادثة صيني يشتهر بمعالجة السياقات الطويلة