Bản đồ AI AI ATLAS

GPT-4o

Mô hình đa phương thức gốc, xử lý văn bản, hình ảnh và âm thanh qua một cửa vào

OpenAI Mô hình Đóng

đầu vàoVăn bảnHình ảnhÂm thanhVăn bảnÂm thanh

Toàn văn của trang này được trình bày bằng tiếng Anh; tiêu đề và phần dẫn đã được bản địa hóa.

NÓ LÀ GÌ

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.

Vì sao đáng ghi nhớ

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.

Thông số chính

Context window: 128K tokens
Modality: Text, image, audio in; text, audio out
Released: 2024-05
Open weights: No

Năng lực liên quan

Hội thoại và tuân thủ chỉ dẫn

Hiểu ý định qua các lượt hội thoại và thực hiện

Văn bảnVăn bản

Sinh văn bản

Viết tiếp văn bản từng từ một

Văn bảnVăn bản

Suy luận và chuỗi tư duy

Chia bài toán khó thành các bước trung gian

Văn bảnVăn bản

Hiểu hình ảnh và hỏi đáp thị giác

Nhìn ảnh và trả lời câu hỏi tự do

Hình ảnhVăn bảnVăn bản

Khái niệm liên quan

Kiến trúc Transformer

Thay cách truyền từng từ bằng một phòng họp nơi mọi từ cùng lên tiếng, để phụ thuộc xa chỉ còn cách một bước

Xử lý ngôn ngữ tự nhiên và mô hình ngôn ngữ lớn

Sinh đa phương thức

Một mô hình học nói, vẽ, chuyển động — thậm chí mô hình hóa thế giới ba chiều

Kỹ thuật prompt và căn chỉnh

Làm cho mô hình hữu ích, trung thực và vô hại khó hơn việc chỉ phóng to nó

Xử lý ngôn ngữ tự nhiên và mô hình ngôn ngữ lớn

Sản phẩm cùng loại

Claude

Mô hình hội thoại phổ thông nổi bật với ngữ cảnh dài và căn chỉnh an toàn

Mô hình Đóng

Văn bảnHình ảnhVăn bản

Gemini

Google DeepMind

Mô hình đa phương thức gốc, xử lý ngữ cảnh siêu dài

Mô hình Đóng

Văn bảnHình ảnhÂm thanhVideoVăn bản

Llama

Dòng mô hình đưa trọng số mở trở thành xu hướng chính

Mô hình Trọng số mở

Văn bảnVăn bản

Grok

Mô hình hội thoại gắn với dữ liệu mạng xã hội

Mô hình Đóng

Văn bảnHình ảnhVăn bản

Mistral Large

Mô hình thương mại chủ lực của phòng lab trọng số mở châu Âu

Mô hình Đóng

Văn bảnVăn bản

Command R

Mô hình thương mại dành cho tăng cường truy hồi và gọi công cụ

Mô hình Trọng số mở

Văn bảnVăn bản

Kimi

Trợ lý hội thoại tiếng Trung nổi bật với xử lý ngữ cảnh dài

Mô hình Đóng

Văn bảnVăn bản