5月14日消息，在今天凌晨的OpenAI發布會上，最新升級的大模型GPT-4o正式發布。

GPT-4o的“o”代表“omni”。該詞意為“全能”，源自拉丁語“omnis”，在英語中“omni”常被用作詞根，用來表示“全部”或“所有”的概念。

GPT-4o可以實時對音頻、視覺和文本進行推理，能處理超過50種不同的語言，并且速度和質量大大提升。

此前GPT-3.5語音對話的平均延遲為2.8秒、GPT-4為5.4秒，音頻在輸入時還會由于處理方式丟失大量信息，無法識別笑聲、歌唱聲和情感表達等。

而GPT-4o可以在232毫秒內對音頻輸入做出反應，甚至還能隨意打斷，與人類在對話中的反應時間相近，徹底顛覆了以往的“語音助手”。

GPT-4o在現場充當實時翻譯也是相當的絲滑，意大利語和英語即聽即翻。

最重要的是，GPT-4o還可以接受文本、音頻和圖像三者組合作為輸入，并生成文本、音頻和圖像的任意組合輸出，人機交互更加自然、全面了。

GPT-4o的能力還會向免費用戶開放，不過會限制數量，免費用戶達到數量之后，會自動跳回GPT-3.5。

GPT-4o還將開放相應API給GPT的開發者，價格是GPT-4-turbo的一半，速度卻是GPT-4-turbo的兩倍，速率限制也高5倍。

官方表示，GPT-4o將會在未來幾周內陸續開放。

此外，OpenAI還推出了ChatGPT的桌面版應用，不過目前只有MacOS版本，Windows版要稍晚一些亮相。