In sintesi
GPT-4o è il modello di punta annunciato da OpenAI il 13 maggio: la o sta per omni perché accetta in input qualsiasi combinazione di testo, audio e immagini e genera output negli stessi formati. Risponde all'audio con una latenza media di 320 millisecondi, simile ai tempi di una conversazione umana, eguaglia GPT-4 Turbo su testo inglese e codice, migliora nelle altre lingue e costa il 50% in meno nell'API.
- La latenza sull'audio parte da un minimo di 232 millisecondi e si attesta in media a 320, paragonabile al tempo di risposta umano
- Il nuovo tokenizzatore riduce i token necessari in molte lingue: 4.4 volte in meno per il gujarati, 3.5 per il telugu, 3.3 per il tamil
- OpenAI ha valutato GPT-4o con il suo Framework di Preparazione, rischio medio in tutte le categorie, coinvolgendo oltre 70 esperti esterni
Il 13 maggio, OpenAI ha annunciato il lancio di GPT-4o, il suo nuovo modello di punta, che rappresenta un significativo passo avanti verso interazioni più naturali tra esseri umani e computer. GPT-4o, dove “o” sta per “omni”, accetta come input qualsiasi combinazione di testo, audio e immagini, e può generare output in qualsiasi di questi formati.
Innovazione nelle Capacità del Modello
GPT-4o è progettato per elaborare input audio con una latenza minima di 232 millisecondi, raggiungendo in media 320 millisecondi, comparabile al tempo di risposta umano in una conversazione. Questo modello offre prestazioni equivalenti a GPT-4 Turbo per testo in inglese e codice, con significativi miglioramenti per testi in lingue diverse dall’inglese. Inoltre, GPT-4o è molto più veloce e il 50% più economico nell’API. Un altro punto di forza è la sua avanzata comprensione di visione e audio.
Esperienze d’Uso e Interazioni
Ecco alcune delle nuove capacità di GPT-4o:
- Due GPT-4o che interagiscono e cantano insieme.
- Preparazione per interviste.
- Gioco di Sasso, Carta, Forbice.
- Uso del sarcasmo.
- Risolvere problemi matematici con esperti.
- Armonizzazione musicale tra due GPT-4o.
- Apprendimento in tempo reale di una nuova lingua.
- Traduzioni in tempo reale.
- Cantare ninne nanne.
- Raccontare barzellette.
- Applicazioni per assistenza clienti.
Miglioramenti Tecnici e Prestazionali
GPT-4o è stato addestrato end-to-end per elaborare simultaneamente input e output di testo, visione e audio, eliminando le limitazioni dei precedenti modelli a pipeline. Questo modello eccelle nei benchmark di percezione visiva e comprensione multilingue, superando GPT-4 in queste aree. Ha anche ottenuto nuovi record nella traduzione e nel riconoscimento vocale rispetto a Whisper-v3.
Tokenizzazione Multilingue
Il nuovo tokenizzatore di GPT-4o comprime efficacemente i dati in diverse famiglie linguistiche. Ad esempio:
- Gujarati: 4.4x meno token
- Telugu: 3.5x meno token
- Tamil: 3.3x meno token
Sicurezza e Limitazioni del Modello
La sicurezza è integrata nel design di GPT-4o attraverso tecniche come il filtraggio dei dati di addestramento e la rifinitura del comportamento del modello post-addestramento. OpenAI ha valutato GPT-4o secondo il loro Framework di Preparazione, risultando in un rischio medio in tutte le categorie esaminate. Sono stati coinvolti oltre 70 esperti esterni per identificare e mitigare i rischi, specialmente quelli introdotti dalle nuove modalità audio.
Disponibilità del Modello
GPT-4o è ora disponibile su ChatGPT, nella versione gratuita e per gli utenti Plus con limiti di messaggi 5x superiori. Gli sviluppatori possono accedere a GPT-4o nell’API come modello di testo e visione, con il lancio delle nuove capacità audio e video previsto per le prossime settimane.
Conclusione
GPT-4o rappresenta un significativo progresso nella tecnologia dei modelli linguistici, offrendo interazioni più rapide, naturali ed economiche. Continueremo a esplorare e migliorare le capacità del modello, spingendoci verso un futuro in cui l’interazione uomo-computer sarà ancora più intuitiva e coinvolgente.
Per ulteriori dettagli e aggiornamenti su GPT-4o, visita il sito ufficiale di OpenAI.
Domande frequenti
Cosa significa la o di GPT-4o?
La o sta per omni: GPT-4o accetta come input qualsiasi combinazione di testo, audio e immagini e può generare output in ciascuno di questi formati. A differenza dei modelli precedenti, basati su una pipeline di componenti separati, è stato addestrato end-to-end per elaborare simultaneamente testo, visione e audio. Questo gli permette una comprensione avanzata di visione e audio e risposte vocali con tempi da conversazione umana.
Quanto è veloce GPT-4o a rispondere all'audio?
GPT-4o elabora input audio con una latenza minima di 232 millisecondi e una media di 320 millisecondi, un tempo comparabile a quello di risposta di una persona in una conversazione. Sul testo offre prestazioni equivalenti a GPT-4 Turbo per l'inglese e il codice, con miglioramenti significativi nelle lingue diverse dall'inglese, ed è molto più veloce. Nel riconoscimento vocale e nella traduzione ha stabilito nuovi record rispetto a Whisper-v3.
Quanto costa GPT-4o nell'API rispetto a GPT-4 Turbo?
Il 50% in meno, oltre a essere molto più veloce. Gli sviluppatori possono usarlo nell'API come modello di testo e visione, mentre le nuove capacità audio e video sono previste nelle settimane successive al lancio. Il nuovo tokenizzatore comprime inoltre i dati in modo più efficiente in diverse famiglie linguistiche: il gujarati richiede 4.4 volte meno token, il telugu 3.5 e il tamil 3.3.
GPT-4o è disponibile gratis su ChatGPT?
Sì, GPT-4o è disponibile su ChatGPT anche nella versione gratuita; gli utenti Plus hanno limiti di messaggi 5 volte superiori. Gli sviluppatori lo trovano nell'API come modello di testo e visione, con le capacità audio e video in arrivo nelle settimane successive. Tra gli usi mostrati al lancio: preparazione a interviste, traduzioni in tempo reale, apprendimento di una lingua, risoluzione di problemi matematici e applicazioni per l'assistenza clienti.
Come ha gestito OpenAI la sicurezza di GPT-4o?
La sicurezza è integrata nel design del modello con tecniche come il filtraggio dei dati di addestramento e la rifinitura del comportamento dopo l'addestramento. OpenAI ha valutato GPT-4o secondo il proprio Framework di Preparazione, con un risultato di rischio medio in tutte le categorie esaminate. Oltre 70 esperti esterni hanno collaborato per identificare e mitigare i rischi, in particolare quelli introdotti dalle nuove modalità audio.
Fonti
- Hello GPT-4oOpenAI
Le cifre e le date citate provengono dalle fonti elencate. Ultima revisione sostanziale: 14 Maggio 2024.

