Testin云测：解析OpenAI新品GPT-4o的颠覆与局限
5 月 14 日，OpenAI 发布新产品，GPT-4o 旗舰模型。OpenAI 在 ChatGPT 中引入 GPT-4o 并免费提供更多功能。
GPT-4o 的「o」代表「omni」，意为全能，与现有模型相比，它在视觉和音频理解方面尤其出色。GPT-4o 可以在音频、视觉和文本中进行实时推理，接受文本、音频和图像的任何组合作为输入，并生成文本、音频和图像的任何组合进行输出。它可以最短在 232 毫秒内响应音频输入，平均为 320 毫秒，这与人类在对话中的响应时间相似。
在 GPT-4o 之前，用户可以使用 Voice Mode（由三个独立模型组成）与 ChatGPT 通话，但平均延迟为 2.8 秒（GPT-3.5）和 5.4 秒（GPT-4）。原理是 Voice Mode 利用一个简单模型将音频转录为文本，GPT-3.5 或 GPT-4 接收文本并输出文本，第三个简单模型将文本转换回音频。
但这个过程会丢失大量信息，例如 GPT-4 不能直接观察音调、多个说话者或背景噪音，也不能输出笑声、歌声或情感表达。利用 GPT-4o，OpenAI 训练了一个跨文本、视觉和音频的端到端新模型，这意味着所有输入和输出都由同一个神经网络处理，这是 OpenAI 第一个结合所有这些模式的模型，OpenAI 仍在探索模型的功能及其局限性。
从性能来看，OpenAI 表示，在传统基准测试中，GPT-4o 在文本、推理和代码智能方面达到了 GPT-4 Turbo 级的性能，同时在多语言、音频和视觉能力方面达到了新高度。它在英文文本和代码上的性能与 GPT-4 Turbo 相当，在非英文文本上有显著改善。
通过过滤训练数据和训练后改进模型行为等技术，GPT-4o 在设计中内置了跨模式的安全性，并创建了新的安全系统，为语音输出提供护栏。GPT-4o 还与来自社会心理学、偏见和公平、错误信息等领域的 70 多名外部专家开展广泛的外部红队合作，以识别新增加的模式引入或放大的风险，提高与 GPT-4o 互动的安全性。
AI 的发展速度正不断超出人们的预期，新的颠覆性科技与新的投资机会，都在应运而生。能否抓住 AI 带来的生产力突破，决定了企业能否有更高的上限和更广阔的未来。
Testin 云测就是这样一家以人工智能技术驱动的企业服务平台，已经为全球超过百万的企业及开发者提供云测试服务、AI 训练数据服务、安全服务。在保障应用、软件、系统等产品质量的测试环节，Testin 云测将云模式与 AI 人工智能的优势融为一体，通过云服务和智能化，以 AI+RPA 的测试能力部分或全部取代人工测试为主要发展趋势。
同时，在人工智能数据服务领域，Testin 云测通过数据采集、数据清洗、数据标注等方式为企业业务引入数据治理，用专业领先的一站式数据服务充分满足 AI 客户的需求，利用自身在技术、服务和标准化方面的特色优势引领行业的发展趋势。
AI 带来的颠覆性变革正在持续进行中，所有行业都将或早或晚地受其影响。云计算、大数据、人工智能、物联网等新兴技术让企业未来充满机遇和挑战。面对这样一场影响深远的变革，选择一个优秀的企业服务伙伴无疑是顺应时代之举，Testin 云测不仅具备深刻的洞察力，也在服务、产品、安全等全方位专业领域的能力过硬，是企业服务领域的佼佼者。
