🤖
访问官网GPT-4o
OpenAI · 2024-05
OpenAI 的旗舰多模态模型，将文本、视觉和音频统一在一个界面中。
快速概览
参数量
Estimated ~1.76 trillion
上下文窗口
128K tokens
模态
text, image, audio
开源
否
价格
免费 / $20/月 Plus
发布日期
2024-05
开发者
OpenAI
关于
GPT-4o（omni）是 OpenAI 的旗舰多模态模型，在统一架构中原生集成文本、视觉和音频处理。估计参数量约 1.76 万亿，128K token 上下文窗口，驱动着 ChatGPT、ChatGPT API 和 Microsoft Copilot。GPT-4o 的革命性在于其原生多模态能力：它同时接受图像、音频和文本输入，并以极低延迟生成文本和图像输出。名称中的 "o" 代表 "omni"，反映其无需专门模型即可处理任何模态的能力。在实际使用中，GPT-4o 擅长细腻对话、创意写作、全栈开发和数据分析。128K 上下文窗口可处理完整代码库或长篇文档。与 Claude 3.5 Sonnet 相比，GPT-4o 更快且多模态能力更强。API 每百万输入 token 2.50 美元，而每月 20 美元的 ChatGPT Plus 订阅为个人用户提供了极佳价值。
优势
- +单一模型统一多模态（文本+图像+音频）
- +响应速度极快，延迟低
- +出色的创意写作和细腻对话能力
- +强大的代码生成和数据分析能力
不足
- −参数量大导致大规模推理成本较高
- −偶尔出现事实错误和幻觉
- −不具备原生视频生成能力
适用场景
日常对话和效率提升的 AI 助手
跨语言代码生成和调试
创意内容创作和头脑风暴
自然语言驱动的数据分析
价格
免费版
$0
- GPT-4o mini 访问
- 有限 GPT-5 消息
- 基础文件上传
Plus 版
$20/mo
- 无限 GPT-4o 使用
- 高级数据分析
- DALL-E 3
- 自定义 GPTs
API
$2.50/1M input tokens
- 按量计费
- 128K 上下文
- 视觉和音频支持
基准测试
| 基准 | GPT-4o | 对比模型 |
|---|---|---|
| MMLU | 88.7% | GPT-4: 86.4% |
| HumanEval | 90.2% | Claude 3.5 Sonnet: 92.0% |
技术规格
参数量
Estimated ~1.76 trillion
上下文窗口
128K tokens
模态
text, image, audio
语言
EnglishChineseSpanishArabicFrench+4
开源
否
开发者
OpenAI
发布日期: 2024-05
分享这篇文章