计算机行业AI%2b专题系列(十八)：OpenAI发布GPT.docxVIP

目 录

TOC\o1-2\h\z\u一、GPT-4o交互能力实现突破，API成本更低 4

（一）多模态模型显著降低延迟，实现即时语音对话 4

（二）视觉与音频理解能力提升，交互能力更上一层楼 4

（三）API调用成本降低，凸显性价比优势 5

二、GPT-4o刷新SOTA，性能表现卓越 7

图表目录

图表1 GPT-4o与技术人员实时对话 4

图表2 GPT-4o感知技术人员的情绪 5

图表3 GPT-4o理解代码并简短描述 5

图表4 GPT-4o的API性价比提升 6

图表5 GPT-4o文本推理能力 7

图表6 GPT-4o多语言识别表现 8

图表7 GPT-4o音频翻译表现 8

图表8 GPT-4oM3Exam基准测试 9

图表9 GPT-4o视觉理解基准评估 9

一、GPT-4o交互能力实现突破，API成本更低

（一）多模态模型显著降低延迟，实现即时语音对话

GPT-4o多模态能力大幅提升，能够跨文本、音频和视频进行实时推理。使用语音模式与ChatGPT对话当中，GPT-3.5与GPT-4平均延迟分别为2.8s、5.4s，而GPT-4o对音频输入的响应时间最短为232毫秒，平均为320毫秒，这与人类在对话中的响应时间相当。GPT-4o运行速度大大