Hello GPT-4o Introdução

Ao contrário dos modelos anteriores que usavam sistemas separados para diferentes modalidades, o GPT-4o é treinado de ponta a ponta em texto, visão e áudio. Essa abordagem unificada permite que ele processe todas as entradas e saídas por meio de uma única rede neural, permitindo capturar nuances como tom, múltiplos falantes e ruídos de fundo que foram anteriormente perdidos na tradução entre modelos. O GPT-4o pode responder a entradas de áudio em apenas 232 milissegundos, com uma média de 320 milissegundos, comparável aos tempos de resposta humanos em conversas. Sua tokenização aprimorada reduz significativamente o número de tokens necessários para vários idiomas, melhorando a eficiência e reduzindo custos.