风君子博客5月14日消息，今日凌晨，OpenAI正式发布了新一代的旗舰模型GPT-4o，可以利用语音、视频和文本信息进行实时推理。
据介绍，GPT-4o在英文文本和代码中的表现与GPT-4 Turbo相当，但在非英文文本上的能力大幅提升，在视频和音频的理解上，GPT-4o要明显强于当前的其他模型。
此外，能力更全面的GPT-4o，响应速度也更快，最快232毫秒响应音频输入，平均响应时间为320毫秒，与人类在对话中的响应速度相当。
除了更强、更全面的能力，OpenAI也在推动GPT-4o更广泛的应用。GPT-4o的文本和图片功能自推出之日起就向ChatGPT推送，ChatGPT用户可免费使用，ChatGPT Plus用户的数据量上限将是免费用户的5倍，新版本的音频模式将在未来几周向ChatGPT Plus用户推送。
TechWeb第一时间对GPT-4o进行了实测，不过目前免费用户还不能使用图片生成功能。我们使用GPT-4o来描述图片，并让其分别对一张中文图表和一张英文图表进行了分析，来看看结果。
我们首先让GPT-4o描述了一张图片，发现描述的非常准确，并可以对单独人物的动作进行描述，最后还可以用文字来分析该图片场景。
随后是一张中文图表，不但可以读懂上面的数字含义，还可以对差异和趋势进行非常详细的分析。
最后是一张英文图表，GPT-4o可以读懂并翻译图表展示的数据内容，最后根据图表数据总结得出分析结论。
总体来说，GPT-4o的能力的确有了很大的提升，未来在所有功能开放的时候，TechWeb也将继续为大家带来更详细的实测体验。（萧健）