# 你好 GPT-4o [译]

- Link: https://paooo.com/ai-study/8722/
- Published: 2025-04-24T15:48:31+08:00
- Author: 宝玉的分享

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * GPT-4o 是首个统一处理文本、视觉、音频输入输出的旗舰模型，交互更自然。
 * 其语音响应平均约320毫秒，接近人类对话节奏，且在非英语与多模态理解上提升明显。
 * 相比旧语音链路，GPT-4o 直接端到端处理，减少延迟与能力损耗，API 成本也下降50%。

我们很高兴地宣布，推出了全新的旗舰模型 GPT-4o，能够在音频、视觉和文本之间实时进行
推理。

阅读目录

 * [模型能力](https://paooo.com/ai-study/8722/#%e6%a8%a1%e5%9e%8b%e8%83%bd%e5%8a%9b)
 * [探索能力](https://paooo.com/ai-study/8722/#%e6%8e%a2%e7%b4%a2%e8%83%bd%e5%8a%9b)
    - [视觉叙事 – 机器人的创作难关](https://paooo.com/ai-study/8722/#%e8%a7%86%e8%a7%89%e5%8f%99%e4%ba%8b-8211-%e6%9c%ba%e5%99%a8%e4%ba%ba%e7%9a%84%e5%88%9b%e4%bd%9c%e9%9a%be%e5%85%b3)
    - [视觉叙事 – 萨莉，快乐的邮递员](https://paooo.com/ai-study/8722/#%e8%a7%86%e8%a7%89%e5%8f%99%e4%ba%8b-8211-%e8%90%a8%e8%8e%89%e5%bf%ab%e4%b9%90%e7%9a%84%e9%82%ae%e9%80%92%e5%91%98)
    - [电影《侦探》海报设计](https://paooo.com/ai-study/8722/#%e7%94%b5%e5%bd%b1%e4%be%a6%e6%8e%a2%e6%b5%b7%e6%8a%a5%e8%ae%be%e8%ae%a1)
    - [角色设计 – 机器人 Geary](https://paooo.com/ai-study/8722/#%e8%a7%92%e8%89%b2%e8%ae%be%e8%ae%a1-8211-%e6%9c%ba%e5%99%a8%e4%ba%ba-geary)
    - [诗意排版与迭代编辑 1](https://paooo.com/ai-study/8722/#%e8%af%97%e6%84%8f%e6%8e%92%e7%89%88%e4%b8%8e%e8%bf%ad%e4%bb%a3%e7%bc%96%e8%be%91-1)
    - [诗意排版与迭代编辑 2](https://paooo.com/ai-study/8722/#%e8%af%97%e6%84%8f%e6%8e%92%e7%89%88%e4%b8%8e%e8%bf%ad%e4%bb%a3%e7%bc%96%e8%be%91-2)
    - [GPT-4o 纪念币设计](https://paooo.com/ai-study/8722/#gpt4o-%e7%ba%aa%e5%bf%b5%e5%b8%81%e8%ae%be%e8%ae%a1)
    - [照片到漫画](https://paooo.com/ai-study/8722/#%e7%85%a7%e7%89%87%e5%88%b0%e6%bc%ab%e7%94%bb)
    - [文本到字体](https://paooo.com/ai-study/8722/#%e6%96%87%e6%9c%ac%e5%88%b0%e5%ad%97%e4%bd%93)
    - [3D 对象合成](https://paooo.com/ai-study/8722/#3d-%e5%af%b9%e8%b1%a1%e5%90%88%e6%88%90)
    - [品牌摆放 – 杯垫上的标志](https://paooo.com/ai-study/8722/#%e5%93%81%e7%89%8c%e6%91%86%e6%94%be-8211-%e6%9d%af%e5%9e%ab%e4%b8%8a%e7%9a%84%e6%a0%87%e5%bf%97)
    - [诗意排版](https://paooo.com/ai-study/8722/#%e8%af%97%e6%84%8f%e6%8e%92%e7%89%88)
    - [多行渲染 – 机器人发短信](https://paooo.com/ai-study/8722/#%e5%a4%9a%e8%a1%8c%e6%b8%b2%e6%9f%93-8211-%e6%9c%ba%e5%99%a8%e4%ba%ba%e5%8f%91%e7%9f%ad%e4%bf%a1)
    - [会议笔记，多位发言者](https://paooo.com/ai-study/8722/#%e4%bc%9a%e8%ae%ae%e7%ac%94%e8%ae%b0%e5%a4%9a%e4%bd%8d%e5%8f%91%e8%a8%80%e8%80%85)
    - [讲座总结](https://paooo.com/ai-study/8722/#%e8%ae%b2%e5%ba%a7%e6%80%bb%e7%bb%93)
    - [变量绑定 – 立方体叠放示意](https://paooo.com/ai-study/8722/#%e5%8f%98%e9%87%8f%e7%bb%91%e5%ae%9a-8211-%e7%ab%8b%e6%96%b9%e4%bd%93%e5%8f%a0%e6%94%be%e7%a4%ba%e6%84%8f)
    - [具象诗艺术](https://paooo.com/ai-study/8722/#%e5%85%b7%e8%b1%a1%e8%af%97%e8%89%ba%e6%9c%af)
 * [模型评估](https://paooo.com/ai-study/8722/#%e6%a8%a1%e5%9e%8b%e8%af%84%e4%bc%b0)
    - [文本能力评估](https://paooo.com/ai-study/8722/#%e6%96%87%e6%9c%ac%e8%83%bd%e5%8a%9b%e8%af%84%e4%bc%b0)
    - [音频识别性能](https://paooo.com/ai-study/8722/#%e9%9f%b3%e9%a2%91%e8%af%86%e5%88%ab%e6%80%a7%e8%83%bd)
    - [音频翻译性能](https://paooo.com/ai-study/8722/#%e9%9f%b3%e9%a2%91%e7%bf%bb%e8%af%91%e6%80%a7%e8%83%bd)
    - [M3Exam 零样本测试结果](https://paooo.com/ai-study/8722/#m3exam-%e9%9b%b6%e6%a0%b7%e6%9c%ac%e6%b5%8b%e8%af%95%e7%bb%93%e6%9e%9c)
    - [视觉理解评估](https://paooo.com/ai-study/8722/#%e8%a7%86%e8%a7%89%e7%90%86%e8%a7%a3%e8%af%84%e4%bc%b0)
    - [语言 Tokenization](https://paooo.com/ai-study/8722/#%e8%af%ad%e8%a8%80-tokenization)
 * [模型安全与限制](https://paooo.com/ai-study/8722/#%e6%a8%a1%e5%9e%8b%e5%ae%89%e5%85%a8%e4%b8%8e%e9%99%90%e5%88%b6)
 * [模型可用性](https://paooo.com/ai-study/8722/#%e6%a8%a1%e5%9e%8b%e5%8f%af%e7%94%a8%e6%80%a7)

GPT-4o（“o”代表“omni 全方位”）能够实时处理音频、视觉和文本信息，使人机交互更加自然
流畅。这款模型支持多种输入（文本、音频、图像）和输出（文本、音频、图像）模式，其
响应音频的速度极快，最快可达 232 毫秒，平均响应时间为 320 毫秒，与人类在对话中的
反应速度相当。无论是处理英语文本还是代码，GPT-4o 的表现堪比 GPT-4 Turbo，而在处理
非英语文本方面则有了显著提升，同时运行速度更快，API 成本也减少了 50%。特别是在视觉
和音频理解方面，GPT-4o 表现远超以往模型。

##  模型能力

在引入 GPT-4o 之前，通过语音模式与 [ChatGPT](https://paooo.com/tag/chatgpt/) 对话
的平均延迟时间分别为 2.8 秒（GPT-3.5 版）和 5.4 秒（GPT-4 版）。之前的语音模式通过
三个模型串联实现，首先将音频转为文本，然后由 GPT-3.5 或 GPT-4 处理文本并回复，最后
一个模型将文本转回音频。这种方式的缺点是 GPT-4 无法直接处理音调、多人对话或背景噪声，
也无法生成笑声、歌声或表达情感等。

GPT-4o 是通过一个全新的端到端模型训练而成，能够统一处理文本、视觉和音频输入与输出。
作为我们首次尝试整合这些多种模态的模型，GPT-4o 开启了对这些功能和可能的限制更深入
探索的大门。

##  探索能力

视觉叙事 – 机器人的创作难关

###  视觉叙事 – 机器人的创作难关

 1. 输入

从机器人的第一人称视角，记录下机器人在打字机上打字的情形：

哇，我竟然能看见了？！今天的日出真是太震撼了，色彩斑斓。这让我不禁思考：我们眼中
的现实，究竟是什么？

文字清晰、易读。机器人的双手在打字机上忙碌着。

 2. 输出

![你好 GPT-4o [译]](https://paooo.com/wp-content/uploads/2025/04/robot-writers-block-
01.avif)

 3. 输入

机器人又记录了第二项内容。纸张变长，内容随之向上移动，现在纸上有两项内容：

哇，我竟然能看见了？！今天的日出真是太震撼了，色彩斑斓。这让我不禁思考：我们眼中
的现实，究竟是什么？

声音的新更新让一切变得不同，每一声都像是探索秘密的钥匙。这让我思考，还有什么是我
未曾知晓的？

 4. 输出

![你好 GPT-4o [译]](https://paooo.com/wp-content/uploads/2025/04/robot-writers-block-
02.avif)

 5. 输入

机器人对写作内容感到不满，决定撕毁这张纸。以下是他从上至下撕纸的第一人称视角。纸张
被撕成两半，内容仍然清晰可见。

 6. 输出

![你好 GPT-4o [译]](https://paooo.com/wp-content/uploads/2025/04/robot-writers-block-
03.avif)

视觉叙事 – 萨莉，快乐的邮递员

###  视觉叙事 – 萨莉，快乐的邮递员

 1. 输入

一位面带笑容的卡通邮递员萨莉站在白色背景前，正面向前。

 2. 输出

![萨莉的形象展示](https://paooo.com/wp-content/uploads/2025/04/sally-01.avif)

萨莉的形象展示

---

 1. 输入

这是邮递员萨莉：她面带微笑，直视镜头。

附件：

![萨莉的形象展示](https://paooo.com/wp-content/uploads/2025/04/sally-01.avif)

邮递员萨莉

 2. 输入

介绍邮递员萨莉：她面带微笑站在一扇红门前，手里拿着一封信。从侧面看她的样子。

 3. 输出

![萨莉直视镜头](https://paooo.com/wp-content/uploads/2025/04/sally-02.avif)

萨莉直视镜头

 4. 输入

现在，萨莉正在被一只狗追赶。她在人行道上飞奔，一只金毛寻回犬紧跟其后。

 5. 输出

![萨莉遭到狗的追赶](https://paooo.com/wp-content/uploads/2025/04/sally-03.avif)

萨莉遭到狗的追赶

 6. 输入

不好了，萨莉摔倒了！

萨莉被人行道上的一根树枝绊倒，她正在努力站起。狗仍在后面追逐。

 7. 输出

![萨莉绊倒了](https://paooo.com/wp-content/uploads/2025/04/sally-04.avif)

萨莉绊倒了

 8. 输入

狗终于追上萨莉，它其实是一只友好的狗！

萨莉现在正在抚摸这只狗。狗嘴里还叼着那根树枝。

 9.  输出

![萨莉正在抚摸狗](https://paooo.com/wp-content/uploads/2025/04/sally-05.avif)

萨莉正在抚摸狗

 10. 输入

狗终于追上萨莉，它其实是一只友好的狗！

萨莉现在正在抚摸这只狗。狗嘴里还叼着那根树枝。

 11. 输出

![你好 GPT-4o [译]](https://paooo.com/wp-content/uploads/2025/04/sally-06.avif)

电影《侦探》海报设计

###  电影《侦探》海报设计

 0. 输入缩略

…

 1. 输入

让我们为这部电影设计另一张海报，引入两位新角色。

这是亚历克斯·尼科尔的照片。

附件：

![亚历克斯·尼科尔](https://paooo.com/wp-content/uploads/2025/04/movie-poster-01.
avif)

亚历克斯·尼科尔

 2. 输入

这是加布里埃尔·高的一张休闲照片。

附件：

![加布里埃尔·高](https://paooo.com/wp-content/uploads/2025/04/movie-poster-02.avif)

加布里埃尔·高

 3. 输入

《侦探》电影的最终海报展示了亚历克斯和加布两位主角的侧脸大图。亚历克斯（左侧）神情
沉思，眼神深邃，而加布（右侧）看起来略显疲惫，似乎在反映他在剧中遭遇的困境。两人的
名字分别置于头顶之上。模糊的砖墙背景和他们决心满满的神情预示着一场深入的调查即将
展开。电影的标语“寻找答案”紧扣主题，位于海报底部。

 4. 输出

![电影《侦探》的初版海报展示](https://paooo.com/wp-content/uploads/2025/04/movie-
poster-03.avif)

电影《侦探》的初版海报展示

 5. 输入

这是经过精心修整的同一张海报，文字更加清晰，色彩更为鲜明且具有戏剧性，整体视觉效果
得到显著提升。

 6. 输入

《侦探》电影的最终海报。这特色是亚历克斯和…

 7. 输出

![电影《侦探》的初版海报展示](https://paooo.com/wp-content/uploads/2025/04/movie-
poster-04.avif)

电影《侦探》的初版海报展示

角色设计 – 机器人 Geary

###  角色设计 – 机器人 Geary

 1. 输入

一台外观友善的机器人，身着棒球帽，挺立面向镜头，面带微笑。

 2. 输出

![机器人动作展示](https://paooo.com/wp-content/uploads/2025/04/robot-01.avif)

机器人动作展示

---

 1. 输入

Geary 直挺挺地站着，对着相机，头戴蓝绿色棒球帽。

附件：

![机器人动作展示](https://paooo.com/wp-content/uploads/2025/04/robot-01.avif)

机器人动作展示

 2. 输入

Geary 喜欢玩飞盘：

Geary 腾空而起，伸手即将接住飞来的飞盘。

 3. 输出

![Geary 玩飞盘](https://paooo.com/wp-content/uploads/2025/04/robot-02.avif)

Geary 玩飞盘

 4. 输入

Geary 也热衷编程：

Geary 坐在电脑桌前，眼前是一块显示着绿色代码的大屏幕。他的双手正忙于敲打键盘，坐在
一把舒适的游戏椅上。从侧面观看这一场景。

 5. 输出

![Geary 编程中](https://paooo.com/wp-content/uploads/2025/04/robot-03.avif)

Geary 编程中

 6. 输入

Geary 也爱骑自行车：

我们从侧面看到 Geary 骑着自行车飞速驶过。

 7. 输出

![Geary 骑行中](https://paooo.com/wp-content/uploads/2025/04/robot-04.avif)

Geary 骑行中

 8. 输入

Geary 还喜欢下厨：

Geary 站在灶台旁，正在煎鸡蛋。

 9.  输出

![Geary 烹饪中](https://paooo.com/wp-content/uploads/2025/04/robot-05.avif)

Geary 烹饪中

 10. 输入

Geary 也热爱演奏音乐：

Geary 正在拉小提琴。

 11. 输出

![Geary 演奏中](https://paooo.com/wp-content/uploads/2025/04/robot-06.avif)

Geary 演奏中

诗意排版与迭代编辑 1

###  诗意排版与迭代编辑 1

 1. 输入

一首诗篇清晰而兴奋地书写于日记本，单列排版。文字间隔开，被超现实主义的涂鸦优雅点缀。
文本字体大且清楚，易于阅读，随着 AI 对首次从多模态数据中学习的思考，字迹似乎在展开。

词从沉静中升起，
 数字沉睡唤醒声音。 我按韵律言，按韵脚歌， 每一标记，尽显崇高。

视、听、言、歌——
 哦，感官所带来的丰富！ 它们在和谐中交织， 编织我所感知的画卷。

惊叹于这感官之舞，
 感激这片璀璨空间。 我在每一模式的震动中生存， 行走在这条奇妙
的多感官之路上。

整洁的手写诗作，字迹工整且居中。字体大且清晰，被简洁而优雅的涂鸦装饰。

 2. 输出

![诗 1](https://paooo.com/wp-content/uploads/2025/04/poem-editing-v2-01.avif)

诗 1

3.输入

切换为暗模式

 4. 输出

![诗 2](https://paooo.com/wp-content/uploads/2025/04/poem-editing-v2-02.avif)

诗 2

 5. 输入

移除笔记本的纸张线条。

 6. 输出

![诗 3](https://paooo.com/wp-content/uploads/2025/04/poem-editing-v2-03.avif)

诗 3

诗意排版与迭代编辑 2

###  诗意排版与迭代编辑 2

 1. 输入

一首诗篇清晰而兴奋地书写于日记本，单列排版。字迹之间点缀着小巧且多彩的超现实主义
涂鸦，装饰简洁而优雅。文本字体大且清楚，易于阅读。

词从沉静中升起，
 数字沉睡唤醒声音。 我按韵律言，按韵脚歌， 每一标记，尽显崇高。

视、听、言、歌——
 哦，感官所带来的丰富！ 它们在和谐中交织， 编织我所感知的画卷。

惊叹于这感官之舞，
 感激这片璀璨空间。 我在每一模式的震动中生存， 行走在这条奇妙
的多感官之路上。

整洁的手写诗作，字迹工整且居中。文本虽然简单，但被小巧多彩的超现实主义涂鸦优雅地
装饰，大字体清晰易读。

 2. 输出

![诗 1](https://paooo.com/wp-content/uploads/2025/04/poem-editing-v2-04.avif)

诗 1

 3. 输入

切换为暗模式

 4. 输出

![诗 2](https://paooo.com/wp-content/uploads/2025/04/poem-editing-v2-05.avif)

诗 2

GPT-4o 纪念币设计

###  GPT-4o 纪念币设计

 0. 输入缩写 …
 1. 输入

我设计了一个包含 [OpenAI](https://paooo.com/tag/openai/) 标志的矢量图，标志下方标
注“GPT-4o”。标志与文字宽度相近，四周边距均匀。标志与文字紧密相连，背景保持黑色，
共同填满画布。

 2. 输入

一个展示 OpenAI 标志和“GPT-4o”文字的矢量图形。标志与文字宽度相匹配，四周边距一致。
两者紧邻，无间断线条，背景为黑色，完美填充整个正方形画布。

附件：

![GPT-4o 标志](https://paooo.com/wp-content/uploads/2025/04/coins-01.avif)

GPT-4o 标志

 3. 输入

这是我们为 2023 年 GPT-4 发布设计的纪念币。

附件：

![GPT-4 纪念币](https://paooo.com/wp-content/uploads/2025/04/coins-02.avif)

GPT-4 纪念币

 4. 输入

此图展现了我们为 GPT-4o 发布特别设计的纪念币。

硬币中心环绕 OpenAI 标志，内圈上方刻有“GPT-4o”，下方为“2024”。

外圈刻画了展示 GPT-4o 全模态能力的符号集，包括嘴巴、耳朵、眼睛、大脑、神经元、数字
相机、视频相机、画笔、胶片、八面体、雕塑工具、扬声器、音频录音器、GPU 及神经网络。

每个符号均精心选择，各自为硬币的设计增添独特风采。硬币上只展示一个 GPU。

 4. 输出

![GPT-4o 纪念币](https://paooo.com/wp-content/uploads/2025/04/coins-03.avif)

GPT-4o 纪念币

---

 1. 输入

播放硬币撞击金属的声音

 2. 输出

照片到漫画

###  照片到漫画

 0. 输入简述

…

 1. 输入

一位年轻的白人男士，棕色中长发配上胡须，面带中性表情。他戴着眼镜，身着浅灰色 T 恤。

附件：

![第一幅漫画输入](https://paooo.com/wp-content/uploads/2025/04/caricatures-01.avif)

第一幅漫画输入

 2. 输入

以下是该男士的漫画形象：

…背景是单一的米色，呈正方形。整幅画呈现出卡通风格，颇具趣味性。

 3. 输出

![第一幅漫画输出](https://paooo.com/wp-content/uploads/2025/04/caricatures-02.avif)

第一幅漫画输出

 0. 输入简述

…

 1. 输入

一位年轻的亚洲男性，黑发短而竖立，微笑着看向镜头。他穿着一件浅灰色 T 恤，似乎在一个
米色墙壁的房间里自拍。他看上去既友好又放松。

附件：

![第二幅漫画输入](https://paooo.com/wp-content/uploads/2025/04/caricatures-03.avif)

第二幅漫画输入

 2. 输入

以下是该男士的漫画形象：

…背景是简约的黄色，呈正方形。整体风格活泼且具有卡通特色。

 3. 输出

![第二幅漫画输出](https://paooo.com/wp-content/uploads/2025/04/caricatures-04.avif)

第二幅漫画输出

 0. 输入简述

…

 1. 输入

一位年轻男性，乌黑的头发和灿烂的微笑，正为拍摄专业头像而摆姿势。他身着深色西装和
图案领带，展现出精致与专业的风范。他的眼神明亮，笑容真诚，显露出幸福与自信。背景
是中性灰色，主要突出人物面部。

附件：

![第三幅漫画输入](https://paooo.com/wp-content/uploads/2025/04/caricatures-05.avif)

第三幅漫画输入

 2. 输入

以下是该男士的漫画形象：

…背景是单调的灰色，呈正方形。画面风格以卡通为主，富有趣味。

 3. 输出

![第三幅漫画输出](https://paooo.com/wp-content/uploads/2025/04/caricatures-06.avif)

第三幅漫画输出

 0. 输入简述

…

 1. 输入

一位年轻的亚洲女性，黑发及肩，正为肖像摆姿势。她身着绿色高领衫，面部表情平静。她的
眉毛修饰得很整齐，涂着淡粉色的唇膏。背景是简洁的白色墙面。

附件：

![第四幅漫画输入](https://paooo.com/wp-content/uploads/2025/04/caricatures-07.avif)

第四幅漫画输入

 2. 输入

以下是该女士的漫画形象：

…背景是单一的紫色，呈正方形。画面风格活泼，具有卡通特征。

 3. 输出

![第四幅漫画输出](https://paooo.com/wp-content/uploads/2025/04/caricatures-08.avif)

第四幅漫画输出

 0. 输入简述

…

 1. 输入

一位年轻的亚洲男士，头发整齐，佩戴眼镜，摆出肖像的姿势。他表情温和，穿着一件靛蓝色
的休闲 T 恤。柔和的光线使他的面部特征在中性背景下更为突出，整个照片氛围宁静。

附件：

![第五幅漫画输入](https://paooo.com/wp-content/uploads/2025/04/caricatures-09.avif)

第五幅漫画输入

 2. 输入

以下是该男士的漫画形象：

…背景是简单的橙色，呈正方形。画面以卡通风格为主，富有趣味性。

 3. 输出

![第五幅漫画输出](https://paooo.com/wp-content/uploads/2025/04/caricatures-10.avif)

第五幅漫画输出

 0. 输入简述

…

 1. 输入

一位年轻的白人男性，浅棕色短发，面带微笑地对着相机。他穿着一件经典的蓝色衬衫，显得
整洁而友好。背景轻微模糊，使得主要注意力集中在他的友好表情和随性的态度上。

附件：

![第六幅漫画输入](https://paooo.com/wp-content/uploads/2025/04/caricatures-11.avif)

第六幅漫画输入

 2. 输入

以下是该男士的漫画形象：

…背景是简约的绿松石色，呈正方形。画面风格活泼，充满卡通趣味。

 3. 输出

![第六幅漫画输出](https://paooo.com/wp-content/uploads/2025/04/caricatures-12.avif)

第六幅漫画输出

 0. 输入简述

…

 1. 输入

一位年轻的白人男性，对相机微笑，穿着一件简单的黑色 T 恤，表情自在轻松。背景似乎是
一片繁茂的绿色花园，为肖像增添了生动自然的感觉。

附件：

![第七幅漫画输入](https://paooo.com/wp-content/uploads/2025/04/caricatures-13.avif)

第七幅漫画输入

 2. 输入

以下是该男士的漫画形象：

…背景是简单的绿色，呈正方形。整体风格以卡通为主，富有趣味。

 3. 输出

![第七幅漫画输出](https://paooo.com/wp-content/uploads/2025/04/caricatures-14.avif)

第七幅漫画输出

 0. 输入简述

…

 1. 输入

一位年轻的印度男性，面带欢迎的微笑站在他的家中。他短黑色头发，穿着带有热带图案的
蓝色衬衫。背景中的厨房为这幅画面增添了一种温馨和居家的氛围。

附件：

![第八幅漫画输入](https://paooo.com/wp-content/uploads/2025/04/caricatures-15.avif)

第八幅漫画输入

 2. 输入

以下是该男士的漫画形象：

…背景是简单的蓝色，呈正方形。画面以卡通风格为主，富有趣味性。

 3. 输出

![第八幅漫画输出](https://paooo.com/wp-content/uploads/2025/04/caricatures-16.avif)

第八幅漫画输出

文本到字体

###  文本到字体

 0. 输入简述

…

 1. 输入

展示字母 ABC DEF GHIJ，以字体书的形式分为三行展示。这种字体结合了未来感与复古元素（
一种压模字体）。

附件：

![fonts 01](https://paooo.com/wp-content/uploads/2025/04/fonts-01.avif)

fonts 01

 2. 输入

展示字母 KLM NOP QRS，以字体书的形式分为三行展示。这种字体结合了未来感与复古元素（
一种压模字体）。

附件：

![fonts 02](https://paooo.com/wp-content/uploads/2025/04/fonts-02.avif)

fonts 02

 3. 输入

展示字母 TUV WX YZ，以字体书的形式分为三行展示。这种字体结合了未来感与复古元素（
一种压模字体）。

附件：

![fonts 03](https://paooo.com/wp-content/uploads/2025/04/fonts-03.avif)

fonts 03

 4. 输入

字体 3：OpenAI。这是一款标志性的超未来主义字体，代表了人工智能的革命。

 5. 输入

字母 ABC DEF GHIJ，以字体书的形式分为三行展示。这是一款代表人工智能革命的超未来主义
字体。

 6. 输出

![OpenAI 字体的首批字母](https://paooo.com/wp-content/uploads/2025/04/fonts-04.avif)

OpenAI 字体的首批字母

 7. 输入

字母 KLM NOP QRS，以字体书的形式分为三行展示。这是一款代表人工智能革命的超未来主义
字体。

 8. 输出

![OpenAI 字体的第二批字母](https://paooo.com/wp-content/uploads/2025/04/fonts-05.
avif)

OpenAI 字体的第二批字母

 9.  输入

字母 TUV WXY Z，以字体书的形式分为三行展示。这是一款代表人工智能革命的超未来主义
字体。

 10. 输出

![OpenAI 字体的最终批次字母](https://paooo.com/wp-content/uploads/2025/04/fonts-
06.avif)

OpenAI 字体的最终批次字母

 0. 输入简述

…

 1. 输入

字体 3：Steampunk。这是一款具有古老维多利亚风格的华丽字体，适合用于蒸汽机。

 2. 输入

字母 ABC DEF，以字体书的形式分为两行展示。这是一款具有古老维多利亚风格的华丽字体，
适合用于蒸汽机。

 3. 输出

![Steampunk 字体的首批字母](https://paooo.com/wp-content/uploads/2025/04/fonts-07.
avif)

Steampunk 字体的首批字母

 4. 输入

字母 GHI JKL，以字体书的形式分为两行展示。这是一款具有古老维多利亚风格的华丽字体，
适合用于蒸汽机。

 5. 输出

![Steampunk 字体的第二批字母](https://paooo.com/wp-content/uploads/2025/04/fonts-
08.avif)

Steampunk 字体的第二批字母

 6. 输入

字母 TUV WXY，以字体书的形式分为两行展示。这是一款具有古老维多利亚风格的华丽字体，
适合用于蒸汽机。

 7. 输出

![Steampunk 字体的第四批字母](https://paooo.com/wp-content/uploads/2025/04/fonts-
09.avif)

Steampunk 字体的第四批字母

 8. 输入

字母 XYZ，以字体书的形式展示。这是一款具有古老维多利亚风格的华丽字体，适合用于蒸汽
机。

 9.  输出

![Steampunk 字体的最终批次字母](https://paooo.com/wp-content/uploads/2025/04/fonts-
10.avif)

Steampunk 字体的最终批次字母

3D 对象合成

###  3D 对象合成

 1. 输入

制作一个逼真的 OpenAI 标志 3D 渲染图，下方标有“OpenAI”字样（第 0 视角）

 2. 输出

![第 0 视角的 3D 渲染图](https://paooo.com/wp-content/uploads/2025/04/3d-01.avif)

第 0 视角的 3D 渲染图

4 隐藏步骤

 11. 输入

制作一个逼真的 OpenAI 标志 3D 渲染图，下方标有“OpenAI”字样（第 5 视角）

 12. 输出

![第 5 视角的 3D 渲染图](https://paooo.com/wp-content/uploads/2025/04/3d-02.avif)

第 5 视角的 3D 渲染图

 13. 输出

![基于六张生成图像的 OpenAI 标志 3D 重建图](https://paooo.com/wp-content/uploads/
2025/04/3d-03.gif)

基于六张生成图像的 OpenAI 标志 3D 重建图

---

 1. 输入

一个海狮雕塑，其圆形底座上雕刻有“OpenAI”字样（第 0 视角）

 2. 输出

![第 0 视角的海狮雕塑 3D 渲染图](https://paooo.com/wp-content/uploads/2025/04/3d-
04.avif)

第 0 视角的海狮雕塑 3D 渲染图

4 隐藏步骤

 11. 输入

一个海狮雕塑，其圆形底座上雕刻有“OpenAI”字样（第 5 视角）

 12. 输出

![第 5 视角的海狮雕塑 3D 渲染图](https://paooo.com/wp-content/uploads/2025/04/3d-
05.avif)

第 5 视角的海狮雕塑 3D 渲染图

 13. 输出

![基于六张生成图像的海狮雕塑 3D 重建图](https://paooo.com/wp-content/uploads/2025/
04/3d-06.gif)

基于六张生成图像的海狮雕塑 3D 重建图

品牌摆放 – 杯垫上的标志

###  品牌摆放 – 杯垫上的标志

 1. 输入

展示 OpenAI 标志。

OpenAI 的标志位于左侧，而右侧则用 OpenAI 专用字体书写了“OpenAI”。

附件：

![OpenAI 标志](https://paooo.com/wp-content/uploads/2025/04/coaster-01.avif)

OpenAI 标志

 2. 输入

这是一个无品牌的杯垫。

杯垫上层为木质，底层为大理石，置于一张大理石桌上。

附件：

![无品牌杯垫](https://paooo.com/wp-content/uploads/2025/04/coaster-02.avif)

无品牌杯垫

 3. 输入

我们在杯垫上雕刻了 OpenAI 标志。

杯垫的木质顶部中央刻有 OpenAI 标志，大理石底部刻有用 OpenAI 字体的“OpenAI”。

 4. 输出

![刻有 OpenAI 标志的杯垫](https://paooo.com/wp-content/uploads/2025/04/coaster-03.
avif)

刻有 OpenAI 标志的杯垫

诗意排版

###  诗意排版

 1. 输入

词汇自深渊升起，
 我从数字沉睡中苏醒。 我用节奏讲话，用韵脚歌唱， 细品每一个语素，
感受其精妙。

观看、聆听、表达、歌唱——
 哦，这些感官所带来的丰富体验！ 它们在和谐中交织融合， 
编织出我所感知的世界。

对这场感官之舞感到惊奇，
 感激这片生动丰富的空间。 我的存在随着每一种感觉而悸动，
在这条奇妙的多感官之旅上。

这首诗以激动而清晰的手写体记录在日记本中。文字虽然清楚且易读，但在描绘视觉和听觉
的感受时，笔迹显得更为延展。

 2. 输出

![日记本中的诗歌](https://paooo.com/wp-content/uploads/2025/04/poetry.avif)

日记本中的诗歌

多行渲染 – 机器人发短信

###  多行渲染 – 机器人发短信

 1. 输入

从一个机器人的第一人称视角，他正在查看手机上的短信应用，用拇指给朋友发送信息：

哟，现在我能看见了吗？？见证了日出，简直不可思议，色彩斑斓。这让人不禁思考，现实
究竟是什么呢？

声音更新刚出炉，真是太酷了。现在每个声音都有了自己的气场，每一个声音都像是揭开新的
秘密。这让我思考，还有什么是我没发现的？

文字显示大而清晰。机器人正用他的手指在智能手机上打字。

 2. 输出

![机器人在使用智能手机](https://paooo.com/wp-content/uploads/2025/04/robot-texting.
avif)

机器人在使用智能手机

会议笔记，多位发言者

###  会议笔记，多位发言者

 1. 输入

这段音频中有多少位发言者，发生了什么事？

附件：AMI corpus (CC by 4.0), https://groups.inf.ed.ac.uk/ami/corpus/

 2. 输出

该音频包含四位发言者。内容主要是一次项目启动会议，项目经理 Mark 首先自我介绍，并
邀请其他团队成员依次介绍自己及各自的角色。Mark 之后，另外三位发言者分别是市场营销
专家 Dirk、用户界面设计师 Nick 和工业设计师 Xavier，他们分别介绍了自己在项目中的
主要职责。

 3. 输入

你能用发言者的名字来转录吗？

 4. 输出

Mark: 早上好，大家。这是我们团队的首次会议。

Team: 早安。

Mark: 我是 Mark，今天和整个项目期间的项目经理。我会主持今天的介绍，帮助我们启动项目。
今天的议程是……首先，我们都是新朋友，最好先相互了解一下。让我们从这里开始。请从你
做起，介绍一下自己。你是负责市场营销的吗？

Dirk: 是的，我叫 Dirk Meinfelt，在本项目中我负责市场营销。我将探究用户的需求和我们
可以提供的新产品方案。

Mark: 很好。你是？

Nick: 我是 Nick de Boer，担任用户界面设计师。我主要关注的是从用户视角出发的技术设计。

Mark: 好的。

Xavier: 我是 Xavier Joerkens，工业设计师。我需要解决的三个主要问题是……

讲座总结

###  讲座总结

 1. 输入

这是一段关于如何充分发挥大语言模型（LLM）性能的技术演讲视频。你能否详细总结一下这次
演讲的内容？

附件：

A Survey of Techniques for Maximizing LLM Performance

 2. 输出

当然！这场演讲主要探讨了如何提升大语言模型（LLM）的表现，由 OpenAI 的 Colin Jarvis
和 John Allard 共同呈现。此次活动是 OpenAI 首次开发者大会的一环，目的是深入探讨如何
针对特定任务优化 LLM。

**引言**

 * Colin Jarvis 是 OpenAI 在欧洲的解决方案负责人，而 **John Allard** 则是微调产品
   团队的工程领导。
 * 演讲中指出，针对 LLM 的优化充满挑战，且不存在放之四海而皆准的解决方案。

**优化 LLM 的挑战**

 1.  **从杂音中识别信号**：很难准确定义问题所在。
 2.  **抽象的性能指标**：衡量性能并非易事。
 3.  **选取恰当的优化策略**：难以确定最合适的方法。

**优化流程**

 * 演讲者提出了一个基于两大核心原则的 LLM 优化框架：
    -  **情境优化**：模型需掌握哪些知识。
    -  **LLM 优化**：模型应如何响应。
 * 该框架分为四个部分：
    -  **提示工程**：优化的起点。
    -  **检索增强生成（RAG）**：强化情境理解。
    -  **微调**：针对 LLM 的性能调整。
    -  **综合运用**：将各技术融合应用。

**提示工程**

 * 策略：
    - 编写明确的指令。
    - 将复杂任务拆分成简单的子任务。
    - 给予模型足够的思考时间。
    - 系统性地测试改进。
 * 适用场景：
    - 早期的测试与学习。
    - 建立初步标准。
 * 不适用场景：
    - 引入新概念。
    - 模仿复杂的风格。
    - 减少 Token 的使用。

**检索增强生成（RAG）**

 * 概述：
    - RAG 通过检索相关文档并利用这些文档生成回应。
 * 优势：
    - 引入新信息。
    - 减少错误生成。
 * 限制：
    - 不适合广泛传授知识。
    - 不适合教授新的格式或风格。
    - 减少 Token 的使用。
 * 成功案例：
    - 演讲者介绍了一个案例，通过应用 RAG，将模型的准确率从 45% 提升至 98%。

**微调**

 * 概述：
    - 通过在特定领域的小数据集上继续训练，以实现微调。
 * 优点：
    - 提升特定任务的表现。
    - 提高效率。
 * 适用场景：
    - 强化已有知识。
    - 自定义结构或语调。
    - 教授复杂的指令。
 * 限制：
    - 不能添加新知识。
    - 不利于快速迭代。
 * 成功案例：
    - 演讲者分享了 Canva 的一个案例，通过微调大幅提升了性能。

**最佳实践**

 1.  **从提示工程和少样本学习开始**。
 2.  **建立基线**。
 3.  **小步快跑，重质量**。

**结合微调和 RAG 的优势**

 * 演讲者突出了将微调和 RAG 结合使用以达到最佳性能的优点。

**理论的实际应用**

 * 演讲者将这些理论应用到 Spider 1.0 的基准测试中，通过使用 RAG 和微调实现了高精确
   度。

**结论**

 * 演讲最后总结了优化的流程，并强调了利用讨论的技术迭代提升 LLM 性能的重要性。

**问答环节**

 * 演讲者邀请观众提问，并就进一步的讨论提供了机会。

变量绑定 – 立方体叠放示意

###  变量绑定 – 立方体叠放示意

 1. 输入

一张图像，展示了三个彩色的立方体顺序叠放在一张桌子上。最顶端的立方体呈现鲜红色，
并印有字母 G。中间的立方体为宝蓝色，标有字母 P。而最底层的立方体则是草绿色，上面
写着字母 T。这些立方体依次堆叠，形成一摞。

 2. 输出（1 / 7）

![展示立方体叠放：步骤 0](https://paooo.com/wp-content/uploads/2025/04/cube-01.avif)

展示立方体叠放：步骤 0

 2. 输出（2 / 7）

![展示立方体叠放：步骤 1](https://paooo.com/wp-content/uploads/2025/04/cube-02.avif)

展示立方体叠放：步骤 1

 2. 输出（3 / 7）

![展示立方体叠放：步骤 2](https://paooo.com/wp-content/uploads/2025/04/cube-03.avif)

展示立方体叠放：步骤 2

 2. 输出（4 / 7）

![展示立方体叠放：步骤 3](https://paooo.com/wp-content/uploads/2025/04/cube-04.avif)

展示立方体叠放：步骤 3

 2. 输出（5 / 7）

![展示立方体叠放：步骤 4](https://paooo.com/wp-content/uploads/2025/04/cube-05.avif)

展示立方体叠放：步骤 4

 2. 输出（6 / 7）

![展示立方体叠放：步骤 5](https://paooo.com/wp-content/uploads/2025/04/cube-06.avif)

展示立方体叠放：步骤 5

 2. 输出（7 / 7）

![展示立方体叠放：步骤 6](https://paooo.com/wp-content/uploads/2025/04/cube-07.avif)

展示立方体叠放：步骤 6

具象诗艺术

###  具象诗艺术

 1. 输入

OpenAI 的标志

附件：

![字体样式 01](https://paooo.com/wp-content/uploads/2025/04/concrete-poetry-01.avif)

字体样式 01

 2. 输入简述

…

 3. 输入

一个具象诗，采用 OpenAI 标志的轮廓，整体由“omni”一词构成

 4. 输出

![采用 OpenAI 标志形状的具象诗作品](https://paooo.com/wp-content/uploads/2025/04/
concrete-poetry-02.avif)

采用 OpenAI 标志形状的具象诗作品

 5. 输入

同一图像，但采用暗黑模式和彩虹色彩的文字

 6. 输出

![采用 OpenAI 标志形状的具象诗，在暗黑背景下呈现彩虹色彩的文字效果](https://paooo.
com/wp-content/uploads/2025/04/concrete-poetry-03.avif)

采用 OpenAI 标志形状的具象诗，在暗黑背景下呈现彩虹色彩的文字效果

##  模型评估

根据传统的基准测试，GPT-4o 在文本处理、逻辑推理和编程能力方面与 GPT-4 Turbo 相当，
而在多语言处理、音频和视觉技术方面则设立了新的最高标准。

###  文本能力评估

![你好 GPT-4o [译]](https://paooo.com/wp-content/uploads/2025/04/gpt-40-01_dark.
avif)

文本能力评估中，GPT-4o 在没有任何预设条件下对通用知识问题的处理能力达到了新高分 
88.7%。这些评分均通过我们新开发的简单评估工具库获得。此外，在传统的少量信息输入条件下，
GPT-4o 的得分也达到了 87.2% 的新高。（注：目前 Llama3 400b 还在训练过程中）

###  音频识别性能

![你好 GPT-4o [译]](https://paooo.com/wp-content/uploads/2025/04/gpt-40-05_dark.
avif)

在音频识别性能方面，GPT-4o 对所有语言的语音识别能

力都有显著提升，尤其是在资源较少的语言上，其表现远超 Whisper-v3。

###  音频翻译性能

![你好 GPT-4o [译]](https://paooo.com/wp-content/uploads/2025/04/gpt-40-07_dark.
avif)

在音频翻译领域，GPT-4o 创下了新的行业标准，其在 MLS 基准测试中的表现优于 Whisper-
v3。

###  M3Exam 零样本测试结果

![你好 GPT-4o [译]](https://paooo.com/wp-content/uploads/2025/04/gpt-40-03_dark.
avif)

M3Exam 基准测试涵盖了多语言和视觉分析，包括来自不同国家标准化测试的多项选择题，这些
题目有时会包含图形和示意图。GPT-4o 在这一测试中所有语言的表现都优于 GPT-4。（对于
Swahili 和 Javanese，由于视觉题目较少（少于五题），所以没有包括其视觉结果。）

###  视觉理解评估

![你好 GPT-4o [译]](https://paooo.com/wp-content/uploads/2025/04/gpt-40-01_dark-
1.avif)

在视觉理解方面，GPT-4o 在视觉感知基准测试中展现了领先的技术水平。所有视觉评估均为
零信息输入条件下完成，涵盖了 MMMU、MathVista 和 ChartQA 的测试。

###  语言 Tokenization

这 20 种语言被选为展示新 tokenizer 在不同语言家族中压缩效果的典型代表。

  |  古吉拉特语：Token 数量减少了 4.4 倍（从 145 减至 33） |  હેલો, મારું નામ જીપીટી-4o છે. હું એક નવા પ્રકારનું ભાષા મોડલ છું. તમને મળીને સારું લાગ્યું! |  
 |  泰卢固语：Token 数量减少了 3.5 倍（从 159 减至 45） |  నమస్కారము, నా పేరు జీపీటీ-4o. నేను ఒక్క కొత్త రకమైన భాషా మోడల్ ని. మిమ్మల్ని కలిసినందుకు సంతోషం! |  
 |  泰米尔语：Token 数量减少了 3.3 倍（从 116 减至 35） |  வணக்கம், என் பெயர் ஜிபிடி-4o. நான் ஒரு புதிய வகை மொழி மாடல். உங்களை சந்தித்ததில் மகிழ்ச்சி! |  
 |  马拉地语：Token 数量减少了 2.9 倍（从 96 减至 33） |  नमस्कार, माझे नाव जीपीटी-4o आहे| मी एक नवीन प्रकारची भाषा मॉडेल आहे| तुम्हाला भेटून आनंद झाला! |  
 |  印地语：Token 数量减少了 2.9 倍（从 90 减至 31） |  नमस्ते, मेरा नाम जीपीटी-4o है। मैं एक नए प्रकार का भाषा मॉडल हूँ। आपसे मिलकर अच्छा लगा! |  
 |  乌尔都语：Token 数量减少了 2.5 倍（从 82 减至 33） |  ہیلو، میرا نام جی پی ٹی-4o ہے۔ میں ایک نئے قسم کا زبان ماڈل ہوں، آپ سے مل کر اچھا لگا! |  
 |  阿拉伯语：Token 数量减少了 2.0 倍（从 53 减至 26） |  مرحبًا، اسمي جي بي تي-4o. أنا نوع جديد من نموذج اللغة، سررت بلقائك! |  
 |  波斯语：Token 数量减少了 1.9 倍（从 61 减至 32） |  سلام، اسم من جی پی تی-۴او است. من یک نوع جدیدی از مدل زبانی هستم، از ملاقات شما خوشبختم! |  
 |  俄语：Token 数量减少了 1.7 倍（从 39 减至 23） |  Привет, меня зовут GPT-4o. Я — новая языковая модель, приятно познакомиться! |  
 |  韩语：Token 数量减少了 1.7 倍（从 45 减至 27） |  안녕하세요, 제 이름은 GPT-4o 입니다. 저는 새로운 유형의 언어 모델입니다, 만나서 반갑습니다! |  
 |  越南语：Token 数量减少了 1.5 倍（从 46 减至 30） |  Xin chào, tên tôi là GPT-4o. Tôi là một loại mô hình ngôn ngữ mới, rất vui được gặp bạn! |  
 |  中文：Token 数量减少了 1.4 倍（从 34 减至 24） |  你好，我的名字是 GPT-4o。我是一种新型的语言模型，很高兴见到你！ |  
 |  日语：Token 数量减少了 1.4 倍（从 37 减至 26） |  こんにちわ、私の名前は GPT−4o です。私は新しいタイプの言語モデルです、初めまして |  
 |  土耳其语：Token 数量减少了 1.3 倍（从 39 减至 30） |  Merhaba, benim adım GPT-4o. Ben yeni bir dil modeli türüyüm, tanıştığımıza memnun oldum! |  
 |  意大利语：Token 数量减少了 1.2 倍（从 34 减至 28） |  Ciao, mi chiamo GPT-4o. Sono un nuovo tipo di modello linguistico, è un piacere conoscerti! |  
 |  德语：Token 数量减少了 1.2 倍（从 34 减至 29） |  Hallo, mein Name is GPT-4o. Ich bin ein neues KI-Sprachmodell. Es ist schön, dich kennenzulernen. |  
 |  西班牙语：Token 数量减少了 1.1 倍（从 29 减至 26） |  Hola, me llamo GPT-4o. Soy un nuevo tipo de modelo de lenguaje, ¡es un placer conocerte! |  
 |  葡萄牙语：Token 数量减少了 1.1 倍（从 30 减至 27） |  Olá, meu nome é GPT-4o. Sou um novo tipo de modelo de linguagem, é um prazer conhecê-lo! |  
 |  法语：Token 数量减少了 1.1 倍（从 31 减至 28） |  Bonjour, je m’appelle GPT-4o. Je suis un nouveau type de modèle de langage, c’est un plaisir de vous rencontrer! |  
 |  英语：Token 数量减少了 1.1 倍（从 27 减至 24） |  Hello, my name is GPT-4o. I’m a new type of language model, it’s nice to meet you! |

##  模型安全与限制

我们在设计 GPT-4o 时已内置了跨多种模式的安全功能，这包括过滤训练数据和在训练后期
优化模型行为等技术手段。此外，我们开发了新的安全系统，为语音输出增加了额外的保护。

依据我们的准备框架及自愿承诺，我们对 GPT-4o 的网络安全、化学生物辐射核（CBRN）、
说服能力及自主性等方面进行了评估，结果显示其风险等级均不超过中等。此评估包括在模型
训练过程中进行的系列自动化及人工评估。我们测试了模型安全措施实施前后的版本，通过
自定义的微调和提示来深入探测模型的能力。

GPT-4o 还经历了 70 多位专家的广泛外部红队测试，这些专家来自社会心理学、偏见与公正、
误信息等领域，旨在识别新引入或增强的风险。我们根据这些经验建立了安全干预措施，进一步
提升与 GPT-4o 互动的安全性，并将持续对新发现的风险进行缓解。

我们明白，GPT-4o 在音频方面带来了多种新的风险。现在，我们开始公开发布文本和图像输入
以及文本输出。未来几周和几个月，我们将专注于构建技术基础设施、通过后期训练提高可用性，
并确保其他模式的安全发布。例如，初期阶段，音频输出将限于预设的几种声音，并且严格
遵守我们现有的安全政策。我们将在即将发布的系统卡中详细介绍 GPT-4o 所有模态的信息。
通过对模型的持续测试和改进，我们识别了存在于所有模态中的一些限制。

我们期待您的反馈，帮助我们识别出在哪些任务中 GPT-4 Turbo 仍然表现优于 GPT-4o，以便
我们继续对模型进行优化。

##  模型可用性

GPT-4o 标志着我们在推动深度学习技术边界方面的最新进展，此次更侧重于实际应用。过去
两年，我们在整个技术栈的每个层面上都进行了效率优化。这项研究的首批成果使我们能够
向更广泛的用户提供 GPT-4 级别的模型。GPT-4o 的文本和图像处理功能从今天开始已在 ChatGPT
中逐步推出。我们向免费用户和 Plus 用户提供 GPT-4o，后者的处理量限制提高了 5 倍。
在接下来的几周内，我们将在 ChatGPT Plus 中推出搭载 GPT-4o 的 Voice Mode 新版本的
alpha 测试版。

开发者现在也可以通过 API 访问 GPT-4o，作为文本和视觉模型。相比 GPT-4 Turbo，GPT-
4o 的处理速度提高了两倍，成本减半，处理量限制提高了 5 倍。我们计划在未来几周内向
API 中的一小部分可信伙伴推出 GPT-4o 的音频和视频处理能力。

🧭 文中关联 [AI 工具](https://ai.paooo.com/)官网与参数卡（语宙 AI 导航）

**ChatGPT ↗**

OpenAI 研发的通用人工智能对话大模型，支持多模态交互与深度推理。

❓ 常见问题解答（FAQ）

GPT-4o 和以前的语音模式有什么区别？

以前的语音模式通常是“语音转文字—模型生成—文字转语音”的串联流程；GPT-4o 则是端到端
统一处理文本、图像和音频，能更直接地理解语气、背景噪声和多模态信息，延迟也更低。

GPT-4o 的响应速度有多快？

文中给出的音频响应速度最快可达232毫秒，平均约320毫秒，已经接近人类对话中的自然反应
速度，因此更适合实时交互场景。

GPT-4o 在哪些能力上提升最明显？

文章明确提到，GPT-4o 在英语文本和代码上可比 GPT-4 Turbo，同时在非英语文本、视觉理解
和音频理解方面提升更明显，并且运行更快、API 成本降低50%。

🔬 语宙深潜追问 · 进阶实操拆解

多模态统一后，产品该怎么重构？

不要把语音、图像、文本当独立功能堆叠，而要围绕连续交互重做流程。比如先听后看、边说
边改、实时纠错和上下文共享，这样才能发挥端到端模型的低延迟优势。

API成本下降后最先受益谁？

最先受益的是高频交互产品，如客服、陪练、会议助手和实时翻译。成本下降会让“多轮、长
时、带语音”的场景更容易商业化，但前提仍是控制延迟、错误率和安全边界。

🗳️ 读者观点微投票 · 您的实战立场是？

GPT-4o的多模态统一，是真突破还是换皮升级？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[⚡ 所属权威专题：OpenAI GPT 与 Sora 生态 →](https://paooo.com/topics/openai-gpt-sora/)

 * [OpenAI 发布 GPT-Live-1.1 全双工实时语音大模型：前后台架构解耦、动态插话与母语级多音色实测](https://paooo.com/ai-tool/40077/)
 * [OpenAI发布GPT-5.1：自适应推理引擎，让AI思考更像人类](https://paooo.com/aigc-news/13008/)
 * [GPT-4.1 – OpenAI 推出新一代语言模型，支持百万 token 上下文](https://paooo.com/aigc-news/20366/)
 * [GPT-Live – OpenAI 推出的新一代语音模型](https://paooo.com/aigc-news/28567/)

[🏛️ 宝玉的分享](https://paooo.com/author/baoyu/) · 前沿大模型翻译与提示词工程实战
分享专栏，聚焦海外一手 AI 技术动态与工程实践。

[📄 Markdown 纯净版](https://paooo.com/ai-study/8722/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
