OpenAI lanza GPT-4o, modelo multimodal más rápido y económico

OpenAI ha anunciado el lanzamiento de GPT-4o, su modelo de inteligencia artificial más reciente, diseñado para entender y generar texto, audio e imágenes de manera integrada. Este modelo, conocido como "omni" por su capacidad multimodal, responde a entradas de audio en tan solo 232 milisegundos en promedio, lo cual es comparable al tiempo de respuesta humana en conversaciones.

GPT-4o no solo mantiene el rendimiento de GPT-4 Turbo en inglés y programación, sino que también mejora significativamente su rendimiento en otros idiomas, siendo más rápido y un 50% más económico en la API. Además, muestra un avance notable en la comprensión visual y auditiva en comparación con modelos anteriores.

A diferencia de los modelos anteriores que utilizaban varios modelos para manejar entradas y salidas de audio, texto y visión, GPT-4o utiliza una única red neuronal entrenada de manera integral para procesar todos estos tipos de datos. Esto permite una interacción más natural y rica, capturando tonos, múltiples hablantes y sonidos de fondo, y puede generar risas, canciones y emociones.

El modelo ha sido evaluado y demostrado rendir a niveles superiores en benchmarks tradicionales de texto, razonamiento y codificación, así como en nuevas pruebas de percepción visual y auditiva. Además, OpenAI ha implementado rigurosas medidas de seguridad y evaluaciones de riesgo para mitigar posibles peligros, asegurando que GPT-4o no supere el riesgo medio en ninguna categoría de seguridad.

GPT-4o está disponible de inmediato para usuarios gratuitos y suscriptores Plus de ChatGPT, con capacidades de texto e imagen. Próximamente, se añadirá soporte para audio y video a un grupo selecto de socios en la API. Este lanzamiento marca un paso significativo hacia la interacción humano-computadora más natural y eficiente.

Para más información, visita el anuncio oficial.