Hallo GPT‑4o

Gemessen an traditionellen Benchmarks erreicht GPT‑4o die Leistung von GPT‑4 Turbo in den Bereichen Text, logisches Denken und Programmierung. Gleichzeitig setzt es neue Maßstäbe bei Mehrsprachigkeit, Audio und visueller Eingabe.

Diese 20 Sprachen wurden als repräsentativ für die Kompression des neuen Tokenizers in verschiedenen Sprachfamilien ausgewählt.

GPT‑4o verfügt über integrierte Sicherheitsmaßnahmen für alle Modalitäten durch Techniken wie das Filtern von Trainingsdaten und die Verfeinerung des Modellverhaltens durch Post-Training. Darüber hinaus haben wir neue Sicherheitssysteme entwickelt, um die Sprachausgabe abzusichern.

Wir haben das GPT‑4o gemäß unserem Preparedness Framework⁠ und im Einklang mit unseren freiwilligen Verpflichtungen⁠ bewertet. Unsere Bewertungen von Cybersicherheit, CBRN-Gefahren, Überzeugungskraft und Modellautonomie zeigen, dass GPT‑4o in allen diesen Kategorien maximal ein mittleres Risikoniveau aufweist. Diese Bewertung umfasste eine Reihe automatischer und menschlicher Auswertungen während des gesamten Trainingsprozesses des Modells. Wir haben die Versionen des Modells sowohl vor als auch nach der Umsetzung von Sicherheitsmaßnahmen getestet. Dabei kamen individuell angepasste Feinabstimmungen und Prompts zum Einsatz, um die Fähigkeiten des Modells besser herauszuarbeiten.

Darüber hinaus wurde GPT‑4o einem umfassenden externen Red-Teaming mit über 70 unternehmensfremden Experten⁠ in Bereichen wie Sozialpsychologie, Voreingenommenheit und Fairness sowie Fehlinformationen unterzogen, um Risiken zu ermitteln, die durch die neu hinzugefügten Modalitäten eingeführt oder verstärkt werden könnten. Diese Erkenntnisse haben wir dazu genutzt, unsere Sicherheitsmaßnahmen auszubauen und die Sicherheit im Umgang mit GPT‑4o weiter zu verbessern. Wir werden auch weiterhin neue Risiken mindern, sobald sie entdeckt werden.

Wir sind uns bewusst, dass die Audiomodalitäten von GPT‑4o eine Vielzahl neuer Risiken beinhalten. Heute geben wir Text- und Bildeingaben sowie Textausgaben öffentlich frei. In den kommenden Wochen und Monaten werden wir durch weiteres Training an der technischen Infrastruktur, der Benutzerfreundlichkeit und der für die Freigabe der anderen Modalitäten erforderlichen Sicherheit arbeiten. Zum Beispiel wird die Audioausgabe zum Start auf eine Auswahl voreingestellter Stimmen beschränkt sein und unseren bestehenden Sicherheitsrichtlinien entsprechen. Auf der kommenden Systemkarte werden wir weitere Einzelheiten über die gesamte Bandbreite der Modalitäten von GPT‑4o bekannt geben.

Bei unseren Tests und Iterationen mit dem Modell haben wir mehrere Einschränkungen festgestellt, die für alle Modalitäten des Modells gelten und von denen einige im Folgenden dargestellt werden.

^{Aktualisiert am 8. Mai 2024}

Im Rahmen unseres Preparedness Frameworks⁠ führen wir regelmäßig Bewertungen durch und aktualisieren die Scorecards unserer Modelle. Es werden ausschließlich Modelle mit einer Bewertung von maximal „mittel“ bereitgestellt, wobei das Gesamtrisiko eines Modells durch die höchste Risikostufe in jeder Kategorie bestimmt wird. Gegenwärtig wird GPT‑4o sowohl vor als auch nach Umsetzung der Abhilfemaßnahmen mit einem mittleren Risiko bewertet.

GPT‑4o ist unser jüngster Versuch, die Grenzen des Deep Learning zu verschieben, diesmal in Richtung praktischer Nutzbarkeit. In den letzten zwei Jahren haben wir viel Zeit und Mühe darauf verwendet, die Effizienz aller Aspekte unserer Technologie zu verbessern. Das erste Ergebnis dieser Forschung besteht darin, dass wir nun einer breiten Nutzerbasis ein GPT‑4‑Modell bereitstellen können. Alle Funktionen und Fähigkeiten von GPT‑4o werden schrittweise eingeführt (ab heute mit erweitertem Zugang für das Red-Teaming). 

Die Text- und Bildfunktionen von GPT‑4o werden ab heute in ChatGPT bereitgestellt. Wir stellen GPT‑4o in der kostenlosen Version und für Plus-Benutzer mit bis zu 5-mal höheren Nachrichtenlimits zur Verfügung. In den kommenden Wochen werden wir eine neue Version des Audiomodus mit GPT‑4o in der Alpha-Version von ChatGPT Plus einführen.

Zudem können Entwickler ab sofort über die API auf GPT‑4o als Text- und visuelles Modell zugreifen. GPT‑4o ist 2-mal schneller bei halbierten Kosten und hat 5-mal höhere Nutzungslimits als GPT‑4 Turbo. Die API-Unterstützung der neuen Audio- und Videofunktionen von GPT‑4o ist innerhalb der kommenden Wochen für eine kleine Gruppe vertrauenswürdiger Partner geplant.