Hola, GPT‑4o

En mediciones con comparativos tradicionales, GPT‑4o alcanza un nivel similar de rendimiento al de GPT‑4 Turbo en texto, razonamiento e inteligencia de programación, al mismo tiempo que establece nuevos máximos en capacidades multilingües, de audio y de visión.

Se eligieron estos 20 idiomas como representativos de la compresión del nuevo tokenizador en diferentes familias de idiomas

GPT‑4o tiene seguridad integrada por diseño en todas las modalidades, a través de técnicas como filtrado de datos de entrenamiento y afinación del comportamiento del modelo mediante entrenamiento posterior. También hemos creado nuevos sistemas de seguridad para proporcionar salvaguardas en respuestas de audio.

Hemos evaluado GPT‑4o de acuerdo con nuestro marco de preparación⁠ y de acuerdo con nuestros compromisos voluntarios⁠. Nuestras evaluaciones de ciberseguridad, NRBQ, persuasión y autonomía del modelo muestran que GPT‑4o no supera una calificación de riesgo medio en ninguna de estas categorías. Esta evaluación implicó la ejecución de un conjunto de evaluaciones automáticas y humanas a lo largo del proceso de entrenamiento del modelo. Probamos tanto las versiones previas a la mitigación de riesgos como las posteriores a la mitigación de riesgos del modelo, utilizando ajustes finos e instrucciones personalizadas, para obtener una mejor comprensión de las capacidades del modelo.

GPT‑4o también se ha sometido a procesos de equipo rojo externos exhaustivos, con más de 70 expertos externos⁠ en ámbitos como psicología social, sesgo e imparcialidad y desinformación, para identificar los riesgos introducidos o amplificados por las modalidades recién añadidas. Utilizamos estos aprendizajes para desarrollar nuestras intervenciones de seguridad para mejorar la seguridad al interactuar con GPT‑4o. Seguiremos mitigando nuevos riesgos conforme se vayan descubriendo.

Reconocemos que las modalidades de audio de GPT‑4o plantean una variedad de nuevos riegos. Hoy estamos lanzando públicamente entradas de texto e imágenes y salidas de texto. En las próximas semanas y meses, estaremos trabajando en la infraestructura técnica, usabilidad a través del entrenamiento posterior y la seguridad necesaria para lanzar las otras modalidades. Por ejemplo, al momento de su lanzamiento, las salidas de audio estarán limitadas a una selección de voces predeterminadas y cumplirán nuestras políticas de seguridad existentes. Compartiremos detalles adicionales que abordan el rango completo de las modalidades de GPT‑4o en la próxima tarjeta de sistema.

A través de nuestras pruebas e iteraciones con el modelo hemos observado muchas limitantes que existen dentro de las modalidades del modelo, algunas de las cuales se ilustran a continuación.

^{Actualizado el 8 de mayo de 2024}

Como parte de nuestro marco de preparación⁠, realizamos evaluaciones regulares y actualizamos las tarjetas de puntuación de nuestros modelos. Únicamente se despliegan los modelos con una puntuación posterior a la mitigación de “medio” o más baja. El nivel de riesgo general de un modelo se determina por el nivel de riesgo más alto en cualquier categoría. Actualmente, GPT‑4o está evaluado con un riesgo medio tanto antes como después de los esfuerzos de mitigación.

GPT‑4o es nuestro paso más reciente para ampliar los límites del aprendizaje profundo, esta vez en la dirección de la usabilidad práctica. Dedicamos muchos esfuerzos en los últimos dos años trabajando en mejoras de eficiencia en cada capa de la pila. Como uno de los primeros frutos de esta investigación, logramos hacer que un modelo de nivel GPT‑4 esté disponible de manera mucho más generalizada. Las capacidades de GPT‑4o se implementarán de forma iterativa (con acceso extendido a equipos rojos empezando hoy mismo). 

Las capacidades de texto e imagen de GPT‑4o se estarán implementando en ChatGPT hoy mismo. Estamos dando acceso a GPT‑4o en el nivel gratuito y a los usuarios Plus con límites de mensajes de hasta 5 veces más. En las próximas semanas lanzaremos una nueva versión del Modo de voz con GPT‑4o en fase alfa dentro de ChatGPT Plus.

Los desarrolladores también pueden acceder ahora a GPT‑4o en la API como un modelo de texto y visión. GPT‑4o es dos veces más rápido, cuesta la mitad y tiene límites de tasa 5 veces más altos en comparación con GPT‑4 Turbo. En las próximas semanas, tenemos previsto lanzar en la API el soporte para las nuevas capacidades de audio y video de GPT‑4o para un pequeño grupo de socios de confianza.