Kumusta GPT‑4o

Gaya ng sinusukat sa mga tradisyunal na benchmark, nakakamit ng GPT‑4o ang GPT‑4 Turbo-level na pagganap sa text, pangangatwiran, at katalinuhan sa pag-code, habang nagtatakda ng mga bagong mataas na watermark sa mga kakayahan sa multilingual, audio, at vision.

Ang 20 wika na ito ay pinili bilang kinatawan ng compression ng bagong tokenizer sa iba't ibang pamilya ng wika

Ang GPT‑4o ay may built-in na kaligtasan sa iba't ibang modalidad, sa pamamagitan ng mga pamamaraan tulad ng pag-filter sa data ng pagsasanay at pagpino sa paggawi ng modelo pagkatapos ng pagsasanay. Gumawa rin kami ng mga bagong sistema ng kaligtasan para magbigay ng gabay sa mga output na boses.

Sinuri namin ang GPT‑4o ayon sa aming Balangkas ng Kahandaan⁠ at alinsunod sa aming mga boluntaryong pangako⁠. Ang aming mga pagsusuri sa cybersecurity, CBRN, panghihikayat, at awtonomiya ng modelo ay nagpapakita na ang GPT‑4o ay hindi nakapuntos ng higit sa Katamtamang panganib sa alinman sa mga kategoryang ito. Ang pagtatasa na ito ay nagsasangkot ng pagpapatakbo ng hanay ng mga awtomatiko at manu-manong pagsusuri sa buong proseso ng pagsasanay ng modelo. Sinubukan namin ang parehong bersyon ng modelo bago at pagkatapos ng safety mitigation, gamit ang custom na pag-fine-tune at mga prompt, para mas mahusay na mailahad ang kakayahan ng modelo.

Sumailalim din ang GPT‑4o sa malawakang panlabas na red teaming kasama ang mahigit 70 mga panlabas na eksperto⁠ sa mga domain tulad ng sikolohiyang panlipunan, bias at pagiging patas, at maling impormasyon para matukoy ang mga panganib na ipinakilala o pinalala ng mga bagong idinagdag na modalidad. Ginamit namin ang mga natutunan na ito para buuin ang aming mga interbensyon sa kaligtasan para mapabuti ang kaligtasan ng interaksyon sa GPT‑4o. Patuloy naming babawasan ang mga bagong panganib habang tinutuklas ang mga ito.

Kinikilala namin na ang mga modalidad sa audio ng GPT‑4o ay nagpapakita ng iba't ibang mga bagong panganib. Ngayon, inilalabas namin sa publiko ang mga input at output ng text at larawan. Sa mga susunod na linggo at buwan, magtatrabaho kami sa teknikal na imprastraktura, kakayahang magamit pagkatapos ng pagsasanay, at kaligtasan na kinakailangan para ilabas ang iba pang mga modalidad. Halimbawa, sa paglulunsad, ang mga output ng audio ay limitado sa seleksyon ng mga preset na boses at susundin ang aming umiiral na mga patakaran sa kaligtasan. Ibabahagi namin ang karagdagang mga detalye na tumatalakay sa buong hanay ng mga modalidad ng GPT‑4o sa darating na system card.

Sa aming pagsubok at pag-uulit sa modelo, napansin namin ang ilang limitasyon na umiiral sa lahat ng modalidad ng modelo, na ang ilan ay inilalarawan sa ibaba.

^{Na-update noong Mayo 8, 2024}

Bilang bahagi ng aming Balangkas ng Kahandaan⁠, nagsasagawa kami ng mga regular na pagsusuri at ina-update ang mga scorecard para sa aming mga modelo. Tanging ang mga modelo na may post-mitigation score na "medium" o mas mababa ang ide-deploy. Ang pangkalahatang antas ng panganib para sa modelo ay tinutukoy ng pinakamataas na antas ng panganib sa anumang kategorya. Sa kasalukuyan, ang GPT‑4o ay tinataya na may katamtamang panganib bago at pagkatapos ng mga pagsisikap sa pagpapagaan.

Ang GPT‑4o ang aming pinakabagong hakbang sa pagsulong sa mga hangganan ng malalimang pag-aaral, sa pagkakataong ito tungo sa praktikal na paggamit. Gumugol kami ng maraming pagsisikap sa nakalipas na dalawang taon sa pagtatrabaho sa mga pagpapabuti ng kahusayan sa bawat layer ng stack. Bilang unang bunga ng pananaliksik na ito, nagagawa naming maging available nang mas malawakan ang GPT‑4 na level na modelo. Ilulunsad nang paunti-unti ang mga kakayahan ng GPT‑4o ay (na may pinalawig na pag-access sa red team simula ngayon). 

Ang mga kakayahan sa text at larawan ng GPT‑4o ay nagsisimulang ilunsad ngayon sa ChatGPT. Ginagawa naming available ang GPT‑4o sa libreng tier, at sa mga user ng Plus na may hanggang 5x na mas mataas na limitasyon sa mensahe. Ilulunsad namin ang bagong bersyon ng Voice Mode na may GPT‑4o sa alpha sa ChatGPT Plus sa mga susunod na linggo.

Puwede na ring ma-access ng mga developer ang GPT‑4o sa API bilang modelo ng text at vision. Ang GPT‑4o ay dalawang beses na mas mabilis, kalahati ng presyo, at may 5x na mas mataas na mga limitasyon sa rate kumpara sa GPT‑4 Turbo. Plano naming ilunsad ang suporta para sa mga bagong kakayahan sa audio at video ng GPT‑4o sa maliit na grupo ng mga pinagkakatiwalaang partner sa API sa mga susunod na linggo.