Hej GPT‑4o

Med traditionella mått mätt uppnår GPT‑4o prestanda på GPT‑4 Turbo-nivå inom text, resonemang och kodningsintelligens, samtidigt som den sätter nya höga standarder när det gäller flerspråkighet, ljud och bild.

Dessa 20 språk valdes ut för att vara representativa för den nya tokeniserarens komprimering över olika språkfamiljer

GPT‑4o har inbyggd säkerhet för alla modaliteter, genom tekniker som filtrering av träningsdata och förfining av modellens beteende genom efterträning. Vi har också skapat nya säkerhetssystem för att sätta upp skyddsmekanismer för röstutdata.

Vi har utvärderat GPT‑4o enligt vårt beredskapsramverk ⁠ och i linje med våra frivilliga åtaganden⁠. Våra utvärderingar av cybersäkerhet, CBRN, övertalningsförmåga och modellautonomi visar att GPT‑4o inte anses vara högre än medelhög risk i någon av dessa kategorier. Utvärderingen innebar att en rad automatiska och mänskliga utvärderingar genomfördes under hela modellens träningsprocess. Vi testade båda versionerna av modellen före och efter säkerhetsbegränsningar med hjälp av anpassade finjusteringar och prompter, för att bättre få fram modellens funktioner.

GPT‑4o har också genomgått omfattande extern red teaming med över 70 externa experter⁠inom områden som socialpsykologi, partiskhet och rättvisa samt desinformation, i syfte att identifiera risker som införs eller förstärks av de nya modaliteterna. Vi använde dessa lärdomar för att bygga ut våra säkerhetsinsatser i syfte att förbättra säkerheten vid interaktion med GPT‑4o. Vi fortsätter att förebygga nya risker i takt med att de upptäcks.

Vi är medvetna om att GPT‑4o:s ljudmodaliteter innebär en rad nya risker. Idag släpper vi text- och bildindata samt textutdata till allmänheten. Under kommande veckor och månader kommer vi att arbeta med den tekniska infrastrukturen, användbarheten via efterträning och säkerheten som krävs för att lansera de andra modaliteterna. Till exempel kommer ljudutdata vid lanseringen att vara begränsade till ett urval av förinställda röster och följa våra befintliga säkerhetspolicyer. Vi kommer att dela med oss av ytterligare information om alla GPT‑4o:s modaliteter i det kommande systemkortet.

Genom våra tester och iterationer med modellen har vi observerat flera begränsningar som finns i samtliga av modellens modaliteter, varav några illustreras nedan.

^{Uppdaterad den 8 maj 2024}

Som en del av vårt beredskapsramverk⁠ genomför vi regelbundna utvärderingar och uppdaterar styrkort för våra modeller. Endast modeller med en poäng av "medium" eller lägre efter begränsningsåtgärderna används. Den övergripande risknivån för en modell bestäms av den högsta risknivån i varje enskild kategori. För närvarande bedöms GPT‑4o ha en medelhög risk både före och efter begränsningsåtgärder.

GPT‑4o är vårt senaste steg i att tänja på gränserna för djupinlärning, den här gången i riktning mot praktisk användbarhet. Vi har lagt ner mycket arbete under de senaste två åren på att förbättra effektiviteten i varje lager av stacken. Som ett första resultat av denna forskning kan vi göra en modell på GPT‑4‑nivå tillgänglig i betydligt större utsträckning. GPT‑4o:s funktioner kommer att rullas ut stegvis (med utökad red team-åtkomst från och med idag). 

GPT‑4o:s text- och bildfunktioner börjar rullas ut idag i ChatGPT. Vi gör GPT‑4o tillgängligt i gratisnivån och med upp till 5 gånger högre meddelandegränser för Plus-användare. Vi rullar ut en ny version av röstläge med GPT‑4o i alpha inom ChatGPT Plus under de kommande veckorna.

Utvecklare får nu också få tillgång till GPT‑4o i API:et som en text- och bildmodell. GPT‑4o är 2x snabbare, kostar hälften så mycket och har 5x högre hastighetsgränser jämfört med GPT‑4 Turbo. Vi planerar att lansera stöd för GPT‑4o:s nya ljud- och videofunktioner till en liten grupp betrodda partners i API:et under de kommande veckorna.