• GPT-4o là mô hình đa phương thức mới nhất của OpenAI, có khả năng xử lý đầu vào và đầu ra âm thanh, hình ảnh và văn bản trong cùng một mạng neural.
• Mô hình có thể phản hồi đầu vào âm thanh trong vòng 232-320 mili giây, tương đương thời gian phản ứng của con người trong giao tiếp.
• GPT-4o có hiệu suất tương đương GPT-4 Turbo về xử lý văn bản tiếng Anh và mã, nhưng cải thiện đáng kể với các ngôn ngữ không phải tiếng Anh. Nó cũng nhanh hơn và rẻ hơn 50% khi sử dụng qua API.
• OpenAI đã thực hiện nhiều đánh giá an toàn và giảm thiểu rủi ro cho GPT-4o, bao gồm:
- Đánh giá bên ngoài (red teaming) với hơn 100 chuyên gia từ 29 quốc gia
- Đánh giá theo Khung Chuẩn bị của OpenAI về các rủi ro tiềm tàng
- Xây dựng các biện pháp bảo vệ ở cấp độ mô hình và hệ thống
• Các rủi ro chính được đánh giá bao gồm:
- Tạo giọng nói trái phép
- Nhận dạng người nói
- Tạo nội dung có bản quyền
- Suy luận không có cơ sở/gán đặc điểm nhạy cảm
- Tạo nội dung bị cấm trong đầu ra âm thanh
- Tạo lời nói khiêu dâm và bạo lực
• Kết quả đánh giá cho thấy GPT-4o không làm tăng đáng kể các rủi ro so với các mô hình trước đó. 3/4 danh mục trong Khung Chuẩn bị được đánh giá ở mức rủi ro thấp, riêng khả năng thuyết phục ở mức trung bình.
• Về tác động xã hội, GPT-4o có thể mang lại lợi ích trong lĩnh vực y tế, khoa học, nhưng cũng tiềm ẩn rủi ro về nhân hóa AI và phụ thuộc cảm xúc.
• GPT-4o cải thiện đáng kể hiệu suất trên các ngôn ngữ ít được đại diện, thu hẹp khoảng cách với tiếng Anh trên một số bài kiểm tra.
• OpenAI sẽ tiếp tục giám sát và cập nhật các biện pháp an toàn trong quá trình triển khai GPT-4o.
📌 GPT-4o là mô hình đa phương thức tiên tiến nhất của OpenAI, có khả năng xử lý âm thanh, hình ảnh và văn bản. Mặc dù mang lại nhiều tiềm năng, OpenAI đã thực hiện đánh giá kỹ lưỡng và áp dụng các biện pháp an toàn để giảm thiểu rủi ro. Mô hình cải thiện hiệu suất trên nhiều ngôn ngữ và có thể mang lại lợi ích trong y tế, khoa học, nhưng cũng cần tiếp tục nghiên cứu về tác động xã hội lâu dài.
https://openai.com/index/gpt-4o-system-card/