GPT-4o (das „o“ steht für „omni“) sei ein bedeutender Fortschritt in der Interaktion zwischen Mensch und Computer, verlautbarte der Hersteller OpenAI. Die fortschrittliche KI könne verschiedene Arten von Eingaben wie Text, Audio, Bilder und Videos verarbeiten und entsprechende Ausgaben erzeugen. Mit einer Reaktionszeit von nur 232 Millisekunden für Audioeingaben sei die KI fast so schnell wie ein menschliches Gespräch. Zudem biete GPT-4o eine verbesserte Leistung im Vergleich zu früheren Modellen, insbesondere mache sich dies bemerkbar in der Verarbeitung von Text in verschiedenen Sprachen und bei der Interpretation von visuellen und auditiven Daten.
Vor GPT-4o konnten Nutzer mit ChatGPT über den sogenannten „Voice Mode“ kommunizieren, wobei jedoch mehrere unterschiedliche Modelle zum Einsatz kamen. Diese getrennten Modelle führten dazu, dass mehrere Informationen – zum Beispiel Tonfall oder Hintergrundgeräusche – verloren gingen. GPT-4o hingegen nutzt ein einziges, umfassendes neuronales Netzwerk für alle Eingabe- und Ausgabearten. Dies ermögliche eine viel natürlichere und effizientere Interaktion, da das Modell direkt auf komplexe auditive und visuelle Reize reagieren könne, so der Hersteller. OpenAI plant zudem, in den kommenden Wochen weitere Funktionen wie Video- und Voice-Inputs hinzuzufügen, wodurch die Nutzungsmöglichkeiten noch weiter ausgebaut werden.
Die Einführung von GPT-4o bedeute auch eine erhebliche Verbesserung der Benutzerfreundlichkeit und Zugänglichkeit, so OpenAI. Das Unternehmen macht das neue Modell für alle Benutzer*innen zugänglich, auch in der Free Version. Außerdem werden bestehende Tools wie die Custom GPTs und neue Funktionen wie Datenanalysen und Memory-Funktionen auch für kostenlose Nutzer freigeschaltet. Wieso also soll man noch bezahlen? In den nächsten Wochen sollen zusätzliche Funktionen wie eine Alpha-Version des Voice Modes für Plus-Nutzer und erweiterte API-Zugänge für Entwickler*innen eingeführt werden.
