Em abril, o Chatbot Arena da LMSYS viu "im-also-a-good-gpt2-chatbot" em seu ranking dos melhores AIs generativos.

O mesmo modelo de IA foi revelado como GPT-4o. O “GPT2” no nome não indica o modelo anterior da OpenAI, “GPT-2”. Ao contrário, indica uma nova arquitetura para os modelos GPT, e “2” sugere uma mudança significativa no design do modelo.

As equipes de engenharia da OpenAI consideram uma grande mudança justificar a atribuição de um novo número de versão. No entanto, as equipes de marketing o apresentam modestamente como uma continuação do GPT-4, em vez de uma revisão completa.

Vamos ver o que há de novo no GPT-4, o que ele oferece e como usá-lo em um negócio.

O que é o GPT-4o?

GPT-4o é o mais recente modelo de IA generativa da OpenAI. O “O” em GPT-4o significa “Omni”, que significa “todo” em latim. Isso complementa as capacidades aprimoradas do modelo para lidar com texto, fala e vídeo.

Isso facilita a interação dos usuários com a IA. As iterações anteriores dos modelos de IA generativa da OpenAI eram sobre tornar o modelo mais inteligente. O GPT-4o torna o uso mais simples e muito mais rápido na resposta.

Você pode fazer perguntas ao ChatGPT, alimentado pelo GPT-4o, e interrompê-lo enquanto ele responde. O modelo ouvirá quando você interromper e reformulará a resposta em tempo real com base na entrada fornecida. Ele pode captar nuances na voz do usuário e gerar diferentes saídas vocais emocionais, incluindo canto.

O CTO da OpenAI diz: “O GPT-4o raciocina através de voz, texto e visão. Isso é extremamente importante porque estamos olhando para o futuro da interação entre humanos e máquinas.”

O que o GPT-4o oferece?

Abaixo estão alguns dos destaques do GPT-4o.

- Experiência do usuário aprimorada. As interações com a IA tornaram-se mais naturais e fáceis.

- Capacidades multilíngues. O GPT-4o apresenta um desempenho melhor em cerca de 50 idiomas. Isso o torna mais acessível globalmente.

- Desempenho aprimorado. O GPT-4o é cerca de duas vezes mais rápido que o GPT-4 Turbo. Custa metade do preço da versão anterior enquanto oferece limites de taxa mais altos.

- Capacidades vocais aprimoradas. Devido ao risco de uso indevido, os recursos vocais aprimorados não estão disponíveis para todos os clientes, mas a OpenAI começou a oferecer suporte a um pequeno grupo de parceiros confiáveis.

- Disponibilidade de nível gratuito. O GPT-4o está disponível no nível gratuito para o ChatGPT. Os assinantes do ChatGPT Plus têm limites de mensagens 5x maiores. Se os limites de taxa do GPT-4o forem atingidos, o modelo muda automaticamente para o GPT-3.5.

- Experiência do usuário aprimorada. A OpenAI oferece uma tela inicial mais conversacional e um layout de mensagens na web. A versão para desktop do ChatGPT com GPT-4o para macOS (sendo lançada para usuários do ChatGPT Plus em fases) permite que os usuários façam perguntas por meio de um atalho de teclado. A versão para Windows do aplicativo virá ainda este ano.

- Oferece conversas naturais. O modelo lida com interrupções enquanto ajusta sua resposta e tom de acordo. As conversas acontecem em um ritmo natural. No entanto, pode haver pausas breves onde o modelo raciocina sobre as respostas.

Sabia que? Você pode aproveitar o GPT-4o para equipar seu site para vender melhor e mais rápido. Descubra como usar o GPT-4o como um agente de vendas.

Riscos e preocupações com o GPT-4o

As políticas de IA generativa nas empresas ainda estão em estágio inicial. O Regulamento da União Europeia é a única estrutura legal significativa. Você precisa tomar sua própria decisão sobre o que constitui uma IA segura.

A OpenAI usa um framework de preparação para decidir se um modelo pode ser lançado ao público. Ela testa o modelo quanto a segurança cibernética, potenciais ameaças biológicas, químicas, radiológicas ou nucleares, capacidade de persuasão e autonomia do modelo. A pontuação do modelo é a nota mais alta (Baixa, Média, Alta ou Crítica) que ele recebe em qualquer categoria.

O GPT-4o tem uma preocupação média e evita o nível de risco mais alto que poderia desestabilizar a civilização humana.

Como todas as IAs generativas, o GPT-4o pode não se comportar exatamente como você pretendia. No entanto, em comparação com os modelos anteriores, o GPT-4o mostra melhorias significativas. Pode apresentar alguns riscos, como chamadas fraudulentas com deepfake. Para mitigar esses riscos, a saída de áudio está disponível apenas em vozes predefinidas.

GPT-4o vs. modelos anteriores de IA generativa da OpenAI

O GPT-4o oferece melhores capacidades de imagem e texto para analisar o conteúdo da entrada. Em comparação com modelos anteriores, o GPT-4o é melhor em responder a perguntas complexas, como “Qual é a marca da camiseta que uma pessoa está usando?” Por exemplo, este modelo pode olhar para um cardápio em um idioma diferente e traduzi-lo.

Os modelos futuros oferecerão capacidades muito mais avançadas, como assistir a um evento esportivo e explicar suas regras.

Aqui está o que mudou no GPT-4o em comparação com outros modelos de IA generativa da OpenAI.

- Tom de voz

Os sistemas anteriores da OpenAI combinavam Whisper, GPT-4 Turbo e Text-to-Speech em um pipeline com um motor de raciocínio. Eles tinham acesso apenas a palavras faladas e descartavam o tom de voz, ruídos de fundo e sons de vários falantes. Isso limitava a capacidade do GPT-4 Turbo de expressar diferentes emoções ou estilos de fala.

Com o GPT-4o, um único modelo raciocina através de texto e áudio. Isso torna o modelo mais receptivo ao tom e às informações de áudio disponíveis no fundo, gerando respostas de maior qualidade com diferentes estilos de fala.

- Baixa latência

A latência média do modo de voz do GPT-4o é de 0,32 segundos. Isso é nove vezes mais rápido que a média de 2,8 segundos do GPT-3.5 e 17 vezes mais rápido que a média de 5,4 segundos do GPT-4.

O tempo médio de resposta humano é de 0,21 segundos. Portanto, o tempo de resposta do GPT-4o está mais próximo do tempo humano. Isso o torna adequado para tradução em tempo real de fala.

- Melhor tokenização

Tokens são unidades de texto que um modelo pode entender. Quando você trabalha com um modelo de linguagem grande (LLM), o texto do prompt é primeiro convertido em tokens. Quando você escreve em inglês, três palavras consomem cerca de quatro tokens.

Se forem necessários menos tokens para representar um idioma, menos cálculos precisam ser feitos, e a velocidade de geração de texto aumenta. Além disso, isso reduz o preço para os usuários da API, já que os custos são cobrados por token de entrada ou saída.

No GPT-4o, idiomas indianos como Hindi, Marathi, Tamil, Telugu, Gujarati e outros se beneficiaram, mostrando particularmente a redução de tokens. O árabe mostra uma redução de 2x, enquanto os idiomas do Leste Asiático observam uma redução de 1,4x a 1,7x em tokens.

GPT-4o vs. outros modelos de IA generativa

GPT-4 Turbo, Claude 3 Opus e Gemini Pro 1.5 seriam os principais concorrentes para comparação com o GPT-4o. Llama 3 400B pode ser um concorrente no futuro, mas ainda não está terminado.

Abaixo está uma comparação do GPT-4o com os modelos mencionados com base em diferentes parâmetros.

- Massive Multitask Language Understanding (MMLU). Este teste inclui tarefas de matemática elementar, história dos EUA, ciência da computação, direito e mais. Para alcançar alta precisão neste teste, os modelos devem possuir amplo conhecimento mundial e habilidade de resolução de problemas. O GPT-4o se destaca melhor que outros modelos de IA.

- Graduate-Level Google-Proof Q&A (GPQA). Perguntas de múltipla escolha escritas por especialistas em biologia, física e química. As perguntas são de alta qualidade e extremamente difíceis: especialistas com ou em busca de doutorado nas respectivas áreas atingem 74% de precisão. O GPT-4o oferece melhor desempenho do que outros modelos.

- MATH. Problemas de matemática do ensino fundamental e médio. O desempenho do GPT-4o foi encontrado como melhor que o de outros modelos.

- HumanEval. Testa a correção funcional do código de computador usado para verificação de geração de código. O desempenho do GPT-4o foi melhor que o de outros modelos.

- Multilingual Grade School Math (MSGM). Problemas de matemática do ensino fundamental traduzidos para dez idiomas, incluindo idiomas sub-representados como Bengali e Suaíli. Claude 3 Opus teve um desempenho melhor que o GPT-4o no MSGM.

- Discrete Reasoning Over Paragraphs (DROP). Perguntas que exigem compreensão de parágrafos completos, como adicionar, contar ou ordenar valores, espalhados por várias frases. O GPT-4 Turbo teve um desempenho melhor que o GPT-4o no DROP.

O desempenho flutua apenas por alguns pontos percentuais quando você compara o GPT-4

Turbo e o GPT-4o. No entanto, esses benchmarks de LLM não comparam o desempenho da IA em problemas multimodais. O conceito é novo e os métodos de medir a capacidade de um modelo de raciocinar através de texto, áudio e vídeo ainda estão por vir.

O desempenho do GPT-4o é impressionante e mostra um futuro promissor para o treinamento multimodal.

Casos de uso do GPT-4o

O GPT-4o pode raciocinar através de texto, áudio e vídeo de forma eficaz. Isso torna o modelo adequado para uma variedade de casos de uso, por exemplo:

- Visão computacional em tempo real e interação natural

O GPT-4o agora pode interagir com você como se você conversasse com humanos. Você precisa gastar menos tempo digitando, tornando a conversa mais natural. Ele fornece informações rápidas e precisas.

Com mais velocidade e capacidades audiovisuais, a OpenAI apresenta vários casos de uso em tempo real onde você pode interagir com a IA usando a visão do mundo. Isso abre oportunidades para navegação, tradução, instruções guiadas e compreensão de informações visuais complexas.

Por exemplo, o GPT-4o pode rodar em desktops, móveis e potencialmente wearables no futuro. Você pode mostrar uma visualização ou tela do desktop para fazer perguntas, em vez de digitar ou alternar entre diferentes modelos e telas.

Por outro lado, a capacidade do GPT-4o de entender a entrada de vídeo de uma câmera e descrever verbalmente a cena pode ser incrivelmente útil para pessoas com deficiência visual. Funcionaria como um recurso de descrição de áudio para a vida real, ajudando-as a entender melhor seu entorno.

- Aplicações empresariais

O GPT-4o conecta as entradas dos seus dispositivos de forma fluida, facilitando a interação com o modelo. Com modalidades integradas e desempenho aprimorado, as empresas podem usá-lo para criar aplicações de visão personalizadas.

Você pode usá-lo onde modelos de código aberto não estão disponíveis e alternar para modelos personalizados para etapas adicionais para reduzir custos.

Use o GPT-4o para gerar leads em seu negócio

O GPT-4o melhora o desempenho e a velocidade. O Chatsimple permite que os usuários conectem um agente de vendas de IA alimentado pelo GPT-4o a um site. Atualmente, permite que seus visitantes respondam a perguntas complexas, capturem leads e agendem reuniões mais rapidamente.

Com o Chatsimple, você pode treinar esses agentes para responder a perguntas de visitantes altamente complexas. No futuro, o Chatsimple pode aproveitar as capacidades do GPT-4o para raciocinar através de texto, vídeo e áudio para treinar agentes de vendas de IA em vários formatos de mídia.

Até lá, deixe seus visitantes obterem a ajuda de que precisam com os agentes de vendas de IA do Chatsimple antes de chegar ao estágio de conectar-se com um vendedor.

Experimente o Chatsimple e deixe seus visitantes vivenciarem a velocidade do GPT-4o ao responder a perguntas relacionadas aos seus produtos ou serviços.

---