GPT-4o

GPT-4o („o“ für „omni“) ist ein mehrsprachiger, multimodaler generativer Pre-trained Transformer, der von OpenAI entwickelt und im Mai 2024 veröffentlicht wurde.[1] GPT-4o ist kostenlos, jedoch mit einer Nutzungsgrenze, die für ChatGPT-Plus-Abonnenten fünfmal höher ist.[2] Es kann Text, Bilder und Audio verarbeiten und generieren.[3] Die Anwendungsprogrammierschnittstelle (API) ist doppelt so schnell und halb so teuer wie die seines Vorgängers, GPT-4 Turbo.[1]  

1. 1. 1. Hintergrund  
         Mehrere Versionen von GPT-4o wurden ursprünglich unter verschiedenen Namen geheim auf der Chatbot Arena der Large Model Systems Organization (LMSYS) veröffentlicht. Diese drei Modelle wurden gpt2-chatbot, im-a-good-gpt2-chatbot und im-also-a-good-gpt2-chatbot genannt.[4] Am 7. Mai 2024 twitterte Sam Altman „im-a-good-gpt2-chatbot“, was allgemein als Bestätigung interpretiert wurde, dass es sich um neue OpenAI-Modelle handelte, die A/B-Tests unterzogen wurden.[5]  

1. 1. 1. Fähigkeiten  
         GPT-4o erzielte bahnbrechende Ergebnisse in den Bereichen Stimme, Mehrsprachigkeit und Vision-Benchmarks und stellte neue Rekorde bei der Audio-Spracherkennung und Übersetzung auf.[6][7] Es erreichte einen Wert von 88,7 im Massive Multitask Language Understanding (MMLU)-Benchmark, im Vergleich zu 86,5 von GPT-4.[8] Im Gegensatz zu GPT-3.5 und GPT-4, die andere Modelle für die Verarbeitung von Audio verwenden, unterstützt GPT-4o nativ Voice-to-Voice.[8] Sam Altman bemerkte am 15. Mai 2024, dass die Voice-to-Voice-Funktion von GPT-4o noch nicht in ChatGPT integriert sei und weiterhin die alte Version verwendet werde.[9] Dieser neue Modus, bekannt als Advanced Voice Mode, befindet sich derzeit in einer begrenzten Alpha-Version[10] und basiert auf der 4o-audio-preview.[11] Am 1. Oktober 2024 wurde die Realtime-API eingeführt.[12]  

Das Modell unterstützt über 50 Sprachen,[1] die laut OpenAI über 97 % der Sprecher abdecken.[13] Mira Murati demonstrierte die mehrsprachigen Fähigkeiten des Modells, indem sie während einer Live-Übertragung am 13. Mai 2024 Italienisch mit dem Modell sprach und es zwischen Englisch und Italienisch übersetzen ließ. Darüber hinaus verwendet der neue Tokenizer[14] für bestimmte Sprachen, insbesondere solche, die nicht auf dem lateinischen Alphabet basieren, weniger Tokens, was die Nutzung für diese Sprachen günstiger macht.[8]  

GPT-4o verfügt über Wissen bis Oktober 2023,[15][16] kann jedoch bei Bedarf auf das Internet zugreifen, um aktuelle Informationen abzurufen. Es hat eine Kontextlänge von 128k Tokens,[15] wobei das Limit für Ausgabetokens zunächst auf 4.096[16] und nach einem späteren Update (gpt-4o-2024-08-06) auf 16.384 erhöht wurde.[17]  

Ab Mai 2024 ist es das führende Modell in den LMSYS Elo Arena Benchmarks der University of California, Berkeley.[18]  

1. 1. 1. Unternehmensanpassung  
         Im August 2024 führte OpenAI eine neue Funktion ein, die es Unternehmenskunden ermöglicht, GPT-4o mit proprietären Firmendaten zu individualisieren. Diese Anpassung, bekannt als Fine-Tuning, erlaubt es Unternehmen, GPT-4o an spezifische Aufgaben oder Branchen anzupassen und seine Nützlichkeit in Bereichen wie Kundenservice und spezialisierten Wissensdomänen zu erhöhen. Zuvor war Fine-Tuning nur beim weniger leistungsstarken Modell GPT-4o Mini verfügbar.[19][20]  

Der Fine-Tuning-Prozess erfordert, dass Kunden ihre Daten auf die Server von OpenAI hochladen, wobei das Training typischerweise ein bis zwei Stunden dauert. Zunächst wird die Anpassung auf textbasierte Daten beschränkt sein. OpenAI konzentriert sich mit diesem Rollout darauf, die Komplexität und den Aufwand für Unternehmen zu reduzieren, KI-Lösungen an ihre Bedürfnisse anzupassen, um die Akzeptanz und Effektivität von KI in Unternehmensumgebungen zu erhöhen.[21][19]