OpenAI lanzó un nuevo modelo de inteligencia artificial llamado GPT-4o, el cual revolucionará el servicio que brinda ChatGPT.

Durante un evento realizado este lunes, Muri Murati, CTO de OpenAI, informó que GPT-4o posee una inteligencia equivalente al modelo GPT-4, pero ha sido mejorado para ampliar sus capacidades en el manejo de texto, audio y visión.

Esta mejora se traduce en una notable reducción en la latencia de las respuestas, permitiendo interacciones casi instantáneas con los usuarios.

Se trata de una actualización que promete ser más “inteligente y rápida” que sus predecesores, marcando un hito en la evolución de las tecnologías de aprendizaje automático de la compañía liderada por Sam Altman.

ChatGPT. ¿Qué novedades trae GPT-4o?

Entre las nuevas funcionalidades destacadas, GPT-4o ofrece traducción instantánea. Los usuarios podrán pedir al modelo que traduzca conversaciones en tiempo real a diferentes idiomas, como del italiano al español, facilitando la comunicación entre hablantes de distintas lenguas.

También, este modelo tiene la capacidad de analizar imágenes. Los usuarios pueden mostrarle una foto o captura de pantalla y obtener información detallada sobre la misma, desde identificar modelos de coches hasta detectar errores en códigos de programación.

• Interacción por voz: Los usuarios podrán conversar con ChatGPT utilizando únicamente la voz, recibiendo respuestas de audio en un tiempo de respuesta similar al humano.
• Análisis de imágenes y vídeos: GPT-4o es capaz de procesar y mantener conversaciones sobre contenido visual compartido por los usuarios.
• Gratuito para todos: A diferencia de GPT-4, esta nueva versión estará disponible de forma gratuita para todos los usuarios, tanto en dispositivos móviles como en ordenadores.
• Nuevas aplicaciones: OpenAI ha lanzado una nueva aplicación específica para Mac y PC, además de la ya existente para iOS y Android.

¿Cómo funciona GPT-4o?

GPT-4o mantiene las funciones básicas de ChatGPT, respondiendo a preguntas y solicitudes del usuario, pero ahora también a través de la voz. Durante la presentación, se demostró cómo la IA puede contar cuentos, adaptarse a las peticiones del usuario e incluso cambiar el tono de voz.

¿Qué implica la multimodalidad?

La multimodalidad permite a los usuarios interactuar con ChatGPT de forma más natural y versátil, ya sea a través de texto, voz o imágenes. Esto abre un abanico de posibilidades para su uso en diferentes ámbitos, desde la educación hasta el entretenimiento.

Se espera que GPT-4o ayude a mantener a ChatGPT a la cabeza del mercado de chatbots, impulsando su crecimiento y uso. Además, se rumorea que OpenAI podría estar negociando con Apple para integrar esta tecnología en Siri, el asistente de voz de los iPhone.

¿Cuándo estará disponible?

El modelo GPT-4o estará disponible para todos los usuarios de ChatGPT, incluyendo aquellos que usan la versión gratuita. Esto democratiza el acceso a lo último en tecnología de IA, permitiendo a un mayor número de personas y empresas beneficiarse de estas avanzadas capacidades.

¿Por qué se llama GPT-4o?

A través de su sitio web, Open AI señala que la o es de Omni. Al respecto, la compañía líder en Inteligencia Artificial señala:

GPT-4o (“o” por “omni”) es un paso hacia una interacción humano-computadora mucho más natural: acepta como entrada cualquier combinación de texto, audio e imagen, y genera cualquier combinación de salidas de texto, audio e imagen.

Puede responder a entradas de audio en tan solo 232 milisegundos, con un promedio de 320 milisegundos, lo cual es similar al tiempo de respuesta humano (se abre en una nueva ventana) en una conversación.

Iguala el rendimiento de GPT-4 Turbo en texto en inglés y código, con una mejora significativa en texto en otros idiomas, siendo además mucho más rápido y 50% más económico en la API. GPT-4o es especialmente mejor en la comprensión de visión y audio en comparación con modelos existentes.