詳細解釋
OpenAI 於 2024 年 5 月發布的多模態模型，「o」代表 omni（全能），統一處理文本、圖像、音頻，是 GPT-4 系列的重要進化。
核心特點：
- 原生多模態：同一神經網絡處理所有模態，非分開模型拼接
- 速度：文本處理速度比 GPT-4 Turbo 快 2 倍
- 價格：比 GPT-4 Turbo 便宜 50%
- 視覺：圖像理解能力顯著提升
- 語音：原生音頻輸入輸出（非先語音轉文字）
性能：
- 文本：與 GPT-4 Turbo 相當或略優
- 視覺：OCR、圖表理解、物體識別頂尖
- 多語言：非英語語音和文本處理改善
- 基準：MMLU、HumanEval 等保持領先
與 GPT-4 Turbo 對比：
- 更快、更便宜、多模態
- 128K 上下文（與 Turbo 相同）
- 知識截止：2023 年 10 月（較新）
應用場景：
- 實時語音助手：低延遲對話
- 視覺分析：文檔、圖表、照片問答
- 多模態創意：結合文本和圖像生成
- 成本敏感應用：替代 Turbo 降低開支
發布意義：
- 展示 OpenAI 的工程優化能力
- 回應開源模型（Llama 3）的價格壓力
- 多模態統一是未來方向
GPT-4o mini：
- 2024 年 7 月發布
- 成本極低，速度極快
- 適合高頻率、低延遲應用
- 智能略低但性價比極高
這是「全能 AI 助手」的里程碑—— 一個模型聽、看、說、理解、創造。