每经记者 文巧    每经编辑 兰素英    

图片来源：发布会视频截图

去年3月，GPT-4震撼发布，距今已逾一年。尽管科技巨头如谷歌、Meta，以及硅谷新贵如Mistral AI、Anthropic在那之后都争相发布了竞品大模型，但似乎至今还未有第二款大模型达到与GPT-4一般横扫科技圈的力量——直到GPT-4o的诞生。

当地时间5月13日，OpenAI在万众期待中推出了名为GPT-4o的新一代旗舰AI模型。当日，OpenAI首席执行官阿尔特曼发推文表示，新的GPT-4o是OpenAI“有史以来最好的模型”。

据悉，GPT-4o支持文字、图像、语音和视频输入和输出，OpenAI承诺未来将免费让普通用户使用，同时将开放API给GPT开发者，价格直接便宜50%。目前，该模型仅开放了文本和图像功能。

本周，《每日经济新闻》记者从图像和文本两大层面深度体验了GPT-4o的效果，着重识图能力的测试。综合来看，GPT-4o在反应速度上有极大的提升，识图方面冠绝群雄，不仅能够准确识别图片，还能以类人的思维理解图像内容。而在长文本总结方面，与当前模型的差距并不突出。

GPT-4o到底是如何“炼”成的？当地时间5月15日，OpenAI联合创始人之一John Schulman在接受科技播客主持人Dwarkesh Patel采访时透露，后训练是提高模型性能的关键因素。

GPT-4o的识图能力有多牛？四大维度深度体验

基于图片类型，记者将识图功能的测评分为4大维度，分别为普通图像、特定专业领域的图像、数据图像和手写图像。

一、普通图像识别

（1）内容较为单一的图像

记者首先选取了一张波士顿动力机器人跨越障碍物的图像，内容较为简单，图上无文字，随后要求大模型仔细识图并描述内容。GPT-4o非常出色地完成了任务，细节描述无可匹敌，准确无误地识别了机器人的运动状态、地面障碍等丰富细节。

图片来源：GPT-4o