信达证券：大模型进程焦点：OpenAI春季发布会及谷歌开发者大会要点归纳

事件：北京时间5月14日凌晨，OpenAI发布了最新模型GPT-4o，GPT-4o（“o”代表“omni”）接受文本、音频和图像的任意组合作为输入，并生成文本、音频和图像的任意组合输出。它可以在短至232毫秒的时间内响应音频输入，平均为320毫秒，与人类的响应时间相似。它在英语文本和代码上的性能与GPT-4Turbo的性能相匹配，在非英语文本上的性能显著提高。与现有模型相比，GPT-4o在视觉和音频理解方面尤其出色。 GPT-4o的文本和图像功能5月14日已经开始在ChatGPT中推出。OpenAI正在免费套餐中提供GPT-4o，并向Plus用户提供高达5倍的消息限制，未来几周将在ChatGPTPlus中推出新版语音模式GPT-4o的alpha版。开发人员现在还可以在API中访问GPT-4o作为文本和视觉模型。与GPT-4Turbo相比，GPT-4o速度提高2倍，价格降低一半，速率限制提高5倍。OpenAI计划在未来几周内在API中向一小部分值得信赖的合作伙伴推出对GPT-4o新音频和视频功能的支持。 在OpenAI发布会上，团队展示了GPT-4o的多个功能。包括实时语音交流能力，几乎