国海证券：计算机行业动态研究：GPT-4o、Gemini新品接连发布，多模态技术奇点加速到来

事件： 2024年5月14日，OpenAI在官网正式发布新旗舰模型GPT-4o多模态大模型，其中o代表的是omni，即“全能”，GPT-4o可以实时对音频、视觉和文本进行推理，相较于GPT-4Trubo速度更快、价格更便宜。 2024年5月15日，2024年谷歌I/O大会正式召开，会上谷歌将搜索业务做了最彻底的AI改造，更新升级了Gemini1.5Pro版本，推出 Gemini1.5Flash轻量化小模型、生成视频模型Veo、AI智能体ProjectAstra，并展示了与GPT-4o相似的语音视觉交互功能GeminiLive。 投资要点: GPT持续迭代，GPT-4o推动人机交互再上新台阶 OpenAI持续升级GPT版本，2023年3月发布GPT-4在图片识别、图文数据综合处理及逻辑推理等能力实现质变；2023年11月发布GPT-4Turbo，支持125万tokens的同时也在上下文等多个领域实现显著进步。本次发布GPT-4o带来各种能力升级： ①多模态交互，具有更优质的视频和音频理解以及图像生成能力：GPT-4o能够接受文本、音频和视频的任意组合作为输入，并生成文本、音频和图像的任意