はじめに
OpenAIから現地時間で5月13日の午前10時から(日本時間だと5月14日の午前2時)、新しいモデルの発表がありました。
GPT-4o
というらしいです。
ロゴというかアイコンの目が可愛いです。
そんなことはさておき、まず以下の動画を1本目だけでもいいので見ていただきたいです。 2分ほどですが、最初の15秒だけ見ればわかると思います。
一応、無料公開とは言っていますが、どうなるのでしょう。楽しみですね。
デモで説明された機能
基本的には画像を認識しながら音声会話をするデモです。 1つ目の動画は、DesktopのGPTのアプリでコードを見せながら会話をして教えてもらうデモでした。 2つ目の動画は、方程式を見せて解き方を教えてもらうデモでした。
特に1つ目は、デスクトップアプリであるため使いやすく、コーディングについて教えてもらえるのはかなり便利です。 ただ、シャイな人が多いので、家以外は会話ではなく、これまで通り書きながらというようなイメージでしょうか。
声を発生させずに音声認識するハードウェアが小型化してできたら良いですね。
参照: https://lab.rekimoto.org/projects/sottovoce/
また、次期iOSにOpenAIの搭載もなされると噂されているので、こちらも楽しみです。
開発者向けの情報
基本的には文章生成、音声認識と画像認識、音声合成がより高度にできるようになったというイメージでしょうか。 基本的にAPIは
・2倍速くなった
・50%安くなった
・50ヶ国語対応
というところでしょうか。1つ目はユーザーの使い勝手に影響して、２つ目はお財布に優しいくらいですね。どのくらい性能が良くなったかは使ってみないことにはなんとも言えなさそうです。
以下がClaude OpusとGPT-4turboとの比較です。およそOpusの1/3くらいでしょうか。かなり安いし性能が良さそうです。日本法人ができたことから日本語特化のGPT-4oモデルが作られる可能性にも期待が持てます。
GPT-4oのfree Accessというところに関しては多方面に打撃がありそうです。(実際にはどうなるかこちらもわかりません)
ひとまずは一般公開を待ってみてというような感じですが、GPT-4公開から１年が経ち、ここまでの進化は 驚きですね。
引き続きウォッチしていきたいです。