OpenAI lanza GPT-4o: un nuevo modelo multimodal que trabaja con voz, texto e imagen al mismo tiempo
OpenAI ha anunciado este lunes en su esperado evento en directo un nuevo modelo de inteligencia artificial (IA). Estamos hablando de GPT-4o, que se presenta como el producto más “inteligente y rápido” de la historia de la compañía dirigida por Sam Altman.
GPT-4o es multimodal de forma nativa, característica que aborda el problema de la latencia y permite una interacción «en tiempo real». Una buena noticia es que este prometedor modelo estará disponible para todos los usuarios de ChatGPT, incluso para aquellos que utilizan la versión gratuita.
El modelo más avanzado de OpenAI
La CTO de OpenAI, Muri Murati, dijo durante la transmisión que el nuevo modelo de IA tiene una «inteligencia al nivel de GPT-4″, pero mejora en sus capacidades de texto, audio y visión. Este avance tecnológico ha permitido, entre otras cosas, desarrollar un nuevo modo de voz.
El modo de voz de ChatGPT que ha estado disponible hasta ahora ofrecía respuestas con una latencia promedio de 2,8 segundos en GPT-3.5 y 5,4 segundos en GPT-4. OpenAI ha conseguido reducir el tiempo de respuesta a un promedio de 320 milisegundos con su nuevo modelo GPT-4o.
Como podemos ver, estamos ante una versión mejorada de GPT-4 que busca ofrecer una nueva forma más natural de interactuar con ChatGPT. Por ejemplo, podremos conversar por voz con el modelo e incluso interrumpirle mientras responde, vamos como haríamos en una conversación con otro humano.
En la demostración en vivo hemos visto otras cosas realmente sorprendentes. El modelo no solo responde en tiempo real, sino que también puede brindar respuestas en diferentes tonos de voz e incluso tiene la capacidad de detectar el estado de ánimo de los usuarios para enriquecer la conversación.
Otra de las funcionalidades destacadas que llegarán a ChatGPT gracias al nuevo modelo es la traducción instantánea. OpenAI quiere que simplemente le pidamos lo que queramos al chatbot para que este empiece a hacer su trabajo, todo en lenguaje natural, sin pensar en comandos específicos.
Podremos contarle a ChatGPT que estamos con alguien que habla otro idioma, por ejemplo, italiano, y que traduzca nuestra conversación en tiempo real al español. Después de eso, simplemente tendremos que empezar a conversar de manera natural beneficiándonos de la función de traducción.
Como decimos, este nuevo modelo también mejora en sus capacidades de visión. En este sentido, podremos darle una foto o una captura de pantalla para que la analice y nos brinde información al respecto. Desde qué modelo es tal coche hasta si tiene errores el código de un lenguaje de programación.
¿Cómo acceder al nuevo GPT-4o de OpenAI?
La compañía de inteligencia artificial respaldada por Microsoft dice que ha comenzado a desplegar GPT-4o entre los usuarios de ChatGPT Plus y Team (versiones de pago), y que también está comenzando la implementación en ChatGPT gratuito. Se trata de un lanzamiento «iterativo» que incluye únicamente las novedades relacionadas al texto e imagen.
Cabe señalar que los usuarios de pago del chatbot seguirán teniendo beneficios. En primer lugar, tendrán un límite más amplio para utilizar el nuevo modelo (cinco veces más amplio que el gratuito). Además, dentro de «las próximas semanas» podrán acceder al nuevo modo de voz en tiempo real que nos recuerda a la película ‘Her’. Para los usuarios free llegará más tarde.
Además, OpenAI ha anunciado el lanzamiento de una aplicación de ChatGPT para macOS que nos permitirá invocar el asistente con el atajo de teclado Opción + Espacio. La misma está diseñada para integrarse en nuestro escritorio de modo tal que podamos pedirle que analice un gráfico estadístico o se sume a una videollamada. Estará disponible anticipadamente desde hoy para usuarios Plus.
Imágenes | OpenAI
En Xataka | ARM prepara chips de IA para 2025. Los móviles ya se le han quedado pequeños
