国盛证券：OpenAI发布GPT-4o 多模态实时交互能力重大突破

太平洋时间5月13日10点，OpenAI召开春季更新发布会，直播发布GPT-4o

发布会直播展示惊艳多模态交互能力，可以进行实时视频交互。GPT-4o（“o”代表“omni全能”）接受文本、音频和图像的任意组合作为输入，直播中GPT-4O展示了实时语音交流能力，响应极快，并且可以识别用户的语音情绪，语音有情感，还能用不同语言和多人同时交互。在语音的同时可以与视频实时交互，演示了一边聊天一边解答手写数学问题，以及实时交流阅读代码，指导编程、视频聊天等能力。

GPT-4o 的文本和图像功能今天开始在 ChatGPT 中推出。GPT-4o会 在免费套餐中提供，向 Plus 用户提供高达 5 倍的消息限制。在未来几周内OpenAI将在 ChatGPT Plus 中推出带有 GPT-4o 的新版本语音模式。开发人员现在可以在 API 中将 GPT-4o 作为文本和视觉模型进行访问。与 GPT-4 Turbo 相比，GPT-4o 的速度快 2 倍，价格减半，速率限制高出 5 倍。

我们认为，GPT-4o是迈向更自然的人机交互的重大进步，新功能带来了崭新的多模态交互能力，通过新的端到端模型实现了体验上的新突破，有望在各类终端实现用户体验的最大化，利好智能终端Agent、机器人等方向。

风险提示：AI技术迭代不及预期；算力紧缺的风险；宏观经济下行的风险。