传媒互联网行业大模型进程焦点：OpenAI春季发布会及谷歌开发者大会要点归纳-240516-信达证券-11页.pdf

[Table_Title]

证券研究报告大模型进程焦点：OpenAI春季发布会及谷歌

行业研究开发者大会要点归纳

[Table_ReportType]

行业事项点评

[Table_ReportDate]2024年5月16日

[Table_StockAndRank]

[Table_Summary]

投资评级事件：北京时间5月14日凌晨，OpenAI发布了必威体育精装版模型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

上次评级成文本、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

[Table_Author]

冯翠婷传媒互联网及海外首席分析

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

师

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。

执业编号：S1500522010001

联系电话

邮箱：fengcuiting@

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-4

Turbo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，几乎无延迟，达到真人聊天的水平；可以识别用户的语音情绪，语音

有情感；可以使用不同语言（英语、意大利语）和多人同时交互；在语音的

同时可以与视频实时交互；实时交流，协助阅读代码，指导编程；实时视频

聊天,并识别情绪等。

北京时间5月15日凌晨，GoogleI/O开发者大会正式开幕。公司更新了

Gemini1.5Pro，引入了1.5Flash较小型号的Gemini版本，同时也增加了两

个新的Gemma模型。Gemini1.5Pro：普通版本配备了100万token上下

文窗口，而Gemini1.5Pro将在GoogleAIStudio或适用于GoogleCloud

客户的VertexAI中的候补名单中拥有200万个代币上下文窗口。在智能

[Table_OtherRe