Le 13 mai 2024, OpenAI a dévoilé GPT-4o (le « o » signifie « omni »)—leur premier modèle véritablement multimodal qui traite nativement texte, voix et vision ensemble.

Pas des modèles séparés assemblés. Un modèle unifié comprenant les trois simultanément.

Ce qui le Rendait Différent

Vraie multimodalité : Modèle unique, pas des modèles voix/vision/texte séparés connectés Voix en temps réel : Conversation naturelle avec latence minimale Détection d'émotion : Comprenait le ton, l'inflexion, le contexte émotionnel Intégration vision : Analysait les images tout en en parlant Gratuit pour tous : GPT-4o est devenu tier gratuit, pas exclusif Plus

Les Démos

Les démos de lancement d'OpenAI étaient stupéfiantes :

• Tutorat en temps réel avec voix et problèmes mathématiques visuels
• Traduction entre locuteurs dans différentes langues
• Analyse de code à l'écran tout en en discutant
• Chant et réponses vocales émotionnelles

Ça ressemblait à de l'IA de science-fiction.

La Vitesse

GPT-4o était 2x plus rapide que GPT-4 tout en étant plus capable. Cela a fait que la conversation vocale en temps réel fonctionne réellement—pas de pauses gênantes.

L'Accessibilité

Plus important encore : GPT-4o est devenu le tier gratuit pour ChatGPT. Tout le monde pouvait accéder à l'IA de pointe, pas seulement les abonnés à 20$/mois.

Cela a spectaculairement démocratisé l'accès.

Où en Sont-Ils Maintenant ?

GPT-4o reste le modèle standard d'OpenAI pour la plupart des utilisateurs. Le mode voix particulièrement a impressionné les utilisateurs comme IA véritablement conversationnelle.

Le 13 mai 2024 a été le moment où les assistants IA ont commencé à ressembler moins à des chatbots et plus à de vrais assistants—voyant, entendant et parlant naturellement.