En una presentación online, OpenAI la compañía líder en Inteligencia Artificial (IA) desveló la última versión de su popular ‘chatbot’, que se posiciona como un hito en la carrera tecnológica actual. Se llama GPT-4o.

ChatGPT-4o: Un avance multimodal para todos

Mira Murati, jefa de tecnología de OpenAI, destacó en la sesión abierta que esta nueva versión “mejora sustancialmente las capacidades en texto, visión y audio”, representando un “gran paso adelante” en cuanto a facilidad de uso.

Open AI considera que esta versión tiene superpoderes o mayores capacidades con respecto a las anteriores de su chatbot.

El CEO de OpenAI, Sam Altman, enfatizó en la red social Twitter que GPT-4o, el modelo base de ChatGPT-4o, es el mejor hasta la fecha, siendo “multimodal” y accesible para todos los usuarios, incluyendo aquellos en el plan gratuito, aunque no está claro aún cuándos será su lanzamiento oficial y cuáles serán las modalidades que habrá.

“Hasta ahora, los modelos de clase GPT-4 solo estaban disponibles para usuarios con suscripción mensual. Esto es un gran avance para nuestra misión de democratizar la IA, poniendo herramientas de gran potencia en manos de todos”, agregó Altman.

Las capacidades de GPT-4o

La presentación en vivo incluyó diversas demostraciones que exhibieron las habilidades del ‘chatbot’, utilizando una voz femenina que evocaba a la película ‘Her’ de Spike Jonze, donde un humano se enamora de una IA.

“Nuestro objetivo es eliminar el misticismo de la tecnología y acercarla a las personas para que la experimenten por sí mismas. En las próximas semanas, implementaremos estas capacidades para todos”, mencionó Murati, anticipando novedades sobre “la próxima frontera” en IA en un futuro próximo.

Un ‘chatbot’ inteligente y versátil

La nueva versión de ChatGPT no solo “percibió la emoción” de un usuario nervioso, recomendándole ejercicios de respiración, sino que también bromeó, demostró un rango de estilos y tonos de voz, e incluso leyó un cuento para niños.

Entre sus nuevas funciones, el ‘chatbot’ ahora permite interrupciones y respuestas instantáneas sin demoras, resolución de problemas matemáticos a través de video, e interpretación y traducción simultánea de idiomas de viva voz.

Según la compañía, “GPT-4o (”o” de “omni”) es un paso hacia una interacción de persona-computadora mucho más fluida y natural. El nuevo modelo aceptará como entrada cualquier combinación de texto, audio e imagen, y es capaz de generar cualquier combinación de salidas de texto, audio e imagen.

Su velocidad de respuesta puede llegar a ser de tan solo 232 milisegundos, alcanzando un promedio de 320 milisegundos, tiempo similar al que se toma un humano para responder en una conversación normal. Esta nueva versión iguala el rendimiento de GPT-4 Turbo en texto en inglés y código, con una mejora significativa en texto en idiomas distintos del inglés.

Accesibilidad y nuevas integraciones

Murati destacó que el nuevo modelo GPT-4o ofrece una interfaz de usuario (IU) renovada y una aplicación de escritorio de ChatGPT para que “todos puedan usarlo en cualquier lugar” y se “integre fácilmente en la rutina de trabajo”.

Adicionalmente, estará disponible para desarrolladores a través de la interfaz de programación de aplicaciones (API) de OpenAI, permitiendo la creación de aplicaciones utilizando su tecnología.

En el evento de OpenAI, realizado un día antes de la conferencia de desarrolladores de Google, la compañía contó con la colaboración de NVIDIA, otro líder en IA. Murati agradeció a la empresa y a su CEO, Jensen Huang, por proporcionar “los procesadores más avanzados”.

La batalla por la IA multimodal se intensifica

Google, rival de OpenAI, reveló también este martes novedades sobre su herramienta de IA que compite con ChatGPT, llamada Gemini.

GPT-4o representa un paso significativo en la “democratización de la IA multimodal”, acercando estas potentes herramientas al público en general y abriendo un sinfín de posibilidades para su aplicación en diversos ámbitos.