OpenAI hat laut a einigen seiner Kunden ein neues multimodales KI-Modell gezeigt, das sowohl mit Ihnen sprechen als auch Objekte erkennen kann google–apple?rc=r6gev9″>neuer Bericht von Die Information. Unter Berufung auf ungenannte Quellen, die es gesehen haben, sagt das Outlet, dass dies Teil dessen sein könnte, was das Unternehmen am Montag zeigen will.

Berichten zufolge bietet das neue Modell eine schnellere und genauere Interpretation von Bildern und Audio als die bestehenden separaten Transkriptions- und Text-to-Speech-Modelle. Es wäre offenbar in der Lage, Kundendienstmitarbeitern dabei zu helfen, „die Betonung der Stimmen der Anrufer besser zu verstehen oder ob sie sarkastisch sind“, und „theoretisch“ kann das Modell Schülern beim Rechnen oder beim Übersetzen realer Zeichen helfen, schreibt er Die Information.

Die Quellen des Outlets sagen, dass das Modell den GPT-4 Turbo bei der Beantwortung einiger Arten von Fragen übertreffen kann, aber immer noch anfällig dafür ist, selbstbewusst etwas falsch zu machen.

Es ist möglich, dass OpenAI auch eine neue integrierte chatgpt-Funktion zum Tätigen von Telefonanrufen vorbereitet, so Entwickler Ananay Arora, der den obigen Screenshot des anrufbezogenen Codes gepostet hat. Arora auch entdeckte Beweise dass OpenAI Server bereitgestellt hatte, die für die Audio- und Videokommunikation in Echtzeit vorgesehen waren.

Nichts davon wäre GPT-5, wenn es nächste Woche vorgestellt wird. CEO Sam Altman hat ausdrücklich bestritten, dass seine bevorstehende Ankündigung irgendetwas mit dem Modell zu tun hat, das „materiell besser” als GPT-4. Die Information schreibt, dass GPT-5 möglicherweise bis Ende des Jahres öffentlich veröffentlicht wird.