GPT-4o

GPT-4o^[a] é um transformador generativo multimodal e multilíngue pré-treinado, desenvolvido pela OpenAI e lançado em maio de 2024.^[1] O GPT-4o é gratuito, mas assinantes do ChatGPT Plus contam com limites de uso mais elevados.^[2] Ele é capaz de processar e gerar texto, imagens e áudio.^[3] Sua interface de programação de aplicativos (API) é mais rápida e econômica que a de seu antecessor, GPT-4 Turbo.^[1]

Diversas versões do GPT-4o foram originalmente lançadas de forma discreta, sob nomes diferentes, na Chatbot Arena da Large Model Systems Organization (LMSYS), apresentadas como três modelos distintos. Esses modelos foram nomeados como gpt2-chatbot, im-a-good-gpt2-chatbot e im-also-a-good-gpt2-chatbot.^[4] Em 7 de maio de 2024, o CEO da OpenAI, Sam Altman, tuitou "im-a-good-gpt2-chatbot", o que foi amplamente interpretado como uma confirmação de que esses eram novos modelos da OpenAI sendo testados em experimentos A/B.^[5][6]

Lançado em maio de 2024, o GPT-4o alcançou resultados de ponta em benchmarks de voz, multilíngue e visão, estabelecendo novos recordes em reconhecimento de fala e tradução de áudio.^[7][8] O GPT-4o obteve uma pontuação de 88,7 no benchmark Massive Multitask Language Understanding ( MMLU ), em comparação com 86,5 do GPT-4.^[9] Diferentemente do GPT-3.5 e do GPT-4, que dependem de outros modelos para processar áudio, o GPT-4o oferece suporte nativo à conversão de voz em voz.^[9] O Modo de Voz Avançado foi inicialmente adiado, mas acabou sendo lançado para assinantes do ChatGPT Plus e Team em setembro de 2024.^[10] Em 1° de outubro de 2024, a API em tempo real foi introduzida.^[11]

No lançamento, o modelo oferecia suporte a mais de 50 idiomas,^[1] o que, segundos a OpenAI, cobre mais de 97% da população global de falantes.^[12] Mira Murati demonstrou a capacidade multilíngue do modelo ao conversar em italiano e realizar traduções entre inglês e italiano durante o evento de demonstração da OpenAI transmitido ao vivo em 13 de maio de 2024. Além disso, o novo tokenizador^[13] utiliza menos tokens para determinados idiomas – especialmente aqueles que não usam o alfabeto latino – tornando o uso mais econômico nesses casos.^[9]

O GPT-4o possui conhecimento acumulado até outubro de 2023,^[14][15] mas é capaz de acessar a internet quando são necessárias informações atualizadas. Ele conta com um comprimento de contexto de 128 mil tokens.^[14]

O processo de ajuste fino exige que os clientes enviem seus dados para os servidores da OpenAI, sendo que o treinamento geralmente leva de uma a duas horas. O objetivo da OpenAI com essa implementação é reduzir a complexidade e o esforço necessários para que as empresas personalizem soluções de IA conforme suas necessidades, o que pode aumentar tanto a adoção quanto a eficácia da IA em ambientes corporativos.^[16][17]

Em 18 de julho de 2024, a OpenAI lançou uma versão menor e mais acessível, o GPT-4o mini.^[18]

Segundo a OpenAI, seu baixo custo é especialmente vantajoso para empresas, startups e desenvolvedores que buscam integrá-lo aos seus serviços – geralmente caracterizados por alto volume de chamadas de API. Sua API custa quinze centavos de dólar por milhão de tokens de entrada e sessenta centavos de dólar por milhão de tokens de saída, em comparação com dois dólares e cinquenta centavos e dez dólares,^[19] respectivamente, do GPT-4o. Ele também é significativamente mais eficiente e 60% mais barato que o GPT-3.5 Turbo, que substituiu como modelo padrão na interface do ChatGPT.^[18] O custo dobra em casos de ajuste fino: 30 centavos de dólar por milhão de tokens de entrada e um dólar e vinte centavos por milhão de tokens de saída.^[19] Estima-se que o modelo tenha oito bilhões de parâmetros.^[20]

O GPT-4o mini é o modelo padrão para usuários gratuitos e para aqueles que atingem o limite de uso do GPT-4o.

GPT Image 1
Imagem de Karl Marx em um contexto contemporâneo, gerada pelo GPT Image 1
Desenvolvedor	OpenAI
Lançamento inicial	25 de março de 2025
Tipo	Modelo de texto para imagem
Website	platform.openai.com/docs/models/gpt-image-1

Em 25 de março de 2025, a OpenAI lançou um modelo de geração de imagens nativo do GPT-4o, como sucessor do DALL-E 3. Posteriormente, o modelo foi nomeado GPT Image 1 (gpt-image-1) e integrado à API em 23 de abril. Inicialmente, foi disponibilizado para usuários pagos, enquanto o lançamento para usuários gratuitos foi adiado.^[21]

O uso do recurso foi posteriormente limitado, com Sam Altman comentando em um tweet que "[as] GPUs estavam derretendo" devido à popularidade sem precedentes do modelo.^[22] Mais tarde, a OpenAI revelou que mais de 130 milhões de usuários ao redor do mundo criaram mais de 700 milhões de imagens com o GPT Image 1 apenas na primeira semana⁠.^[23]

Quando foi lançado, o GPT-4o oferecia cinco vozes: Breeze, Cove, Ember, Juniper e Sky. Rapidamente, foi notada uma semelhança entre a voz Sky e a da atriz americana Scarlett Johansson. Em 14 de maio, a Entertainment Weekly questionou se essa semelhança havia sido intencional.^[24] Em 18 de maio, o marido de Johansson, Colin Jost, comentou de forma bem-humorada sobre a semelhança durante um quadro do Saturday Night Live.^[25] Em 20 de maio de 2024, a OpenAI desativou a voz Sky, emitindo uma nota afirmando: "Recebemos perguntas sobre como escolhemos as vozes no ChatGPT, especialmente Sky. Estamos trabalhando para suspender temporariamente o uso da voz Sky enquanto lidamos com essas questões."^[26]

Scarlett Johansson protagonizou o filme de ficção científica Her, de 2013, interpretando Samantha, uma assistente virtual com inteligência artificial representada por uma voz feminina. Como parte da divulgação que antecedeu o lançamento do GPT-4o, Sam Altman publicou no X (antigo Twitter), em 13 de maio, uma única palavra: "ela".^[27][28]

A OpenAI afirmou que todas as vozes foram baseadas em atuações de dubladores profissionais contratados. Segundo a empresa, "a voz de Sky não é uma imitação de Scarlett Johansson, mas pertence a uma atriz profissional diferente, utilizando sua própria voz natural."^[26] A diretora de tecnologia da OpenAI, Mira Murati, declarou: "Não sabia sobre essa voz. Tive, inclusive, que ir ouvir a voz da Scarlett Johansson." A empresa também informou que o elenco de dublagem havia sido finalizado antes de qualquer contato com Johansson.^[28][29]

Em 21 de maio, Johansson divulgou um comunicado informando que a OpenAI havia, por diversas vezes, feito propostas para licenciar sua voz cerca de nove meses antes do lançamento do GPT-4o – propostas que ela recusou. Ela afirmou ter ficado "chocada, irritada e incrédula ao saber que o Sr. Altman criaria uma voz tão estranhamente semelhante à minha que nem mesmo meus amigos mais próximos e veículos de imprensa conseguiam perceber a diferença". No comunicado, Johansson também destacou a ausência de salvaguardas legais adequadas para o uso de trabalhos criativos em sistemas avançados de inteligência artificial, informando que seu advogado solicitou esclarecimentos à OpenAI sobre como a voz Sky foi criada.^[28][30]

Observadores compararam o episódio com a forma o processo que Johansson moveu contra a The Walt Disney Company por quebra de contrato, relacionado ao lançamento do filme Viúva Negra diretamente no streaming,^[31] o qual teria rendido à atriz um acordo estimado em cerca de 40 milhões de dólares.^[32]

Também em 21 de maio, a colunista Shira Ovide, do The Washington Post, incluiu o caso na sua lista de "autopromoções mais desastrosas" de empresas de tecnologia, classificando a decisão da OpenAI – de lançar uma voz semelhante a de Johansson e depois negar a semelhança – em sexto lugar.^[33] Em 24 de maio, Derek Robertson, do Politico, escreveu sobre a "forte repercussão" do caso, concluindo que "apropriar-se da voz de uma das estrelas do cinema mais famosas do mundo — em referência [...] a um filme que serve como advertência sobre a dependência excessiva da — dificilmente ajudará a reconquistar o apoio público a [Sam Altman] num futuro próximo."^[34]

Com o lançamento do recurso de geração de imagens do GPT-4o (posteriomente denominado GPT Image 1), em março de 2025, fotografias recriadas no estilo dos filmes do Studio Ghibli rapidamente se tornaram virais.^[36] Sam Altman reconheceu a tendência ao alterar sua foto de perfil para uma imagem inspirada nesse estilo.^[37][38] O uso do visual característico do Studio Ghibli gerou controvérsias, sendo criticado por veículos como a Associated Press e o The New York Times, que relembraram declarações do diretor Hayao Miyazaki contra a arte produzida por IA no documentário Never-Ending Man: Hayao Miyazaki, de 2016.^[35][39]

A polêmica se intensificou quando a conta oficial da Casa Branca no Twitter publicou uma imagem no estilo Ghibli zombando da prisão da imigrante Virginia Basora-Gonzalez por autoridades migratórias. A imagem a retratava chorando, enquanto era algemada por um agente de intimidação, o que gerou fortes reações negativas.^[35][40][41] Em resposta à crescente tendência do uso desse estilo, a distribuidora norte-americana GKIDS emitiu um comunicado à imprensa, comparando esse fenômeno ao relançamento em IMAX do filme Mononoke Hime, de 1997, produzido pelo Studio Ghibli.^[42]

Notas e referências

Notas

Referências