本次发布会上发布了模型chatGPT4.0o，视觉语音文本全能的多模态大模型。
发布会视频链接：网页链接
官网介绍：网页链接
本次发布的模型核心为更自然的人机交互，可以接受文本、语音和视频任意组合作为输入，并实时以文本、语音和视频给予反馈。
个人感觉最为惊艳的点在于和GPT-4o视频聊天，摄像头作为最直接的输入口，让GPT拥有了眼本次发布的模型核心为更自然的人机交互，可以接受文本、语音和视频任意组合作为输入，并实时以文本、语音和视频给予反馈。
使用者和GPT4.0o进行视频聊天。
GPT4.0o通过摄像头指导使用者解决数学题。
还有什么输入方式能比摄像头+语音更直接快捷呢？可以预见未来AI硬件标配CIS和语音芯片。