OpenAI's GPT-4o Durchbruch: KI versteht Emotionen, unterrichtet wie ein Mensch und ist weltweit kostenlos!

Niklas Volland (0:00)

Ja, hi und herzlich Willkommen zu einer neuen Folge von KI-Talk, zu einer Special-Folge. Lieber Maxi, du bist auch wieder mit am Start. Ich bin auch diesmal wieder Niklas. Und heute wollen wir mal über Chat-GPT-4o sprechen, nämlich das Modell, das OpenAI am Montag vorgestellt hat. Denn da gibt es sicherlich einiges an spannenden Insights zu berichten. Bevor wir aber ins Thema reinstarten, Maxi, gehts dir gut.

Maxi (0:29)

Mir gehts always gut, aber diesmal mit Nackenschmerzen hier dabei. Das hocke ich heute zum ersten Mal. Aber diese Update, das ist wirklich ein Jubiläum. Deswegen mussten wir einfach zusammen den Podcast jetzt hier machen. Deswegen schnallt euch alle an, weil das hier wird super spannend heute.

Niklas Volland (0:49)

Absolut, auf jeden Fall. Ja, crazy, ich bin ein bisschen gebeutelt von Pollenallergie. Also für die, die das hier mit Video schauen, sorry, falls ich ein bisschen ausschaue, als hätte ich zwei Nächte nicht geschlafen. Das liegt einfach an den Pollen. Ich hoffe, ich spreche auch nicht zu Nassal. Ich gebe mir auf jeden Fall Mühe. Ja, Maxi, ich würde sagen, Quatsch schon gar nicht lange, gehen wir direkt mal rein ins Thema. GPT-4o, vielleicht starten wir mal damit. Wofür steht das jetzt eigentlich? Man könnte es auch falsch lesen. Ihr habt auch viel von GPT-40 schon gehört. Nein, es ist nicht GPT-40 oder 40, sondern es ist 4o. Und das o steht für Omni. Und es gibt schon mal einen guten Hinweis darauf, was hier eigentlich genau vorgestellt wurde. Omni im Sinne von multimodale KI. Klingt ein bisschen crazy, aber was bedeutet das eigentlich? Das bedeutet, dass der Chatbot in diesem Fall basierend auf dem Modell GPT-4o Text, Bild und Audio gleichzeitig verarbeiten kann. Und das ist im Prinzip eigentlich nichts anderes, als diese Multimodalität, über die man immer spricht, dass man einfach mehrere, man könnte sagen Sinne, sozusagen irgendwie anspricht. Und das ist ziemlich spannend hier bei GPT-4o. Das ermöglicht natürlich dadurch eine Vielzahl an sehr, sehr interessanten Use-Cases. Dadurch, dass es eben Text, Bild und Audio gleichzeitig verarbeiten kann, kann man damit halt auf einer ganz anderen, auf einer ganz neuen Level kommunizieren, interagieren. Denn wir kennen schon die Objekterkennung auch von GPT-4o. Also, dass man zum Beispiel ein Bild macht von einem, was weiß ich, Straßenschild oder so und fragen kann, was bedeutet das jetzt eigentlich? Aber das Ganze ist ziemlich langsam. Und wirklich dieses, ich mache die Kamera auf, ich spreche mit dem Chatbot und kann über das sprechen, was ich in dem Moment gerade sehe, das ist ganz neu. Und das ist wirklich beeindruckend, wirklich, wirklich spannend.

Und ermöglicht einfach nochmal ganz neue Möglichkeiten, ChatGPT in seine Umgebung mit einzubinden und mit ChatGPT zu kommunizieren. Ansonsten, sehr, sehr spannend, GPT-4o ist an sich genauso intelligent wie GPT-4, aber deutlich schneller nochmal. Also ich habe schon Zugriff auf GPT-4o. Maxi, ich weiß nicht, hast du auch schon Zugriff?

Maxi (3:15)

Ja, Zugriff und einen Satz dazu. Wir haben es auch getestet und wir sind es bei uns speziell darauf gekommen, dass es schneller ist, aber speziell wenn es um komplexe Sachen geht oder mehrere Anforderungen, sind wir noch mehr zufrieden im Moment mit dem älteren Modell, also mit dem GPT-4.

Niklas Volland (3:31)

Interessant, ja. Ja, auf jeden Fall, das habe ich auch schon gemerkt, dass es deutlich schneller ist in der Tat, aber ja, sehr, sehr spannend, dass es dann bei komplexeren Sachverhalten eurer Erfahrung nach noch nicht auf dem Level vielleicht ist wie GPT-4, aber auch das wird sich vielleicht ändern. Ich meine, die Modelle werden eh fortlaufend verbessert. Was ich auf jeden Fall auch noch sehr, sehr beeindruckend finde, GPT-4o kann Emotionen in der Stimme erkennen. Also wenn du mit 4o kommunizierst und sprichst, dann kann das einfach die Art und Weise, wie du sprichst, interpretieren und eine Emotion erkennen und darauf dann reagieren.

Auch das ist ganz neu. Das kannten wir bis jetzt noch nicht. Die Latenz ist weg. Also das kennt man ja auch, dass wenn man mit KI kommuniziert, so wie wir das schon seit Jahren kennen von Siri oder Alexa, dass es dann immer kurz dauert, bis das, was du sagst, interpretiert wurde und eine Antwort kommt. Das ist jetzt komplett weg. Das heißt, du kannst wirklich in real-time damit kommunizieren. Es kann sogar singen, fand ich auch interessant.

Es kann singen. Es kann natürlich auch selbst Emotionen in der Stimme transportieren. Da habe ich so einen spannenden News-Case gesehen, wo jemand quasi Chat-GPT in so ein Herz reingeschrieben hat, hat es dann quasi dem Bot gezeigt und der hat dann geantwortet, oh, that's so sweet of you. Also es ist einfach noch viel realistischer, viel menschlicher, wie der Bot kommuniziert.

Und ansonsten soll es auch außerhalb von der englischen Sprache, die ja so die primäre Sprache ist, in der das System entwickelt wird, noch deutlich bessere Ergebnisse liefern als alle bisherigen Versionen. Und vielleicht an der Stelle noch eine Sache, das ist eigentlich der richtige Banger an der ganzen Sache, es ist kostenlos, es ist tatsächlich komplett kostenlos nutzbar. Der einzige Unterschied für die, die ein Premium-Abo haben, ist, dass du damit mehr Anfragen pro Tag stellen kannst. Und auch die Zugriffe auf die API von OpenAI, also wenn du ein eigenes System gebaut hast, das sozusagen auf das Gehirn zugreift von OpenAI, wenn man so will, ist auf der Basis von dem neuen Modell dann auch deutlich günstiger. Also es wird insgesamt günstiger, es wird besser zugänglich und es wird von den Funktionen her immer beeindruckender, immer leistungsstärker, einfach krass. An der Stelle aber mal ein kurzer Punkt, Maxi. Ziemlich wild, was da passiert ist, wild, was sie vorgestellt haben. Was sind denn so deine Gedanken dazu?