相比于以往ChatGPT新版本发布后给出的研究论文和技术报告，本次OpenAI并未放出任何研究报告，而是转为在官网中放出了本次的升级以及模型评估对比。按照传统基准测试，GPT-4o 在文本、推理和编码智能方面实现了 GPT-4 Turbo 级别的性能，同时在多语言、音频和视觉能力方面创下了新的高水位线。

• 文本评估

GPT-4o在0-shot COT MMLU测试中以88.7%的准确率刷新了常识性问题解答的新高。这些评估结果都是利用我们新开发的简易评估库获得的。同时，在传统的5次训练（5-shot）无COT的MMLU测试中，GPT-4o也以87.2%的准确率创下了新记录。