OpenAI hôm nay công bố phiên bản mới nhất của dòng mô hình ngôn ngữ lớn – GPT‑5. Khác với các phiên bản trước, GPT‑5 không chỉ xử lý văn bản mà còn có khả năng tạo và hiểu video, âm thanh, và hình ảnh trong cùng một khung thời gian. Điều này đạt được nhờ kiến trúc Multimodal Transformer (MMT) mới, tích hợp các mô-đun chuyên biệt cho từng loại dữ liệu.
GPT‑5 được huấn luyện trên hơn 2 nghìn tỷ token và 5 triệu giờ video, âm thanh, cho phép nó thực hiện các tác vụ phức tạp như tạo kịch bản phim ngắn, biên tập video tự động, và thậm chí viết nhạc. Các nhà nghiên cứu của OpenAI khẳng định mô hình đạt điểm BLEU 45 trên bộ dữ liệu WMT và độ tương đồng hình ảnh 0.92 trên MS-COCO.
OpenAI đã mở rộng chương trình API để các nhà phát triển có thể truy cập các tính năng đa phương tiện của GPT‑5. Nhiều công ty công nghệ, bao gồm Adobe và Unity, đã ký kết thỏa thuận hợp tác thử nghiệm GPT‑5 trong các công cụ sáng tạo nội dung của mình.
Về mặt đạo đức, OpenAI công bố bộ quy tắc mới để kiểm soát việc tạo nội dung giả mạo, đồng thời triển khai hệ thống watermark AI để nhận diện nội dung do GPT‑5 tạo ra.