先是GPT的持續(xù)迭代，后是文生視頻的Sora的一騎絕塵，一直被OpenAI牽著鼻子走的大模型在經(jīng)歷繁花似錦的一年之后，終于在行業(yè)化場景化嘗試落地，并于多模態(tài)能力尋求新的突破。

GPT-4o橫空出世

而今天實(shí)現(xiàn)這一突破的還是OpenAI。可以說，在大模型混戰(zhàn)日益激烈的今天，OpenAI釋放了又一重磅炸彈——GPT-4o。

事情是這樣的。今天凌晨，OpenAI在其春季發(fā)布會上推出最新杰作GPT-4o，以其突破性的智能交互能力，徹底顛覆了我們對AI語音助手的認(rèn)知。

在一段簡短的視頻中，OpenAI揭曉了其新一代AI大模型GPT-4o，該模型能夠?qū)崟r進(jìn)行音頻、視覺和文本的推理，GPT-4o中的“o”源自O(shè)mni，即“全能”，體現(xiàn)了其全面而強(qiáng)大的能力。

何為全能？在發(fā)布現(xiàn)場，OpenAI技術(shù)負(fù)責(zé)人穆拉迪(MiraMurati)表示：“新型號GPT-4o‘速度快得多’，在文本、視頻和音頻方面都有改進(jìn)，公司最終計(jì)劃讓用戶與ChatGPT進(jìn)行視頻聊天。這是我們第一次在易用性方面邁出巨大的一步。”

據(jù)透露，相較于先前的GPT-4Turbo，GPT-4o在運(yùn)算速度和成本效益方面均實(shí)現(xiàn)了顯著的優(yōu)化。

更為出色的是，GPT-4o擁有對文本、圖像、音頻等多種信息模態(tài)的處理能力，從而為用戶提供了更為自然且流暢的交互體驗(yàn)。

更快更強(qiáng)還免費(fèi)

OpenAI不僅發(fā)布全新旗艦大模型GPT-4o，還更新界面以提高用戶使用體驗(yàn)，并且宣布免費(fèi)開放使用，付費(fèi)用戶享有五倍的使用容量限制。

在免費(fèi)使用方面，官方給出的免費(fèi)限制在一定消息數(shù)量上，超過這個消息量之后，免費(fèi)的模型將被切回ChatGPT。這是GPT-4o的優(yōu)勢之一。

在API使用上，GPT-4o相較于去年11月發(fā)布的GPT-4-turbo，價(jià)格降低了50%，速度提升了200%，進(jìn)一步提升了性價(jià)比。

更令人期待的是，未來幾周內(nèi)，GPT-4o的語音和視頻輸入功能也將陸續(xù)推出，為用戶帶來更多元的交互方式。

與現(xiàn)有的大模型相比，GPT-4o在音頻與視覺方面表現(xiàn)得尤為出色。其中，在音頻方面，GPT-4o可以在短至232毫秒的時間內(nèi)響應(yīng)用戶的語音輸入，這也意味著320毫秒的用時已經(jīng)接近人類在日常對話中的反應(yīng)時間。

而在GPT-4o之前，用戶使用VoiceMode(由三個獨(dú)立模型組成)與ChatGPT通話，但平均延遲為2.8秒(GPT-3.5)和5.4秒(GPT-4)。這也進(jìn)一步證明了GPT-4o的先進(jìn)之處。

同時，GPT-4o能夠應(yīng)對文本、音頻和圖像任意組合的多元化輸入，并據(jù)此生成相應(yīng)類型的任意組合輸出。

此外，GPT-4o在英語文本和代碼處理方面的表現(xiàn)與GPT-4Turbo旗鼓相當(dāng)，而在非英語文本的處理能力上，GPT-4o更是展現(xiàn)出了顯著的性能提升。

據(jù)悉，GPT-4o在設(shè)計(jì)中內(nèi)置了跨模式的安全性，并創(chuàng)建了新的安全系統(tǒng)，為語音輸出提供護(hù)欄。

此外，GPT-4o還與來自社會心理學(xué)、偏見和公平、錯誤信息等領(lǐng)域的70多名外部專家開展廣泛的外部團(tuán)隊(duì)合作，以識別新增加的模式引入或放大的風(fēng)險(xiǎn)，提高與GPT-4o互動的安全性。

不停歇的OpenAI

從GPT到Sora再到GPT-4o，可以說，OpenAI在大模型創(chuàng)新的路上持續(xù)前行，并在大模型領(lǐng)域一騎絕塵。

早在上周便有消息傳出，OpenAI準(zhǔn)備推出一款A(yù)I搜索引擎，并將矛頭指向Google即將召開的I/O大會。然而，AI搜索引擎并未如期而至，到來的是GPT-4o。

GPT-4o不僅能通過聲音和文字跟人交流，還能識別物體和圖像，并且邏輯推理能力也比現(xiàn)在市面上的產(chǎn)品要強(qiáng)。

可以說，GPT-4o將轉(zhuǎn)錄音頻和文本轉(zhuǎn)語音等功能合二為一，構(gòu)建一個更懂圖像和音頻的多模態(tài)模型，響應(yīng)速度也更快。

在筆者看來，無論是上個月推出的“語音引擎”(VoiceEngine)，還是更早些時候發(fā)布的TTS(文本轉(zhuǎn)語音)軟件，都有著不俗的表現(xiàn)，有著更為廣泛的應(yīng)用場景，且實(shí)用性更強(qiáng)。

以微軟為例，微軟也在考慮用技術(shù)來提升語音助手，OpenAI表示，這次更新“是朝著實(shí)用性的方向發(fā)展。”

除了探索更為實(shí)用的場景外，OpenAI也將推出新的定價(jià)模式，調(diào)查數(shù)據(jù)顯示，一直“燒錢”的OpenAI今年預(yù)計(jì)將迎來數(shù)十億美元的收入。

據(jù)悉，假如客戶通過預(yù)付費(fèi)預(yù)定Tokens，便能享受高達(dá)50%。一些AI服務(wù)器經(jīng)銷商曾表示，在他們的軟件上運(yùn)行開源模型比使用OpenAI的模型便宜六倍。

毫無疑問，這種更靈活的定價(jià)，將有助于OpenAI更好地與其他模型開發(fā)人員和AI服務(wù)器經(jīng)銷商競爭。

尋求場景化落地與商業(yè)化是OpenAI解決燒錢焦慮的重要方法，通過發(fā)布GPT-4o，我們看到OpenAI的決心與實(shí)力。

寫在最后

在競爭激烈的大模型市場，OpenAI接連發(fā)布重磅版本，一騎絕塵。

不管我們承認(rèn)與否，在GPT-4o的發(fā)布下，大模型的多模態(tài)交互的能力再次被拉高，OpenAI仍然站在多模態(tài)的最高峰。

接下來，讓我們期待大模型領(lǐng)域其他玩家的新發(fā)布。