OpenAI模型终于更新！强大视听能力的GPT-4o将面向所有用户，其前身正是神秘的gpt2！

编辑 | 伊风

春季终于如约而至！GPT系列的模型终于等到了久违的更新——GPT-4o浮出水面。

而且此前颇具神秘气息的“im-also-a-good-gpt2-chatbot”，正是其测试版本。

本场更新并未见到奥特曼的身影，而是由OpenAI CTO 穆里-穆拉提（Muri Murati）主持。此前她曾因为在采访中对OpenAI的训练数据语焉不详而受到过一些争议。

OpenAI在春季发布上都说了啥呢？一句话概括，GPT-4o更快、更多模态、而且更加便宜了！

最新模型GPT-4o

让奥特曼直呼“amazing work”的模型更新来了！

可以看到GPT-4o的性能一骑绝尘。（题外话，通义千问大模型在这张图的右侧默默上榜了）。

新的大型语言模型是在互联网的海量数据基础上训练出来的，将更擅长处理文本和音频，并可处理 50 种语言。

OpenAI 更新的 GPT-4o 生成式人工智能模型，将在未来几周内正式面向开发者和消费者推出。新模型将面向所有用户，穆拉提补充说，付费用户将继续 "拥有五倍于免费用户的容量限制"。

OpenAI 首席技术官穆里-穆拉提（Muri Murati）说，GPT-4o 提供了 "GPT-4 级 "的智能，但改进了 GPT-4 在文本、视觉和音频方面的能力。

"穆拉提在 OpenAI 办公室举行的主题演讲中说："GPT-4o 的优势在于它能跨越语音、文本和视觉。"这一点非常重要，因为我们正在展望人类与机器互动的未来。

GPT-4是OpenAI之前的领先模型，它是由图像和文本组合训练而成的，可以分析图像和文本，完成从图像中提取文本甚至描述图像内容等任务。但 GPT-4o 在此基础上增加了语音功能。

这吻合了此前大家猜测的方向：“ChatGPT+Voice Agent”！

英伟达的科学家Jim Fan在更新直播前的预测

GPT-4o强大的“视听”能力

OpenAI 首席执行官山姆-阿尔特曼（Sam Altman）发布消息称，该模型是 "原生多模态 "的，这意味着该模型可以生成内容或理解语音、文本或图像命令。

GPT-4o在语音方面具体可以实现什么呢？

GPT-4o 极大地改善了 ChatGPT 的体验--ChatGPT 是 OpenAI 的病毒式人工智能聊天机器人。ChatGPT 长期以来一直提供语音模式，使用文本到语音模型转录 ChatGPT 中的文本。但 GPT-4o 对此进行了改进，让用户可以更像使用助手一样与 ChatGPT 互动。

例如，用户可以向由 GPT-4o 支持的 ChatGPT 提问，并在 ChatGPT 回答时打断它。OpenAI 表示，该模型可以提供 "实时 "响应，甚至可以捕捉用户声音中的情感，并生成 "一系列不同情感风格 "的语音。

GPT-4o 还提高了 ChatGPT 的视觉能力。如果给定一张照片或一个桌面屏幕，ChatGPT 现在可以快速回答相关问题，从 "这个软件代码是怎么回事 "到 "这个人穿的是什么牌子的衬衫？"

"穆拉提说："我们知道这些模型越来越复杂，但我们希望交互体验实际上变得更加自然、轻松，让你完全不用关注用户界面，而只关注与 [GPT] 的协作。

OpenAI 声称，GPT-4o 的多语言性也更强，在 50 种不同语言中的性能都有所提高。Altman 在 X 上补充说，想要使用 GPT-4o 的开发者可以访问 API，其价格是 GPT-4-turbo 的一半，速度是 GPT-4-turbo 的两倍。

写在最后

OpenAI具有强大音频能力的模型GPT-4o的推出，让我们进一步看到了虚拟助手的未来。

有知情的科技博主表示，此时的发布也是OpenAI和苹果已经达成交易的信号。这意味着Siri的未来可能是由ChatGPT进行支持的！

如果OpenAI与微软、苹果都牵起了手，那么谷歌这个"AI届汪峰"真的要陷入孤军奋战的尴尬中了。

明天，谷歌的开发者大会将如约而至。OpenAI 赶在此时发布产品更新颇有些抢夺谷歌风头的意思！

那么，你认为谷歌发布什么产品才可以为自己扳回一局呢？

参考链接：

1.https://techcrunch.com/2024/05/13/openais-newest-model-is-gpt-4o/

2.https://www.theverge.com/2024/5/13/24155493/openai-gpt-4o-launching-free-for-all-chatgpt-users?showComments=1

 ——好文推荐——