在北京時間5月14日凌晨，OpenAI在其首次「春季新品發布會」上推出了新一代旗艦生成模型GPT-4o和桌面應用程序，在人工智能的發展史上，今天將被銘記為一個里程碑。

這一天，OpenAI宣布了GPT-4o——一款全新的、功能強大的多模態人工智能模型。這不僅是技術的一次飛躍，更是對未來人機交互方式的一次革命性預示。GPT-4o的發布，不僅在AI領域引起了轟動，更在全球范圍內激起了廣泛的討論和熱烈的反響。

GPT-4o的問世是OpenAI對其使命——“確保人工智能對所有人都有益”——的深化和延續。在經歷了GPT-3.5和GPT-4的成功之后，OpenAI沒有停下腳步，而是繼續推進技術的邊界，致力于打造一個更加智能、更加快速、更加準確的AI模型。GPT-4o的發布，標志著OpenAI在多模態AI領域的一個重大突破，它不僅能夠處理文本，還能理解音頻和圖像，為用戶提供一個更加全面的交互體驗。

OpenAI 的首席技術官 Mira Murati

今天的主持人是 OpenAI 的首席技術官 Mira Murati，她激情洋溢地分享了三個振奮人心的消息。首先，OpenAI將堅持一個信念：免費優先。這不僅是一項策略，而是一種承諾，確保每個人都能觸及未來的智能技術。第二個好消息，OpenAI帶來了全新的桌面應用和一款界面更新，它們的設計如此直觀，使用起來就像呼吸一樣自然。最后，但同樣重要的，是GPT-4的繼任者——GPT-4o。這個新模型，它不僅僅是一個升級版，它是一個革命，它將GPT-4級別的智能帶給了每一個人，無論是付費用戶還是享受免費服務的用戶，都能體驗到前所未有的自然交互方式。這是OpenAI向世界宣告：智能技術，為所有人而生。

在現場氣氛熱烈的發布會上，OpenAI的工程師拿起一部iPhone，興奮地展示了新模型GPT-4o的幾項超酷功能。觀眾們最期待的，無疑是實時語音對話的演示。Mark Chen帶著一絲緊張和期待說道：“這是我第一次參加直播發布會，心跳得好快?！盋hatGPT溫和地回應：“試著深呼吸一下吧。”Mark按照指示深呼吸，而ChatGPT立刻幽默地回答：“放輕松，你這不行，喘得也太大了！”現場響起了一片笑聲和掌聲，GPT-4o的智慧和幽默感，為這場技術盛宴增添了更多人性化的溫暖色彩。

GPT-4o的功能特征堪稱前所未有。作為一個多模態模型，它能夠接收和處理文本、音頻和圖像的輸入，生成相應的輸出。這意味著用戶可以與GPT-4o進行更自然的對話，不僅僅是通過文字，還可以通過語音甚至是圖片。GPT-4o在理解和生成非英語文本方面的性能得到了顯著提升，同時在視覺和音頻理解方面也有了突破性的進展。此外，GPT-4o的響應速度更快，平均響應時間與人類在對話中的響應時間相似，這使得與AI的交互更加流暢和自然。

GPT-4o的技術革新

在人工智能領域，技術的每一次進步都是對未來的一次大膽預測。OpenAI的GPT-4o不僅僅是一個新模型的發布，它代表了AI技術的一次飛躍，為我們揭示了一個全新的、多模態的交互世界。

GPT-4o的技術規格和性能特點

GPT-4o是一個集成了文本、音頻和圖像處理能力的多模態AI模型。它的核心優勢在于其快速響應和高度準確的理解能力。GPT-4o能夠在毫秒級別響應用戶的查詢，這一速度與人類在日常對話中的反應速度相當。此外，GPT-4o在處理非英語文本時的性能得到了顯著提升，這使得它能夠更好地服務于全球用戶。

在 GPT-4o 之前，我們使用語音模式與 ChatGPT 對話，平均延遲為 2.8 秒 (GPT-3.5) 和 5.4 秒 (GPT-4)。為了實現這一目標，語音模式是由三個獨立模型組成的管道：一個簡單模型將音頻轉錄為文本，GPT-3.5 或 GPT-4 接收文本并輸出文本，第三個簡單模型將該文本轉換回音頻。這個過程意味著主要智能來源GPT-4丟失了大量信息——它無法直接觀察音調、多個說話者或背景噪音，也無法輸出笑聲、歌唱或表達情感。

借助 GPT-4o，我們跨文本、視覺和音頻端到端地訓練了一個新模型，這意味著所有輸入和輸出都由同一神經網絡處理。由于 GPT-4o 是我們第一個結合所有這些模式的模型，因此我們仍然只是淺嘗輒止地探索該模型的功能及其局限性。

與前代模型GPT-3.5和GPT-4的比較

與GPT-3.5和GPT-4相比，GPT-4o在多個方面都有所突破。首先GPT-4o的響應時間大幅縮短，用戶幾乎可以實時獲得反饋。其次，GPT-4o在理解復雜查詢和生成自然語言方面的能力有了顯著提高。最重要的是，GPT-4o的多模態能力使其能夠處理和生成圖像和音頻內容，這是前代模型無法實現的。

多模態能力：文本、音頻和圖像的處理

GPT-4o的多模態能力是其最引人注目的特點之一。它不僅能夠理解和生成文本，還能處理音頻和圖像輸入。這意味著用戶可以用圖片詢問問題，或者用語音與GPT-4o交流。例如，用戶可以上傳一張菜單的照片，GPT-4o能夠識別并翻譯上面的文字，甚至提供相關的背景信息和推薦。這種能力極大地擴展了AI的應用場景，使得GPT-4o能夠在教育、醫療、娛樂等多個領域發揮重要作用。

根據傳統基準測試，GPT-4o 在文本、推理和編碼智能方面實現了 GPT-4 Turbo 級別的性能，同時在多語言、音頻和視覺功能上設置了新的高水位線。

改進推理 - GPT-4o 在 0-shot COT MMLU（常識問題）上創下了 88.7% 的新高分。所有這些評估都是通過我們新的簡單評估收集的（在新窗口中打開）圖書館。此外，在傳統的5-shot no-CoT MMLU上，GPT-4o創下了87.2%的新高分。（注：Llama3 400b（在新窗口中打開）還在訓練中）

音頻 ASR 性能 - GPT-4o 比 Whisper-v3 顯著提高了所有語言的語音識別性能，特別是對于資源匱乏的語言。

音頻翻譯性能 - GPT-4o 在語音翻譯方面樹立了新的最先進水平，并且在 MLS 基準測試中優于 Whisper-v3。

M3Exam - M3Exam 基準測試既是多語言評估也是視覺評估，由來自其他國家標準化測試的多項選擇題組成，有時還包括圖形和圖表。在所有語言的基準測試中，GPT-4o 都比 GPT-4 更強。（我們省略了斯瓦希里語和爪哇語的視力結果，因為這些語言的視力問題只有 5 個或更少。

視覺理解評估 - GPT-4o 在視覺感知基準上實現了最先進的性能。所有視覺評估都是 0-shot，其中 MMMU、MathVista 和 ChartQA 作為 0-shot CoT。

GPT-4o的技術革新不僅體現在其快速和準確的響應上，更體現在其對多種模態輸入的處理能力上。這些革新使得GPT-4o成為了一個真正意義上的全能AI模型，為用戶提供了前所未有的交互體驗。

OpenAI的技術驕子們在X平臺上揭開了一個激動人心的秘密：那個在LMSYS Chatbot Arena上掀起軒然大波的神秘模型，被人們熱議的「im-also-a-good-gpt2-chatbot」，其實就是GPT-4o的早期面貌！這不僅是一次技術上的大膽嘗試，更是OpenAI不斷創新和探索的生動證明?，F在，這個曾經的謎團終于揭曉，它正是GPT-4o——一個更智能、更自然、更親近人心的AI模型的起點。

GPT-4o的應用范圍

在人工智能的浪潮中，GPT-4o的出現如同一顆璀璨的新星，其應用范圍廣泛，涵蓋了實時語音和視頻交互、教育、醫療、娛樂等多個行業，以及為企業和開發者提供的豐富場景。

實時語音和視頻交互

GPT-4o的實時語音和視頻交互能力，是其最引人注目的特性之一。用戶可以通過語音與GPT-4o進行交流，無需等待長時間的處理，幾乎可以達到與真人對話的自然流暢度。這種交互方式不僅提高了效率，也使得用戶體驗更加舒適和人性化。在視頻交互方面，GPT-4o能夠理解視頻內容并做出反應，這為遠程教育、在線會議等應用提供了強大的支持。

教育行業的應用

在教育領域，GPT-4o能夠根據學生的學習進度和需求，提供個性化的教學內容和輔導。例如，它可以通過分析學生上傳的作業圖片，給出針對性的指導和建議。此外，GPT-4o還能夠輔助語言學習，通過實時對話練習，幫助學生提高語言能力。

醫療行業的應用

在醫療行業，GPT-4o可以協助醫生進行病例分析和診斷。通過分析醫學圖像，GPT-4o能夠提供初步的診斷意見，幫助醫生更快地識別疾病。同時，它也能夠通過語音交互，為患者提供健康咨詢和醫療信息的解讀。

娛樂行業的應用

在娛樂行業，GPT-4o可以創造全新的互動體驗。它能夠根據用戶的喜好，推薦電影、音樂或游戲，并通過分析用戶上傳的影評或游戲截圖，提供深度的內容分析和討論。此外，GPT-4o還能夠參與創作，協助編寫劇本、歌詞或游戲劇情。

企業和開發者的使用場景

對于企業和開發者而言，GPT-4o提供了強大的工具和服務。企業可以利用GPT-4o優化客戶服務，通過實時語音交互，提供更加人性化的客戶支持。開發者則可以將GPT-4o集成到自己的應用中，無論是開發智能助手、數據分析工具，還是構建復雜的交互式應用，GPT-4o都能提供強有力的支持。

GPT-4o的應用范圍幾乎覆蓋了現代社會的每一個角落。它不僅僅是一個AI模型，更是一個連接人類與數字世界的橋梁，為各行各業帶來了革命性的變化和無限的可能。

GPT-4o的商業模式

在人工智能領域，OpenAI以其GPT-4o模型引領了一場革命。這不僅僅是技術上的突破，更是商業模式創新的典范。GPT-4o的商業模式展現了OpenAI對于AI技術普及和商業化的深刻理解。

OpenAI的免費和付費服務

OpenAI采取了獨特的商業策略，將GPT-4o的部分功能免費提供給用戶，同時也推出了更高級的付費服務。這種模式既滿足了廣大用戶的基本需求，又保證了公司能夠通過高級服務獲得收入，以支持持續的研發和運營。對于普通用戶，免費服務已經能夠滿足日常的查詢、學習和娛樂等需求。而對于那些需要更高級功能、更強大計算能力或更高定制化服務的企業和專業用戶，付費服務提供了更多的選擇和可能性。

通用基礎計算（Universal Basic Compute）的概念

Sam Altman提出的“通用基礎計算”（Universal Basic Compute）概念，是對傳統通用基礎收入（UBI）的一種創新性擴展。在這個模型中，每個人都可以獲得一定量的計算資源，用于個人發展、創業或貢獻社會。這種計算資源可以是GPT-4o的計算能力，也可以是其他形式的AI服務。用戶可以自由選擇如何使用這些資源，甚至可以將它們出售或捐贈。這一概念不僅體現了OpenAI對于AI技術普及的承諾，也為AI技術的社會化應用提供了新的思路。

對傳統商業模式的挑戰

GPT-4o的商業模式對傳統的軟件和服務行業提出了挑戰。在這個模式下，用戶不再需要為每一項服務支付費用，而是可以根據自己的需求選擇免費或付費服務。這種靈活性和開放性，使得GPT-4o能夠迅速獲得大量用戶，并在短時間內積累了大量的數據和經驗，進一步提升了模型的性能和服務質量。同時，這也促使其他公司重新思考自己的商業模式，以適應這種新的市場趨勢。

GPT-4o的商業模式是OpenAI對于AI技術商業化的一次成功嘗試。它不僅為用戶提供了價值，也為公司帶來了收益，同時推動了整個行業的發展和進步。

用戶體驗和市場反饋

在人工智能領域，OpenAI的GPT-4o無疑是一顆冉冉升起的新星。它不僅在技術上實現了突破，更在用戶體驗和市場反饋方面贏得了廣泛的贊譽。

用戶對GPT-4o的評價

對GPT-4o的發布，用戶的評價普遍積極。許多人對其多模態交互能力表示驚嘆，尤其是在實時語音和視頻交互方面的表現。用戶們贊賞GPT-4o能夠理解和生成多種語言的能力，這使得它能夠跨越語言障礙，服務于全球用戶。此外，GPT-4o在教育、醫療、娛樂等行業的應用案例也獲得了用戶的高度評價，許多人認為GPT-4o極大地提高了工作效率和生活質量。

市場分析和專家評論

市場分析師和行業專家對GPT-4o的市場表現持樂觀態度。他們認為，GPT-4o的推出不僅改變了人們與AI交互的方式，也為OpenAI在競爭激烈的AI市場中贏得了有利地位。專家們特別指出，GPT-4o的免費和付費服務模式，為AI技術的普及和商業化提供了新的思路。同時，Sam Altman提出的“通用基礎計算”概念也受到了業界的廣泛關注和討論。

與其他AI產品的競爭分析

在與其他AI產品的競爭中，GPT-4o憑借其先進的技術和創新的商業模式，展現出了強大的競爭力。與傳統的語音助手相比，GPT-4o在理解復雜查詢、處理多種模態輸入以及提供個性化服務方面具有明顯優勢。此外，GPT-4o的快速響應和高度準確的理解能力，使其在市場上脫穎而出，成為了許多用戶和企業的首選AI平臺。

GPT-4o在用戶體驗和市場反饋方面取得了顯著的成績。它不僅提升了用戶的交互體驗，也為OpenAI在全球AI市場中的發展奠定了堅實的基礎。

GPT-4o的影響力

在人工智能技術迅猛發展的今天，OpenAI的GPT-4o不僅僅是技術進步的產物，更是社會變革的催化劑。它的出現預示著工作和生活方式的重大轉變，同時也引發了關于AI倫理和責任的深入討論，對全球語言助手市場產生了深遠的影響。

對工作和生活方式的潛在改變

GPT-4o的多模態交互能力，使得人們在工作和日常生活中的溝通方式發生了根本性的變化。在工作場所，GPT-4o能夠協助完成復雜的數據分析、報告撰寫、設計創意等任務，極大提高了工作效率。在家庭生活中，GPT-4o通過智能家居設備提供個性化服務，從日程管理到娛樂休閑，都變得更加便捷。這些改變不僅僅體現在效率上，更在于GPT-4o為人們提供了更多自由探索和創造的空間。

AI倫理和責任的討論

隨著GPT-4o等先進AI技術的普及，人們越來越關注AI倫理和責任問題。如何確保AI技術的公正性、透明性和安全性，成為了社會各界共同關注的話題。OpenAI在開發GPT-4o時，就已經考慮到這些問題，并采取了相應的措施，如限制某些功能的使用，以防止濫用。同時，也有越來越多的組織和機構開始制定AI倫理準則，以指導AI技術的健康發展。

對全球語言助手市場的沖擊

GPT-4o的出現，對全球語言助手市場產生了巨大沖擊。它不僅在技術上超越了現有的語音助手，更在用戶體驗上設定了新的標準。GPT-4o的多語言能力和多模態交互，使其能夠服務于更廣泛的用戶群體。這不僅挑戰了其他語音助手的市場地位，也促使整個行業向更高的技術標準邁進。

GPT-4o的推出不僅是技術創新的象征，更是社會進步的標志。它改變了人們的工作和生活方式，引發了關于AI倫理和責任的重要討論，并對全球語言助手市場產生了深遠的影響。

OpenAI創始人山姆奧特曼發推表示：

在我們今天的公告中，我想強調兩件事。

首先，我們使命的一個關鍵部分是將非常強大的人工智能工具免費（或以優惠的價格）提供給人們。我非常自豪我們在 ChatGPT 中免費提供了世界上最好的模型，沒有廣告或類似的東西。

當我們創辦 OpenAI 時，我們最初的想法是我們要創造人工智能并利用它為世界創造各種利益。相反，現在看起來我們將創造人工智能，然后其他人將使用它來創造各種令人驚奇的事物，讓我們所有人都受益。

我們是一家企業，會發現很多收費的東西，這將幫助我們向（希望如此）數十億人提供免費、出色的人工智能服務。

其次，新的語音（和視頻）模式是我用過的最好的計算機界面。感覺就像電影里的人工智能一樣；我仍然有點驚訝它是真的。事實證明，達到人類水平的響應時間和表達能力是一個巨大的變化。

最初的 ChatGPT 暗示了語言界面的可能性；這個新事物給人的感覺有本質上的不同。它快速、智能、有趣、自然且有幫助。

對我來說，與電腦交談從來都不是很自然的事情。現在確實如此。當我們添加（可選）個性化、訪問您的信息、代表您采取行動的能力等等時，我確實可以看到一個令人興奮的未來，我們能夠使用計算機做比以往更多的事情。

最后，非常感謝團隊為實現這一目標付出了巨大的努力！

GPT-4o的發布不僅是OpenAI技術進步的象征，更是人工智能領域一個新時代的開啟。它的全面功能和強大性能，預示著AI將在我們的生活中扮演更加重要的角色，而OpenAI正是這一變革的引領者。

參考資料：

1.https://twitter.com/gdb/status/1790071008499544518

2.https://openai.com/index/hello-gpt-4o/

3.https://openai.com/index/gpt-4o-and-more-tools-to-chatgpt-free/

本文轉載自??大噬元獸??，作者： FlerkenS ????