面對這一更新發布，激動者不在少數，各類自媒體震驚體輪番上陣，更有甚者鼓吹AGI時代已來。

Related Image

唱衰者同樣存在，貶低GPT-4o所展現的能力只是將tts，vision，llm等已然發布過的技術進行了二次打包組裝，并無創新技術存在，而且演示的能力之前的Gemini-1.5已然演示過（雖然被實錘為剪輯）。

Related Image

作為一個大語言模型開發者，我也著實震驚于GPT-4o所展現的強大的多模態能力。不過遭受過AI原生應用開發反復拷打的我，最為感嘆的點在于 232 毫秒語音響應的這一數據，更別說在急速響應的情況下，GPT-4o回復的內容質量還在上一代基礎上有了大幅度的提升。不得不說，天下武功唯快不破！LLM領域的摩爾定律依然存在。

如果你還不理解我為啥我要關注全場精彩演示里的這個簡單數字，不如聽我說說我在AI開發時的一些小故事！

快真的很重要

在AI技術發展的過程中，速度一直是衡量性能的重要指標。無論是在數據處理、模型訓練還是實時交互中，快速響應都是用戶體驗的關鍵。

Demo還沒跑完，觀眾已經跑完了

在去年這個時候，LLM已然起步。在一次hackthon比賽中，為了展示AI的強大能力，我們構想了一個使用AI還原詩詞場景的產品。

然而要完成這個創意，我們需要通過LLM語義理解，文生圖提示詞自動優化，生圖接口調用，自動視頻串場剪輯，tts語音合成等諸多耗時環節，來完成一個完整的演示。然而，由于這些環節的處理速度太慢，有時候在演示時，Demo還沒跑完，觀眾已經跑完了。這就是速度對于AI應用的重要性。

能聽懂情緒如同有魔法一般

在人機交互中，理解用戶的情緒和語境是提升體驗的重要一環。GPT-4o在這方面的能力，讓機器的“聽覺”不再局限于文字，而是能夠感知到語氣和情感。

別說語氣，聽清文字，當初就不尷尬了

回想起2018年雷軍在演示小米小愛藍牙音箱隨身版時的那一幕，他連續問三次“三個木叫什么？”，結果藍牙音箱答非所問。那時候的AI還不能很好的理解人的語境和情緒，甚至連基本的詞義都理解不清。而現在，GPT-4o的出現，讓我們看到了AI在理解人類情緒和語境方面的巨大進步。

集成也是創新，GPT-4o如有大腦

在AI領域，將不同的技術進行有效集成，實現1+1>2的效果，本身就是一種創新。GPT-4o的多模態能力，就是這種集成創新的體現。

GPT-4o能輔導數學題了，我用的LLM還判斷不了0-1

在我開發Agent的過程中，我需要通過模型進行0-1決策，以執行下一步的任務，但無法得到合適的回復。我問模型以下問題,期望只有真正需要執行搜索動作時，才回復true，然而模型卻無法正常運轉。

Related Image

這就是GPT-4o的強大之處，它不僅能理解我們的問題，還能根據問題的內容做出正確的回答。這是我們在開發AI應用時，一直追求的目標。

結語

AGI還尚未到來，但AI技術的進步真的每一次都能震撼人心，讓我們一起迎接這個精彩的未來吧！

本文轉載自 ??AI小智??，作者： AI小智