紫金財(cái)經(jīng)5月14日消息 Open AI又放大招了！

繼文生視頻模型Sora之后，OpenAI再一次給外界帶來(lái)驚喜。這一次，OpenAI向世人展現(xiàn)了強(qiáng)大且絲滑的語(yǔ)音對(duì)話等多模態(tài)能力。

北京時(shí)間5月14日凌晨，OpenAI在一則簡(jiǎn)短的視頻介紹中發(fā)布了新一代AI模型GPT-4o，并將推出PC桌面版ChatGPT。

這款“全能的”大模型GPT-4o具備處理文本、音頻和圖像的能力。與前幾代模型相比，它增加了語(yǔ)音功能，且運(yùn)行速度更快。

“感覺(jué)就像電影里的人工智能?！卑l(fā)布會(huì)結(jié)束后，Open AI創(chuàng)始人在社交媒體X上發(fā)文稱，“對(duì)我來(lái)說(shuō)，與電腦對(duì)話從來(lái)都不是一件很自然的事，而現(xiàn)在卻很自然?！?/p>

最新多模態(tài)模型來(lái)了

OpenAI官網(wǎng)介紹，GPT-4o中的o代表意為全能的前綴omni，稱它向更自然的人機(jī)交互邁進(jìn)了一步，因?yàn)樗邮芪谋尽⒁纛l和圖像的任意組合作為輸入內(nèi)容，并生成文本、音頻和圖像的任意組合輸出內(nèi)容。

現(xiàn)場(chǎng)演示中，GPT-4o的表現(xiàn)仿佛一個(gè)人正坐在旁邊，和人類(lèi)的對(duì)話節(jié)奏自然、融洽，完全聽(tīng)不出是個(gè)AI，在短短的時(shí)間內(nèi)，GPT-4o就能對(duì)音頻輸入做出反應(yīng)。并且，它可以將文本、音頻、圖像任何組合作為輸入和輸出。

Open AI創(chuàng)始人Altman表示：“GPT-4o是OpenAI有史以來(lái)最好的模型，它很聰明，速度很快，是天然的多模態(tài)?！?/p>

在GPT-4o之前，用戶使用語(yǔ)音模式與ChatGPT對(duì)話時(shí)，GPT-3.5的平均延遲為2.8秒，GPT-4為5.4秒，與之相比，GPT-4o可以在232毫秒內(nèi)對(duì)音頻輸入作出反應(yīng)，與人類(lèi)在對(duì)話中的反應(yīng)時(shí)間相近。

在錄播視頻中，兩位高管作出了演示：機(jī)器人能夠從急促的喘氣聲中理解“緊張”的含義，并且指導(dǎo)他進(jìn)行深呼吸，還可以根據(jù)用戶要求變換語(yǔ)調(diào)。

性能方面，根據(jù)傳統(tǒng)基準(zhǔn)測(cè)試，GPT-4o在文本、推理和編碼等方面實(shí)現(xiàn)了與GPT-4 Turbo級(jí)別相當(dāng)?shù)男阅埽瑫r(shí)在多語(yǔ)言、音頻和視覺(jué)功能方面的表現(xiàn)分?jǐn)?shù)也創(chuàng)下了新高。

桌面版ChatGPT來(lái)了

除了推出新模型，在產(chǎn)品上，OpenAI也作出了諸多更新。

不同于此前OpenAI在推出模型新版本都會(huì)對(duì)特定付費(fèi)用戶開(kāi)放的做法，本次GPT-4o的新功能將向所有用戶敞開(kāi)大門(mén)，可以免費(fèi)運(yùn)用模型進(jìn)行更為復(fù)雜的數(shù)據(jù)分析，對(duì)圖像進(jìn)行深入的解析，訪問(wèn)GPT Store應(yīng)用商店。

發(fā)布會(huì)上，OpenAI首席技術(shù)官M(fèi)iraMurati表示，ChatGPT-4o 將免費(fèi)向所有用戶開(kāi)放，而付費(fèi)和企業(yè)用戶，可以搶先獲得體驗(yàn)。

另外，此前僅對(duì)ChatGPT Plus會(huì)員開(kāi)放的視覺(jué)、聯(lián)網(wǎng)、記憶、執(zhí)行代碼等高級(jí)功能也將對(duì)外開(kāi)放免費(fèi)使用。一系列普惠舉措，無(wú)疑將吸引大批用戶涌入OpenAI平臺(tái)，嘗試豐富的AI體驗(yàn)。

除了新模型的普惠舉措，OpenAI發(fā)布了ChatGPT的桌面版本。

用戶可以直接在電腦桌面上使用ChatGPT，并且Mac Plus用戶將優(yōu)先體驗(yàn)到這一功能。據(jù)悉，用戶可以通過(guò)快捷鍵即刻向ChatGPT提問(wèn)，或者直接在ChatGPT內(nèi)截屏提問(wèn)。這種直接在桌面上使用的便捷性，無(wú)疑將使用戶體驗(yàn)得到大幅提升。

ChatGPT自2022年11月推出以來(lái)，便打破了當(dāng)時(shí)最快增長(zhǎng)消費(fèi)類(lèi)應(yīng)用的歷史記錄，如今每周活躍用戶已接近1億。OpenAI表示，超過(guò)92%的《財(cái)富》500強(qiáng)企業(yè)都在使用該平臺(tái)。

有趣的是，GPT-4o一經(jīng)推出，OpenAI的競(jìng)爭(zhēng)對(duì)手似乎坐不住了。

谷歌很快在社交媒體X平臺(tái)上發(fā)布了一段預(yù)覽Gemini大模型功能的視頻。在視頻中，這一AI模型能夠通過(guò)攝像頭來(lái)描述畫(huà)面中發(fā)生的情況，并實(shí)時(shí)提供語(yǔ)音反饋，就像OpenAI最新展示的那樣。

據(jù)悉，谷歌將在北京時(shí)間周三凌晨一點(diǎn)舉辦年度I/O開(kāi)發(fā)者大會(huì)，屆時(shí)，谷歌將發(fā)表主題演講，介紹公司在各個(gè)軟件領(lǐng)域的重大進(jìn)展，預(yù)計(jì)人工智能(AI)將成為整個(gè)主題演講的重點(diǎn)。