沒有所謂的 AI 搜索引擎，也沒有炸裂的 GPT-5 ，但 OpenAI 還是讓大伙兒感受到了，什么叫做 “Only OpenAI Can Do” 。

 OpenAI 的春季發(fā)布會(huì)終于是來了。

他們也沒多講幾句廢話，整場(chǎng)發(fā)布會(huì)就二十來分鐘，其中，最重磅的無異于 GPT-4o 新模型的發(fā)布。

關(guān)于 GPT-4o 起名的緣由， OpenAI 官方是這么解釋的： “ o “ 的全稱是 “ omni ” ，也就是 “ 全能 ” 的意思。

之所以說它全能，是因?yàn)樗馨盐谋?、視覺、音頻全打通了。換句話說，你跟 GPT-4o 對(duì)話就跟真人似的。

最重要的是， GPT-4o 是免費(fèi)向用戶開放的，不開 Plus 會(huì)員也能用，只不過 Plus 會(huì)員要多一些使用次數(shù)。

反正一起蹲守直播的同事們看了，都直呼想要。

就連奧特曼也在推特上毫不避諱地，把 GPT-4o 跟科幻電影《 Her 》聯(lián)系起來。（ 這部電影講的是人和 AI 語音助理談戀愛的故事 ）

評(píng)論區(qū)的網(wǎng)友們也紛紛表示 “ 見證歷史 ” “ 電影終于要照進(jìn)現(xiàn)實(shí)了 ” ，甚至還用奧特曼的照片，整出來了個(gè) “ him ” 。

玩笑歸玩笑，但是， OpenAI 這次 GPT-4o 的現(xiàn)場(chǎng)演示效果，特別是實(shí)時(shí)語音和視頻交互的能力，確實(shí)甩了其他現(xiàn)役大模型好幾個(gè)車尾燈。

不過光這么說，大伙兒對(duì) GPT-4o 的感受可能也不深。

像演示人員讓 GPT-4o 從一數(shù)到十，中途就嫌它語速太慢了，讓它說快點(diǎn)兒， GPT-4o 能立馬反應(yīng)過來，后續(xù)隨時(shí)插話它都能瞬間 get 到。

就這一個(gè)接一個(gè)的連續(xù)對(duì)話實(shí)力，說實(shí)話還沒在 AI 身上體驗(yàn)過。

給 GPT-4o 一個(gè)麥克風(fēng)和攝像頭權(quán)限，它能分分鐘化身成面試指導(dǎo)官，比方說自己要去 OpenAI 面試，讓 GPT-4o 給點(diǎn)著裝建議。

它迅速 “ 打量 ” 了下這位老哥，禮貌不失幽默地給出了 “ 抓個(gè)頭發(fā) ” 的中肯建議。

但老哥打算走個(gè)不聽勸的人設(shè)，順手拿出個(gè)帽子，問能不能戴它去面試。

GPT-4o 這邊反應(yīng)賊快，識(shí)破了老哥明知故問地惡作劇，順著他的話茬說，也不是不行，最起碼能讓你在人群中脫穎而出。

如果不看演示畫面，光聽聲音我可能會(huì)以為，這就是兩個(gè)朋友之間在開玩笑。

當(dāng)然，以 GPT-4o 的知識(shí)儲(chǔ)備和多模態(tài)能力，它也有相當(dāng)正兒八經(jīng)的應(yīng)用場(chǎng)景。

一扭頭，就能直接化身成視障人士的眼睛，幫他們識(shí)別所在的位置，要是想知道眼前都有啥場(chǎng)景， GPT-4o 也能夠繪聲繪色地描繪出來，甚至還能一步一步指導(dǎo)視障人士打車。

再搖身一變， GPT-4o 還能化身成數(shù)學(xué)老師，把屏幕的權(quán)限開放給它，它能一步步指導(dǎo)你做題，你在題目上寫了啥畫了啥 GPT-4o 也都能看得一清二楚。

有一說一，這跟上中學(xué)時(shí)爸媽請(qǐng)的家教沒啥兩樣。。

看完官方的案例視頻，相信大伙兒已經(jīng)被震撼得沒邊兒了。

而為了做到這些， OpenAI 在底層的模型上可是下了不少苦功。

之前咱們用 ChatGPT 的語音對(duì)話，都是一輪一輪的來。它得先把咱說的話轉(zhuǎn)換成文字輸給 GPT-4 ，等 GPT-4 生成文字答案之后，才能再轉(zhuǎn)成語音輸出。

也就是說，以前和 ChatGPT 語音對(duì)個(gè)話，它得動(dòng)用三個(gè)模型，一個(gè)管音頻轉(zhuǎn)文本，一個(gè) GPT-4 管文本轉(zhuǎn)文本，另外還有一個(gè)管文本轉(zhuǎn)音頻。

一整套流程下來，耐心都快給磨沒了，而且中間除非咱們手動(dòng)暫停，否則根本沒插話的機(jī)會(huì)。

但 GPT-4o 不一樣，它是一個(gè)原生的多模態(tài)模型，無論文字音頻，還是視頻啥的，所有的輸入和輸出都在同一個(gè)神經(jīng)網(wǎng)絡(luò)里處理。

這種打娘胎里自帶多模態(tài)的特性，讓 GPT-4o 能夠聽懂好賴話，表達(dá)自己的情緒，和它對(duì)話也能像吃了德芙一樣絲滑。

不過，上面那些視頻終歸還是 “PPT” ，沒到手實(shí)測(cè)一波，不敢輕易下定論這玩意兒是不是真的有這么強(qiáng)。畢竟前段時(shí)間， Sora 生成的《 氣球人 》短片才被傳出加了大量的人類后期。

在實(shí)際用這塊， OpenAI 還是一如既往的狗，嘴上說 GPT-4o 都能免費(fèi)用，但也要分先來后到，而且功能也慢慢開放。

現(xiàn)在能用上 GPT-4o 的只有 Plus 賬號(hào)，而且最重磅的實(shí)時(shí)視頻和語音功能，毛都看不著。

但有總歸比沒有強(qiáng)，世超手邊恰好也有個(gè) Plus 賬號(hào)，而且官方也說了， GPT-4o 生成的速度還會(huì)比 GPT-4 快上兩倍。

所以咱這波，就先提前給差友們?cè)囋?GPT-4o 的實(shí)力。

先讓它給咱講一個(gè)童話故事，順便再畫出整個(gè)故事的分鏡圖。GPT-4o 沒猶豫幾秒，庫(kù)吃庫(kù)吃就開始寫了。

寫完中間也沒帶停頓，直接開始畫分鏡了。

同樣的問題再拋給 GPT-4 ，它一開始就得磨蹭半天在問題上。

講清楚要求后才肯繼續(xù)寫，而且寫完之后也不繼續(xù)畫分鏡圖，還得等我再親自強(qiáng)調(diào)一波。

不過雖然 GPT-4 比 GPT-4o 墨跡了不少，但從內(nèi)容來看，我還是會(huì)覺得 GPT-4 會(huì)更豐富一點(diǎn)。

再借我司老員工火鍋的照片一用，分別讓 GPT-4 和 GPT-4o 生成一張像素風(fēng)的圖片。

在生成速度上 GPT-4o 完勝，但要摳細(xì)節(jié)的話兩個(gè)就半斤八兩了。

GPT-4 識(shí)別出了火鍋?zhàn)炖锏鹬氖谴樱?GPT-4o 多識(shí)別出了一只拖鞋，非要比的話，其實(shí) GPT-4 的金毛更像火鍋一些。

（ 左邊 GPT-4 ，右邊 GPT-4o ）

接著，我又讓 GPT-4o 把差評(píng)的 LOGO 換成 3D 圖片，結(jié)果它整出來字，翻遍整本新華字典，估計(jì)都找不到。

但不識(shí)漢字也是歷代 ChatGPT 的老毛病了，換成英文再要求它，你別說，這次出來的整體效果還可以，就是經(jīng)不起細(xì)看，不少英文拼寫都是錯(cuò)的。

整個(gè)上手試下來， GPT-4o 給我最大的印象就是快，非常快。

但說實(shí)話，除了快，真沒覺得有啥特別的了，與其說 GPT-4o 是 GPT-4 的智商進(jìn)化版，倒不如說是把 GPT-4 的交互能力單拎出來強(qiáng)化了一波。

就像奧特曼在博客里提到的， “ 達(dá)到人類響應(yīng)時(shí)間和表達(dá)水平 ” 是 AI 的巨大變化。大模型的終極形態(tài)，也應(yīng)該是讓人和 AI 的交流回歸到最原始、最簡(jiǎn)單的形態(tài)。

在未來，咱們面對(duì)一臺(tái)電腦、一部手機(jī)，直接說話交流，就是最主要的交互方式。

不過這次 GPT-4o 最厲害的殺手锏：視頻交流功能，還沒放出來，等到時(shí)候咱能體驗(yàn)到了再下結(jié)論也不遲。

另外，網(wǎng)友們也沒干坐著，也在各種研究 GPT-4o 的，結(jié)果，卻扒出了一些番外的料。

也不知道 GPT-4o 的中文語料庫(kù)是哪兒來的，里面有不少的釣魚網(wǎng)站的違禁詞，像什么 “ 日本 x 片免費(fèi)視頻 ” 這類的。

給人老外都整無語了。。

像這樣的樂子，以后指不定還要冒出來不少。但言歸正傳， GPT-4o 的出現(xiàn)確實(shí)又給 AI 開了個(gè)新副本。

按照之前 ChatGPT 問世之后，其他友商步步緊逼的尿性。盲猜，在 GPT-4o 之后，類似的 “Claude-o”“Gemini-o” 應(yīng)該很快就會(huì)出現(xiàn)。

剛好明天就是谷歌的 I/O 了，咱們也淺淺期待一手好吧。