專題：OpenAI 發布最新旗艦模型GPT-4o 完全免費 語音功能震撼登場

　　來源：鈦媒體AGI

　　15日谷歌Google I/O開發者大會公布 AI 產品24小時前夕，OpenAI成功搶奪了谷歌風頭。

　　北京時間5月14日凌晨1點，在26分鐘春季ChatGPT發布會上，美國OpenAI公司推出可實時進行音頻、視覺和文本推理的全新旗艦AI模型GPT-4o，并將推出PC桌面版ChatGPT。

　　OpenAI首席技術官米拉·穆拉蒂 （Mira Murati）表示，在API使用方面，相比去年11月發布的GPT-4-turbo，GPT-4o價格降低一半（50%），速度提升兩倍（200%）。GPT-4o的語音和視頻輸入功能將在未來幾周內推出。

　　需要指出的是，GPT-4o就是之前在LMSys競賽中測試的一個版本，當時名為“im-also-a-good-gpt2-chatbot”，性能遠超GPT-4 Turbo、GPT-4、Gemini等模型，再次刷新業界水平。

　　OpenAI CEO奧爾特曼（Sam Altman）發實時推文表示，新的GPT-4o模型是OpenAI有史以來最好的模型，它很智能，速度很快，它是原生多模態，并且它可供所有 ChatGPT 用戶使用，無論是免費版本還是付費GPT-4版。“這對我們的使命很重要，我們希望將出色的 AI 工具交到每個人手中。”

　　OpenAI聯合創始人兼總裁格雷格·布羅克曼（Greg Brockman）發GPT-4o介紹視頻中表示，這是OpenAI朝著更自然的人機交互（甚至人機-計算機交互）形式邁出的重要一步。

　　發布之后，網友：它是不是完全可以替盲人看世界了？為外語行業默哀。

　　僅僅26分鐘，打響了5月全球AI“軍備競賽”。同時，GPT-4o的發布，或將顛覆外語、實時翻譯、音視頻剪輯等眾多行業。

　　ChatGPT狂飆530天，OpenAI持續發力通用大模型

　　隨著2022年底 AI 聊天機器人ChatGPT風靡全球，掀起新一輪AIGC浪潮。過去530天里，研發ChatGPT背后的OpenAI公司身處聚光燈下，并迅速成長為860億美金估值的 AI 獨角獸。

　　英偉達CEO黃仁勛曾表示，ChatGPT的出現是 AI 的“iPhone時刻”。

　　2023年3月，OpenAI推出多模態大模型GPT-4，不僅理解能力、可靠性和長文本技術能力全面增強，且具備圖像處理。而且在專業基準測試中，GPT-4表現近似于人類的水平，如模擬律師考試得分能排到前10%左右，擊敗90%的人類。

　　隨后，OpenAI升級ChatGPT付費，每月達20美元；5月，OpenAI陸續推出iOS、安卓版ChatGPT應用，下載量已突破1.1 億次，移動端應用收入近3000萬美元；8月，企業版ChatGPT發布，性能比標準GPT-4快兩倍。

　　2023年11月，OpenAI發布最強模型GPT-4 Turbo，提供強大上下文理解能力，支持12.8萬個token，并且公布自定義大模型的GPTs、GPT Store等眾多產品。然而，僅僅兩周后，OpenAI突發高層“大地震”，奧爾特曼遭遇“烏龍”式罷免，五天后最終得以重掌公司大權，并組建董事會。112天后，OpenAI董事會放心表態：對Sam Altman和Greg Brockman繼續領導OpenAI充滿信心。

　　據公開數據顯示，整個2023年，在奧爾特曼帶領下，OpenAI年化收入已經超過20億美元，同比增長4500%以上，躋身于歷史增長最快的科技公司之列。

　　進入2024年，OpenAI持續“狂飆”：

• 2月，OpenAI發布首個AI視頻大模型Sora，逼真的影視效果引爆了整個視頻和電影行業；

• 3月，馬斯克（Elon Musk）狀告OpenAI，使奧爾特曼創始團隊“反擊”；

• 4月，ChatGPT全面免費注冊開放，ChatGPT可以編輯DALL·E圖像，新版GPT-4 Turbo向 ChatGPT 付費用戶開放，ChatGPT Plus 用戶實現記憶功能，以及OpenAI獲得黃仁勛親手交付的世界上首臺英偉達DGX H200。

　　此次發布會之前，關于OpenAI 新品傳聞甚囂塵上，不僅包括性能超級強大的GPT-5，而且還傳有對標谷歌的 AI 搜索引擎產品，以及與蘋果合作研發的 AI 語音生成產品等，引發眾多關注。

　　然而，奧爾特曼發推文稱，此次公布的不是GPT-5，也不是 AI 搜索引擎，而是開發的一些“我們認為人們會喜歡的新東西”。

　　如今，目前全球最強的 AI 大模型GPT-4o登場。

　　米拉·穆拉蒂透露，目前有1億多用戶使用ChatGPT創造工作、學習，有100多萬開發者在GPTs上創造新的工具。

　　OpenAI表示，GPT-4o（“o”代表“omni”）是邁向更自然的人機交互的一步——它接受文本、音頻和圖像的任意組合作為輸入，并生成文本、音頻和圖像的任意組合輸出。

　　GPT-4o可以在短至 232 毫秒的時間內響應音頻輸入，平均為 320 毫秒，與人類的響應時間相似。它在英語文本和代碼上的性能與 GPT-4 Turbo 的性能相匹配，在非英語文本上的性能顯著提高，同時 API 的速度也更快，成本降低了 50%。與現有模型相比，GPT-4o 在視覺和音頻理解方面尤其出色。

　　具體來說，GPT-4o主要特色分為四部分：模型能力、基準測試、模型安全性和局限性，以及模型何時可用。

　　其中，模型能力上，在GPT-4o之前，ChatGPT語音模式對話的平均延遲為 2.8 秒 （GPT-3.5） 和 5.4 秒 （GPT-4）。而當時，為了解決語音模式問題，就形成了三個獨立模型組成的管道，但OpenAI團隊發現，這個過程當中的主要智能來源GPT-4丟失了大量音調、噪音、情感等信息。如今借助 GPT-4o，OpenAI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。

　　OpenAI也舉出多個例子，整體來說其具有更高的連貫性、精準度，以及更快的反饋速度。

　　傳統基準測試層面，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、音頻和視覺功能上均處于高位。在5次MMLU（常識問題） 上，GPT-4o創下了87.2%的新高分，遠超谷歌Gemini Pro 1.5、Ultra 1.0，以及自己的GPT-4T和GPT-4等。

　　而在語言標記化上，GPT-4o在20種語言中，實現新分詞器跨不同語系壓縮，壓縮規模超過50%。

　　模型安全性和局限性上，GPT-4o 通過過濾訓練數據和通過訓練后細化模型行為等技術，在跨模式設計中內置了安全性。以及創建了新的安全系統，為語音輸出提供防護。根據對網絡安全、CBRN、說服力和模型自主性的評估表明，GPT-4o 在這些類別中的任何類別中的得分都不高于中等風險，而且團隊繼續降低發現的新風險。

　　那么，何時可用GPT-4o？主要有四個時間點：

• GPT-4o 的文本和圖像功能今天開始在 ChatGPT 中推出。

• 在免費版中提供 GPT-4o，并為 Plus 用戶提供高達 5 倍的消息限制。

• 在未來幾周內在 ChatGPT Plus 中推出帶有 GPT-4o 的 Voice Mode 的新版本。

• 開發者現在也可以通過 API 訪問 GPT-4o 作為文本和視覺模型。計劃在未來幾周內在 API 中向小部分測試者推出對 GPT-4o 新音頻和視頻功能的支持。

　　此外，OpenAI今天還宣布，免費向所有用戶開放其 GPT 商店，包括創建自定義 GPT 的能力，以及即將推出ChatGPT桌面版本。

　　OpenAI強調，GPT-4o是OpenAI突破深度學習界限的最新舉措，也是朝著實用性方向發展的重要一步。

　　從通用走向聚焦，下一步大模型重塑谷歌搜索引擎？

　　發布會召開前夕，360公司董事長周鴻祎就表示，以ChatGPT為代表的大模型在完全沒有突破AGI（通用人工智能）能力情況下情況比較尷尬，目前能力在很多場景下無法給用戶滿意的答案，所以反而導致其在產品場景方面好像什么都能干，實際上很多事都干不了。同時，以perplexity為代表的AI搜索恰恰是“反其道而行之”，以搜索為場景，用大模型來重塑搜索的體驗。

　　周鴻祎強調，大模型未來需要“場景的搜索”和“聚焦”，通過專用大模型可解決用戶痛點或剛需，這存在巨大機遇，在GPT強大能力下重新定義場景，并找新產品出路，這或許是大模型發展的長期、正確方向。

　　實際上，OpenAI目前面臨著流量增長乏力的局面。

　　自去年ChatGPT推出后，在2023年5月達到流量峰值，網絡訪問量達到18億次，但之后流量出現下滑情況。2024年3月，ChatGPT的訪問量依然穩定在了18億次，不再有明顯增長。

　　如今，OpenAI已聚焦到音視頻、終端和搜索場景。此次現場環境和演示當中，OpenAI重點突出了端側模型和代碼生成能力等場景化應用。

　　值得一提的是，在此之前，前加拿大魁北克省人工智能研究中心（Mila）研究員、麻省理工學院講師Lior S也在社交平臺X上爆料稱：OpenAI最新的 SSL證書日志顯示，OpenAI已經創建了search.chatgpt.com子域名。

　　“OpenAI即將追趕谷歌搜索，這可能是谷歌有史以來面臨的最大的威脅。”Lior S說。

　　隨著5月14日谷歌舉行I/O開發者大會，因此，一旦未來ChatGPT Search AI搜索產品發布，或將會沖擊到谷歌搜索業務——如今市場占有率高達90%。

　　周鴻祎認為，未來OpenAI一定會誕生 AI 搜索類型的產品。

　　截至目前，OpenAI 方面對此拒絕置評。

　　早前奧爾特曼稱，未來的AI發展不應是一場數據和算力的軍備競賽，真正的突破需要在算法效率、芯片性能、能源供給等方面取得根本性進展。OpenAI期待在算法上實現重大創新，以提高模型的運行效率。他透露，OpenAI計劃在2024年夏天推出更先進的GPT-5模型。

　　針對中國不斷追趕OpenAI技術更迭趨勢，5月13日，創新工場董事長兼CEO、零一萬物CEO李開復向鈦媒體App表示，零一萬物的新模型Yi-XLarge MoE已訓練一半，之后會朝著美國大模型繼續進步。

　　“我們不能保證一定趕上它（美國模型）、超過它，或者gap有多少，但是我們用適合我們的方法快速推進，既然我們不能用10萬張GPU來訓練，我們就會尋找別的方式，依然能做出非常好的效果。”李開復表示。

　　科大訊飛董事長劉慶峰曾透露，目前中美大模型差距在一年至1.5年左右。

　　奧爾特曼：預見一個激動人心的未來，我對此感到自豪

　　值得注意的是，在發布會結束后，奧爾特曼發布了一條博客，來闡述他對GPT-4o的看法。

　　他認為，這是用最低的價格甚至是免費，將最好的模型提供給世界上所有人，同時達到與人類相似的響應速度和表達能力，標志著一個重大的轉變，并預見到一個激動人心的未來。

　　以下是全文內容：

　　首先，我們的使命是向人們免費（或以非常優惠的價格）提供功能強大的AI工具。

　　我為我們能在ChatGPT中免費提供世界上最先進的模型感到非常自豪，這一切都沒有廣告或其他干擾。

　　最初，OpenAI的設想是開發AI技術，并利用它為全球帶來益處。然而，現實是我們開發了AI技術，而其他人則利用這些技術創造了令全世界受益的杰出成果。作為一家企業，我們有很多服務是需要收費的，這也支持我們向全球數十億用戶提供免費的頂尖AI服務。

　　其次，新推出的語音（及視頻）模式是我使用過的最佳計算界面。它給人一種電影中AI的感覺，讓人不禁驚嘆這竟是真的。達到與人類相似的響應速度和表達能力，標志著一個重大的轉變。

　　最初的ChatGPT已經展示了語言界面的潛力；而這一新技術則在體驗上有了質的飛躍。它反應迅速、智能、有趣、自然且實用。以前，我與計算機對話從未感覺如此自然；但現在，我終于有了這種感覺。

　　隨著我們逐步增加個性化選項、獲取個人信息的權限、代表用戶執行操作的能力等功能，我真的可以預見到一個激動人心的未來：我們能夠利用計算機完成以往無法想象的更多事務。

　　最后，非常感謝我們團隊的每一位成員，是他們的辛勤工作讓這一切成為可能！

海量資訊、精準解讀，盡在新浪財經APP

責任編輯：尉旖涵