OpenAI发布新AI模型GPT-4o和桌面版ChatGPT

OpenAI新的更新将GPT-4带给所有人，包括OpenAI的免费用户，技术主管Mira Murati在直播活动中表示。她补充说，新的模型GPT-4o"快得多"，并在文本、视频和音频方面有了改进的能力。OpenAI表示，最终计划使用户能够通过视频与ChatGPT进行聊天。

"这是我们在易用性方面迈出的第一大步"，Murati 说道。

由微软支持的 OpenAI 目前估值超过 800 亿美元，这家公司成立于 2015 年，面临保持在GenAI市场领先地位的压力，同时在投入大量资金用于构建和训练模型的处理器和基础设施的同时，寻找赚钱的方法。

GPT-4o 中的 "o" 代表 "omni"(全能)。新的模型允许 ChatGPT 以更快的速度和更高的质量处理 50 种不同的语言，并且还将通过 OpenAI 的 API 提供，使开发人员可以从今天开始使用新模型构建应用程序，Murati 说道。

她还补充说，GPT-4o 的速度是 GPT-4 Turbo 的两倍，成本只有一半。

OpenAI 的团队成员展示了新模型的音频功能，例如，要求它在公共演讲前帮助安抚某人的情绪。OpenAI 研究员 Mark Chen 表示，该模型能够 "感知你的情绪"，并补充说该模型还能够处理用户的打断。团队还要求它分析用户的面部表情，以评论这个人可能正在经历的情绪。

“嘿，你好啊?今天我能怎么让你高兴起来呢?” 当用户打招呼时，ChatGPT 的音频模式这样回答道。

根据博客文章，公司计划在未来几周内测试语音模式，并为 ChatGPT Plus 的付费订阅用户提供早期访问权限。OpenAI 还表示，新模型可以在短至 232 毫秒、平均 320 毫秒内响应用户的音频提示，这与人类在对话中的反应时间相似。

Chen 演示了该模型讲述睡前故事的能力，并要求它改变声音的语调，使其更加戏剧化或机器人化。他甚至要求它唱出这个故事。

此外，OpenAI 表示，新模型甚至可以在音频模式下作为翻译器使用。Chen 演示了这个工具在他用英语讲话的同时，能够听懂 Murati 说意大利语，并在他们对话时将语言翻译成各自的语言。

团队成员还展示了该模型解决数学方程和帮助编写代码的能力，使其成为微软自己的 GitHub Copilot 的一个更强有力的竞争者。

对于 OpenAI 来说，这次发布是自今年 8 月推出 ChatGPT Enterprise(AI 聊天机器人的商业版本)以来，公司最大的一次宣布。据 OpenAI 首席运营官 Brad Lightcap 告诉记者，这个工具的开发时间不到一年，并得到了 20 多家不同规模和行业公司的帮助。

OpenAI、微软和谷歌在GenAI的热潮中处于领先地位，因为几乎每个行业的公司都在竞相将 AI 驱动的聊天机器人和代理添加到关键服务中，以避免被竞争对手甩在后面。本月早些时候，OpenAI 的竞争对手 Anthropic 宣布了其首个企业产品和一个免费的 iPhone 应用程序。

根据 PitchBook 的数据，2023 年有近 700 笔GenAI交易，总投资创纪录地达到 291 亿美元，比前一年增长了 260% 以上。预计市场在十年内的收入将超过 1 万亿美元。

业内一些人士对未经测试的新服务快速上市表示担忧，学者和伦理学家对这项技术传播偏见的倾向感到不安。

自 2022 年 11 月 ChatGPT 推出以来，它当时创下了历史上消费者应用程序增长最快的记录，现在大约有 1 亿周活跃用户。OpenAI 表示，超过 92% 的财富 500 强公司正在使用该平台。

Murati 在周一的活动中表示，OpenAI 希望“消除一些技术的神秘感”。

“在接下来的几周内，我们将向所有人推出这些功能，”她说。

根据周一的一篇博客文章，新模型将首先在周二向 ChatGPT Plus 和 Team 的客户推出，之后再向 Enterprise 客户推出。从周一开始，ChatGPT 的免费用户也可以使用新模型，但有使用限制。ChatGPT Plus 的用户将拥有比免费用户多五倍的消息容量，而 ChatGPT Team 和 Enterprise 的客户将有更高的使用限制。

Murati 在直播活动的最后感谢了 Nvidia 的首席执行官 Jensen Huang 及其公司提供了必要的图形处理单元 (GPU) 来支持 OpenAI 的技术。

“我只想感谢不可思议的 OpenAI 团队，同时也感谢 Jensen 和 Nvidia 团队为我们带来了最先进的 GPU，使今天的演示成为可能，”她说。