免费！GPT-4o是你想要的一切！

 

      距离GPT-4的发布已经过去了一年，当地时间5月13日上午10点，OpenAI春季发布会终于揭开了神秘的面纱。这次发布并非传了很久的搜索引擎，也非GPT-5，而是一款针对GPT-4的迭代版本，被命名为GPT-4o。预计在未来几周内，用户将会陆续收到自动更新的通知。

       GPT-4o作为新一代旗舰模型，将AI工具的使用门槛大大降低。它不仅比上一代版本运行速度更快，能够实现无延迟的实时对话，而且用户无需注册即可使用全部功能，而且全部免费。这样的举措无疑将吸引更多的用户尝试和使用AI工具。

       此外，OpenAI还宣布了ChatGPT的桌面版本。这个轻量化的使用体验可以无缝融入用户的工作流程中，无需再费力地在网页上搬运行李。据OpenAI的CTO米拉·穆拉蒂（Mira Murati）表示，这是他们首次在易用性方面做出改进。这一改进将极大地提高了AI工具的普及性和便捷性。

“O”是包罗万象的O

       在发布会的开始，米拉·穆拉蒂为这次新发布定了调，表示OpenAI的目标是减小人们使用AI的障碍，让所有人都能在工作、学习、创造中用上AI工具。为此，OpenAI采取了三项措施：发布了更强大的模型GPT-4o，更新了用户界面以提高使用体验，并免费开放给用户。此外，付费用户还将享有五倍的使用容量限制。穆拉蒂补充道。

        根据OpenAI的介绍，GPT-4o是一个“原生多模态”模型，其命名源于“omni”，意味着它能够涵盖各种形式，包括文字、音频和图像。相比之前的GPT-4，它更擅长组合多种形式，可以接受文字、音频、图像的任意组合输入，并能够无缝衔接多种形式的输出。升级后的GPT-4o回答速度更快了。

       GPT-4想要实现和人的对话，需要经过三个步骤：首先是将语音转换为文字，然后生成回复文本，最后再转成语音。这个过程需要花费一定的时间，对于用户而言会有一定的延迟。同时，在语音转文字再转语音的过程中，可能会发生信息损失，GPT无法获得说话人的音调，也无法收取背景音。

       在发布会上，OpenAI还提到GPT-4采用了新技术，可以实现更快、更准确的结果。OpenAI的目标是进一步减小人们使用AI的障碍，让所有人都能在工作、学习、创造中用上AI工具。他们已经采取了三项措施来达到这个目标：发布更强大的模型GPT-4o，更新用户界面以提高使用体验，并免费开放给用户。同时，付费用户还将享有五倍的使用容量限制。

       OpenAI表示，他们训练了一个新模型GPT-4o，该模型跨文本、视觉和音频端到端地训练，这意味着所有输入和输出都由同一神经网络处理。升级后的GPT-4o现在可以在最短232毫秒内响应对话，平均响应时间320毫秒，和人类的反应速度几乎一样。此外，新的GPT-4o还带来了更好用的界面，用户无需在网页间切换，新的桌面版GPT可以融入任何工作流，随时和用户进行图像文字语音交流。

       此外，萨姆·奥尔特曼还提到，开发者也可以在API里同步使用GPT-4o，价格是GPT-4 Turbo的一半，速度是GPT-4 Turbo的两倍，并且GPT-4o还在50多种除英文外的语言能力上得到了加强。这意味着更多的人将能够使用AI工具进行工作、学习和创造。

连呼吸都能辨别

       在发布会的实机演示环节，OpenAI的大牛研究员Marc Chen和Barret Zoph一起展示了新模型的强大之处。在对话中，Chen表示自己有些紧张，开始急促地呼吸。此时，GPT识别到了他的呼吸声，并安慰他不要紧张，像吸尘器一样深呼吸，再吐气。随后，GPT还指导Chen如何深吸慢呼，以平复心情。

       这个演示展示了GPT的两个重要新能力：一是能够听懂环境音并作出即时反馈，二是能够同时进行输入和输出，这在对话中非常有用。在第二个演示中，Chen让GPT给他讲睡前故事，GPT不仅讲了故事，还以歌唱的形式表达出来，展现出了一定的创造力和幽默感。

       在新的版本中，用户可以对GPT的输出进行打断或提出意见，这使得对话更加真实和自然。在接下来的几个演示中，GPT不仅帮助Zoph解答数学问题、解释代码、阅读图表，还对他进行了情感分析和同声传译，展示了其在多领域的应用和强大的语言处理能力。

       我个人的感受是，新版本的GPT与人类对话更加相似，它不仅增加了更多的玩笑和语气词，还提高了工具性。然而，也有很多人对这次发布会表示不满。有网友认为OpenAI在缓慢地挤牙膏，一年多过去了仍然在GPT-4上没有太大的突破。还有一些人对免费政策提出了质疑，认为免费会导致用户对产品失去尊重，并可能超出OpenAI的预期数据收集范围。