今天小编分享的互联网经验：OpenAI深夜炸场！最强模型GPT-4o完全免费，实时语音视频互動震撼世界，欢迎阅读。
（图片来源：OpenAI 官网）
迎来了一个全新的里程碑。
北京时间 5 月 14 日凌晨，美国 OpenAI 公司推出可免费使用的全新旗舰 AI 模型 GPT-4o，并将推出 PC 桌面版 ChatGPT。
OpenAI 首席技术官米拉 · 穆拉蒂 ( Mira Murati ) 表示，GPT-4o 里的 "o" 是 Omni（全能模型）的缩写，可实时进行音频、视觉和文本推理，它可以在短至 232 毫秒、平均 320 毫秒的时间内响应音频输入，与人类在对话中的反应速度一致。
米拉 · 穆拉蒂指出，在 API 使用方面，相比去年 11 月发布的 GPT-4-turbo，GPT-4o 价格降低一半（50%），速度提升两倍（200%）。
这个深夜，OpenAI 不止成功在 15 日 I/O 开发者大会之前抢夺谷歌风头，而且新的大模型互動体验正颠覆世界。
GPT-4o 新模型自今早起陆续推出，付费版本用户今天就能看到 GPT-4o 新模型提示，甚至今晨 GPT-4o 消息都是实时展示。
OpenAI CEO 奥尔特曼（Sam Altman）发实时推文表示，新的 GPT-4o 是 OpenAI 有史以来最好的模型，它很智能，速度很快，是原生多模态，并且它可供所有 ChatGPT 用户使用，无论是免费版本还是付费 GPT-4 版。
" 这对我们的使命很重要，我们希望将出色的 AI 工具交到每个人手中。" 奥尔特曼表示。
OpenAI 联合创始人兼总裁格雷格 · 布罗克曼（Greg Brockman）发 GPT-4o 介绍视频中表示，这是 OpenAI 朝着更自然的人机互動（甚至人机 - 计算机互動）形式迈出的重要一步。
发布之后，网友：它是不是完全可以替盲人看世界了？OpenAI 要颠覆世界了？为外语行业默哀。
凌晨仅仅 26 分钟的发布会，打响了这个 5 月全球 AI" 军备竞赛 "。同时，GPT-4o 的发布，或将颠覆外语、实时翻译、音视频剪辑等众多行业。
ChatGPT 狂飙 530 天，OpenAI 持续发力通用大模型
随着 2022 年底 AI 聊天机器人 ChatGPT 风靡全球，掀起新一轮 AIGC 浪潮。过去 530 天里，研发 ChatGPT 背后的 OpenAI 公司身处聚光灯下，并迅速成长为 860 亿美金估值的 AI 独角兽。
英伟达 CEO 黄仁勋曾表示，ChatGPT 的出现是 AI 的 "iPhone 时刻 "。
2023 年 3 月，OpenAI 推出多模态大模型 GPT-4，不仅理解能力、可靠性和长文本技术能力全面增强，且具备影像处理。而且在专业基准测试中，GPT-4 表现近似于人类的水平，如模拟律师考试得分能排到前 10% 左右，击败 90% 的人类。
随后，OpenAI 更新 ChatGPT 付费版本，每月达 20 美元；5 月，OpenAI 陆续推出 iOS、安卓版 ChatGPT 应用，下载量已突破 1.1 亿次，移动端应用收入近 3000 万美元；8 月，企业版 ChatGPT 发布，性能比标准 GPT-4 快两倍。
2023 年 11 月，OpenAI 发布最强模型 GPT-4 Turbo，提供强大上下文理解能力，支持 12.8 万个 token，并且公布自定义大模型的 GPTs、GPT Store 等众多产品。然而，仅仅两周后，OpenAI 突发高层 " 大地震 "，奥尔特曼遭遇 " 乌龙 " 式罢免，五天后最终得以重掌公司大权，并组建董事会。112 天后，OpenAI 董事会放心表态：对 Sam Altman 和 Greg Brockman 继续领导 OpenAI 充满信心。
据公开数据显示，整个 2023 年，在奥尔特曼带领下，OpenAI 年化收入已经超过 20 亿美元，同比增长 4500% 以上，跻身于历史增长最快的科技公司之列。
进入 2024 年，OpenAI 持续 " 狂飙 "：
2 月，OpenAI 发布首个 AI 视频大模型 Sora，逼真的影视效果引爆了整个视频和电影行业；
3 月，马斯克（Elon Musk）状告 OpenAI，使奥尔特曼创始团队 " 反击 "；
4 月，ChatGPT 全面免费注册开放，ChatGPT 可以编辑 DALL · E 影像，新版 GPT-4 Turbo 向 ChatGPT 付费用户开放，ChatGPT Plus 用户实现记忆功能，以及 OpenAI 获得黄仁勋亲手交付的世界上首台英伟达 DGX H200。
此次发布会之前，关于 OpenAI 新品传闻甚嚣尘上，不仅包括性能超级强大的 GPT-5，而且还传有对标谷歌的 AI 搜索引擎产品，以及与苹果合作研发的 AI 语音生成产品等，引发众多关注。
然而，奥尔特曼发推文称，此次公布的不是 GPT-5，也不是 AI 搜索引擎，而是开发的一些 " 我们认为人们会喜欢的新东西 "。
如今，目前全球最强的 AI 大模型 GPT-4o 登场。
米拉 · 穆拉蒂透露，目前有 1 亿多用户使用 ChatGPT 创造工作、学习，有 100 多万开发者在 GPTs 上创造新的工具。
OpenAI 表示，GPT-4o（"o" 代表 "omni"）是迈向更自然的人机互動的一步——它接受文本、音频和影像的任意组合作为输入，并生成文本、音频和影像的任意组合输出。
GPT-4o 可以在短至 232 毫秒的时间内响应音频输入，平均为 320 毫秒，与人类的响应时间相似。它在英语文本和代码上的性能与 GPT-4 Turbo 的性能相匹配，在非英语文本上的性能显着提高，同时 API 的速度也更快，成本降低了 50%。与现有模型相比，GPT-4o 在视觉和音频理解方面尤其出色。
需要指出的是，GPT-4o 就是之前在 LMSys 竞赛中测试的一个版本，当时名为 "im-also-a-good-gpt2-chatbot"，性能远超 GPT-4 Turbo、GPT-4、Gemini 等模型，再次刷新业界水平。
具体来说，GPT-4o 主要特色分为四部分：模型能力、基准测试、模型安全性和局限性，以及模型何时可用。
其中，模型能力上，在 GPT-4o 之前，ChatGPT 语音模式对话的平均延迟为 2.8 秒 ( GPT-3.5 ) 和 5.4 秒 ( GPT-4 ) 。而当时，为了解决语音模式问题，就形成了三个独立模型组成的管道，但 OpenAI 团队发现，这个过程当中的主要智能来源 GPT-4 丢失了大量音调、噪音、情感等信息。如今借助 GPT-4o，OpenAI 跨文本、视觉和音频端到端地训练了一个新模型，这意味着所有输入和输出都由同一神经网络处理。
OpenAI 也举出多个例子，整体来说其具有更高的连贯性、精准度，以及更快的反馈速度。
传统基准测试层面，GPT-4o 在文本、推理和编码智能方面实现了 GPT-4 Turbo 级别的性能，同时在多语言、音频和视觉功能上均处于高位。在 5 次 MMLU（常识问题） 上，GPT-4o 创下了 87.2% 的新高分，远超谷歌 Gemini Pro 1.5、Ultra 1.0，以及自己的 GPT-4T 和 GPT-4 等。
而在语言标记化上，GPT-4o 在 20 种语言中，实现新分词器跨不同语系压缩，压缩规模超过 50%。
模型安全性和局限性上，GPT-4o 通过过滤训练数据和通过训练后细化模型行为等技术，在跨模式设计中内置了安全性。以及创建了新的安全系统，为语音输出提供防护。根据对网络安全、CBRN、说服力和模型自主性的评估表明，GPT-4o 在这些类别中的任何类别中的得分都不高于中等风险，而且团队继续降低发现的新风险。
那么，何时可用 GPT-4o？主要有四个时间点：
GPT-4o 的文本和影像功能今天开始在 ChatGPT 中推出。
在免费版中提供 GPT-4o，并为 Plus 用户提供高达 5 倍的消息限制。
在未来几周内在 ChatGPT Plus 中推出带有 GPT-4o 的 Voice Mode 的新版本。
开发者现在也可以通过 API 访问 GPT-4o 作为文本和视觉模型。计划在未来几周内在 API 中向小部分测试者推出对 GPT-4o 新音频和视频功能的支持。
此外，OpenAI 今天还宣布，免费向所有用户开放其 GPT 商店，包括创建自定义 GPT 的能力，以及即将推出 ChatGPT 桌面版本。
OpenAI 强调，GPT-4o 是 OpenAI 突破深度学习界限的最新举措，也是朝着实用性方向发展的重要一步。
从通用走向聚焦，下一步大模型重塑谷歌搜索引擎？
发布会召开前夕，360 公司董事长周鸿祎就表示，以 ChatGPT 为代表的大模型在完全没有突破 AGI（通用人工智能）能力情况下情况比较尴尬，目前能力在很多场景下无法给用户满意的答案，所以反而导致其在产品场景方面好像什么都能干，实际上很多事都干不了。同时，以 perplexity 为代表的 AI 搜索恰恰是 " 反其道而行之 "，以搜索为场景，用大模型来重塑搜索的体验。
周鸿祎强调，大模型未来需要 " 场景的搜索 " 和 " 聚焦 "，通过专用大模型可解决用户痛点或刚需，这存在巨大机遇，在 GPT 强大能力下重新定义场景，并找新产品出路，这或许是大模型发展的长期、正确方向。
实际上，OpenAI 目前面临着流量增长乏力的局面。
自去年 ChatGPT 推出后，在 2023 年 5 月达到流量峰值，网络访问量达到 18 亿次，但之后流量出现下滑情况。2024 年 3 月，ChatGPT 的访问量依然稳定在了 18 亿次，不再有明显增长。
如今，OpenAI 已聚焦到音视频、终端和搜索场景。此次现场环境和演示当中，OpenAI 重点突出了端侧模型和代码生成能力等场景化应用。
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）研究员、麻省理工学院讲师 Lior S 也在社交平台 X 上爆料称：OpenAI 最新的 SSL 证书日志显示，OpenAI 已经创建了 search.chatgpt.com 子網域名。
"OpenAI 即将追赶谷歌搜索，这可能是谷歌有史以来面临的最大的威胁。"Lior S 说。
随着 5 月 14 日谷歌举行 I/O 开发者大会，因此，一旦未来 ChatGPT Search AI 搜索产品发布，或将会冲击到谷歌搜索业务——如今市场占有率高达 90%。
周鸿祎认为，未来 OpenAI 一定会诞生 AI 搜索类型的产品。
截至目前，OpenAI 方面对此拒绝置评。
早前奥尔特曼称，未来的 AI 发展不应是一场数据和算力的军备竞赛，真正的突破需要在算法效率、芯片性能、能源供给等方面取得根本性进展。OpenAI 期待在算法上实现重大创新，以提高模型的运行效率。他透露，OpenAI 计划在 2024 年夏天推出更先进的 GPT-5 模型。
值得注意的是，发布会结束后，奥尔特曼发布了一条博客，来阐述他对 GPT-4o 的看法。
" 我为我们能在 ChatGPT 中免费提供世界上最先进的模型感到非常自豪，这一切都没有广告或其他干扰。最初，OpenAI 的设想是开发 AI 技术，并利用它为全球带来益处。然而，现实是我们开发了 AI 技术，而其他人则利用这些技术创造了令全世界受益的杰出成果。作为一家企业，我们有很多服务是需要收费的，但不妨碍我们支持向全球数十亿用户提供免费的顶尖 AI 服务。" 奥尔特曼称。
他认为，这是用最低的价格甚至是免费，将最好的模型提供给世界上所有人。同时达到与人类相似的响应速度和表达能力，标志着一个重大的转变，并预见到一个激动人心的未来。
" 新推出的语音（及视频）模式是我使用过的最佳计算界面。它给人一种电影中 AI 的感觉，让人不禁惊叹这竟是真的。达到与人类相似的响应速度和表达能力，标志着一个重大的转变。最初的 ChatGPT 已经展示了语言界面的潜力；而这一新技术则在体验上有了质的飞跃。它反应迅速、智能、有趣、自然且实用。以前，我与计算机对话从未感觉如此自然；但现在，我终于有了这种感觉。随着我们逐步增加个性化选项、获取个人信息的权限、代表用户执行操作的能力等功能，我真的可以预见到一个激动人心的未来：我们能够利用计算机完成以往无法想象的更多事务。" 奥尔特曼在博客中指出。
针对 OpenAI 技术的不断更迭是否影响中国大模型发展，5 月 13 日，创新工场董事长兼 CEO、零一万物 CEO 李开复向钛媒体 App 表示，零一万物的新模型 Yi-XLarge MoE 已训练一半，之后会朝着美国大模型继续进步。
" 我们不能保证一定赶上它（美国模型）、超过它，或者 gap 有多少，但是我们用适合我们的方法快速推进，既然我们不能用 10 万张 GPU 来训练，我们就会寻找别的方式，依然能做出非常好的效果。" 李开复表示。
科大讯飞董事长刘庆峰曾透露，目前中美大模型差距在一年至 1.5 年左右。
（本文首发于钛媒体 App，作者｜林志佳，编辑｜胡润峰）
