【天極網企業頻道】先是GPT的持續迭代，后是文生視頻的Sora的一騎絕塵，一直被OpenAI牽著鼻子走的大模型在經歷繁花似錦的一年之后，終于在行業化場景化嘗試落地，并于多模態能力尋求新的突破。?

GPT-4o橫空出世

而今天實現這一突破的還是OpenAI?？梢哉f，在大模型混戰日益激烈的今天，OpenAI釋放了又一重磅炸彈——GPT-4o。

事情是這樣的。今天凌晨，OpenAI在其春季發布會上推出最新杰作GPT-4o，以其突破性的智能交互能力，徹底顛覆了我們對AI語音助手的認知。

在一段簡短的視頻中，OpenAI揭曉了其新一代AI大模型GPT-4o，該模型能夠實時進行音頻、視覺和文本的推理。GPT-4o中的“o”源自Omni，即“全能”，體現了其全面而強大的能力。?

何為全能？在發布現場，OpenAI技術負責人穆拉迪(Mira?Murati)表示：“新型號GPT-4o‘速度快得多’，在文本、視頻和音頻方面都有改進，公司最終計劃讓用戶與ChatGPT進行視頻聊天。這是我們第一次在易用性方面邁出巨大的一步?！?/p>

據透露，相較于先前的GPT-4?Turbo，GPT-4o在運算速度和成本效益方面均實現了顯著的優化。

更為出色的是，GPT-4o擁有對文本、圖像、音頻等多種信息模態的處理能力，從而為用戶提供了更為自然且流暢的交互體驗。

更快更強還免費

OpenAI不僅發布全新旗艦大模型GPT-4o，還更新界面以提高用戶使用體驗，并且宣布免費開放使用，付費用戶享有五倍的使用容量限制。

在免費使用方面，官方給出的免費限制在一定消息數量上，超過這個消息量之后，免費的模型將被切回ChatGPT。這是GPT-4o的優勢之一。

在API使用上，GPT-4o相較于去年11月發布的GPT-4-turbo，價格降低了50%，速度提升了200%，進一步提升了性價比。

更令人期待的是，未來幾周內，GPT-4o的語音和視頻輸入功能也將陸續推出，為用戶帶來更多元的交互方式。?

與現有的大模型相比，GPT-4o在音頻與視覺方面表現得尤為出色。其中，在音頻方面，GPT-4o可以在短至232毫秒的時間內響應用戶的語音輸入，這也意味著320毫秒的用時已經接近人類在日常對話中的反應時間。

而在GPT-4o之前，用戶使用Voice?Mode(由三個獨立模型組成)與ChatGPT通話，但平均延遲為2.8秒(GPT-3.5)和5.4秒(GPT-4)。這也進一步證明了GPT-4o的先進之處。

同時，GPT-4o能夠應對文本、音頻和圖像任意組合的多元化輸入，并據此生成相應類型的任意組合輸出。

此外，GPT-4o在英語文本和代碼處理方面的表現與GPT-4?Turbo旗鼓相當，而在非英語文本的處理能力上，GPT-4o更是展現出了顯著的性能提升。

據悉，GPT-4o在設計中內置了跨模式的安全性，并創建了新的安全系統，為語音輸出提供護欄。

此外，GPT-4o還與來自社會心理學、偏見和公平、錯誤信息等領域的70多名外部專家開展廣泛的外部團隊合作，以識別新增加的模式引入或放大的風險，提高與GPT-4o互動的安全性。

不停歇的OpenAI

從GPT到Sora再到GPT-4o，可以說，OpenAI在大模型創新的路上持續前行，并在大模型領域一騎絕塵。

早在上周便有消息傳出，OpenAI準備推出一款AI搜索引擎，并將矛頭指向Google即將召開的I/O大會。然而，AI搜索引擎并未如期而至，到來的是GPT-4o。?

GPT-4o不僅能通過聲音和文字跟人交流，還能識別物體和圖像，并且邏輯推理能力也比現在市面上的產品要強。

可以說，GPT-4o將轉錄音頻和文本轉語音等功能合二為一，構建一個更懂圖像和音頻的多模態模型，響應速度也更快。

在筆者看來，無論是上個月推出的“語音引擎”(Voice?Engine)，還是更早些時候發布的?TTS(文本轉語音)軟件，都有著不俗的表現，有著更為廣泛的應用場景，且實用性更強。

以微軟為例，微軟也在考慮用技術來提升語音助手，OpenAI表示，這次更新“是朝著實用性的方向發展?！?/p>

除了探索更為實用的場景外，OpenAI也將推出新的定價模式，調查數據顯示，一直“燒錢”的OpenAI今年預計將迎來數十億美元的收入。

據悉，假如客戶通過預付費預定Tokens，便能享受高達50%。一些AI服務器經銷商曾表示，在他們的軟件上運行開源模型比使用OpenAI的模型便宜六倍。

毫無疑問，這種更靈活的定價，將有助于OpenAI更好地與其他模型開發人員和AI服務器經銷商競爭。

尋求場景化落地與商業化是OpenAI解決燒錢焦慮的重要方法，通過發布GPT-4o，我們看到OpenAI的決心與實力。

寫在最后

在競爭激烈的大模型市場，OpenAI接連發布重磅版本，一騎絕塵。

不管我們承認與否，在GPT-4o的發布下，大模型的多模態交互的能力再次被拉高，OpenAI仍然站在多模態的最高峰。

接下來，讓我們期待大模型領域其他玩家的新發布。