OpenAI用26分钟改变世界!免费版

2024-05-14 | 来源: 爱范儿 | 转到微信 | 有0人参与评论 | 字体: 放大缩小 | 收藏 | 打印

今天凌晨，一场 26 分钟的发布会，将又一次大大改变 AI 行业和我们未来的生活，也会让无数 AI 初创公司焦头烂额。

这真不是标题党，因为这是 OpenAI 的发布会。

刚刚，OpenAI 正式发布了 GPT-4o，其中的“o”代表“omni”（即全面、全能的意思），这个模型同时具备文本、图片、视频和语音方面的能力，这甚至就是 GPT-5 的一个未完成版。

更重要的是，这个 GPT-4 级别的模型，将向所有用户免费提供，并将在未来几周内向 ChatGPT Plus 推出。

我们先给大家一次性总结这场发布会的亮点，更多功能解析请接着往下看。

发布会要点

新的 GPT-4o 模型：打通任何文本、音频和图像的输入，相互之间可以直接生成，无需中间转换

GPT-4o 语音延迟大幅降低，能在 232 毫秒内回应音频输入，平均为 320 毫秒，这与对话中人类的响应时间相似。

GPT-4 向所有用户免费开放

GPT-4o API，比 GPT4-turbo 快 2 倍，价格便宜 50%

寡姐怒了两拒OpenAI但声音仍像我

OpenAI前董事揭示奥特曼罢免内幕,奥特们这点太离谱!

重磅爆料!苹果与OpenAI达成合作 AI功能曝光

惊艳的实时语音助手演示：对话更像人、能实时翻译，识别表情，可以通过摄像头识别画面写代码分析图表

ChatGPT 新 UI，更简洁

一个新的 ChatGPT 桌面应用程序，适用于 macOS，Windows 版本今年晚些时候推出

这些功能早在预热阶段就被 Altman 形容为“感觉像魔法”。既然全世界 AI 模型都在“赶超 GPT-4”，那 OpenAI 也要从武器库掏出点真家伙。

免费可用的 GPT-4o 来了，但这不是它最大的亮点

其实在发布会前一天，我们发现 OpenAI 已经悄悄将 GPT-4 的描述从“最先进的模型”，修改为“先进的”。

这就是为了迎接 GPT-4o 的到来。GPT-4o 的强大在于，可以接受任何文本、音频和图像的组合作为输入，并直接生成上述这几种媒介输出。

这意味着人机交互将更接近人与人的自然交流。

GPT-4o 可以在 232 毫秒内回应音频输入，平均为 320 毫秒，这接近于人类对话的反应时间。此前使用语音模式与 ChatGPT 进行交流，平均延迟为 2.8 秒（GPT-3.5）和 5.4 秒（GPT-4）。

它在英文和代码文本上与 GPT-4 Turbo 的性能相匹敌，在非英语语言文本上有显著改进，同时在 API 上更快速且价格便宜 50%。