没有所谓的AI搜索引擎，也没有炸裂的GPT-5，但OpenAI还是让大伙儿感受到了，什么叫做“OnlyOpenAICanDo”。就在今天凌晨，OpenAI的春季发布会终于是来了。
他们也没多讲几句废话，整场发布会就二十来分钟，其中，最重磅的无异于GPT-4o新模型的发布。
关于GPT-4o起名的缘由，OpenAI官方是这么解释的：“o“的全称是“omni”，也就是“全能”的意思。
之所以说它全能，是因为它能把文本、视觉、音频全打通了。换句话说，你跟GPT-4o对话就跟真人似的。
最重要的是，GPT-4o是免费向用户开放的，不开Plus会员也能用，只不过Plus会员要多一些使用次数。
反正跟世超一起蹲守直播的同事们看了，都直呼想要……
就连奥特曼也在Twitter上毫不避讳地，把GPT-4o跟科幻电影《Her》联系起来。（这部电影讲的是人和AI语音助理谈恋爱的故事）
评论区的网友们也纷纷表示“见证历史”“电影终于要照进现实了”，甚至还用奥特曼的照片，整出来了个“him”。
玩笑归玩笑，但世超觉得，OpenAI这次GPT-4o的现场演示效果，特别是实时语音和视频交互的能力，确实甩了其他现役大模型好几个车尾灯。
不过光这么说，大伙儿对GPT-4o的感受可能也不深，咱直接来看演示。
像演示人员让GPT-4o从一数到十，中途就嫌它语速太慢了，让它说快点儿，GPT-4o能立马反应过来，后续随时插话它都能瞬间get到。
就这一个接一个的连续对话实力，说实话世超还没在AI身上体验过。
给GPT-4o一个麦克风和摄像头权限，它能分分钟化身成面试指导官，比方视频里的这个老哥，说自己要去OpenAI面试，让GPT-4o给点着装建议。
它迅速“打量”了下这位老哥，礼貌不失幽默地给出了“抓个头发”的中肯建议。但老哥打算走个不听劝的人设，顺手拿出个帽子，问能不能戴它去面试。
GPT-4o这边反应贼快，识破了老哥明知故问地恶作剧，顺着他的话茬说，也不是不行，最起码能让你在人群中脱颖而出。
如果不给世超看演示画面，光听声音我可能会以为，这就是两个朋友之间在开玩笑。
当然，以GPT-4o的知识储备和多模态能力，它也有相当正儿八经的应用场景。
一扭头，就能直接化身成视障人士的眼睛，帮他们识别所在的位置，要是想知道眼前都有啥场景，GPT-4o也能够绘声绘色地描绘出来，甚至还能一步一步指导视障人士打车。
再摇身一变，GPT-4o还能化身成数学老师，把屏幕的权限开放给它，它能一步步指导你做题，你在题目上写了啥画了啥GPT-4o也都能看得一清二楚。
有一说一，这跟世超上中学时爸妈请的家教没啥两样……
看完官方的案例视频，相信大伙儿跟世超一样，已经被震撼得没边儿了。
而为了做到这些，OpenAI在底层的模型上可是下了不少苦功。
之前咱们用ChatGPT的语音对话，都是一轮一轮的来。它得先把咱说的话转换成文字输给GPT-4，等GPT-4生成文字答案之后，才能再转成语音输出。
也就是说，以前和ChatGPT语音对个话，它得动用三个模型，一个管音频转文本，一个GPT-4管文本转文本，另外还有一个管文本转音频。
一整套流程下来，耐心都快给磨没了，而且中间除非咱们手动暂停，否则根本没插话的机会。
但GPT-4o不一样，它是一个原生的多模态模型，无论文字音频，还是视频啥的，所有的输入和输出都在同一个神经网络里处理。
这种打娘胎里自带多模态的特性，让GPT-4o能够听懂好赖话，表达自己的情绪，和它对话也能像吃了德芙一样丝滑。
不过，上面那些视频终归还是“PPT”，没到手实测一波，世超也不敢轻易下定论这玩意儿是不是真的有这么强。毕竟前段时间，Sora生成的《气球人》短片才被传出加了大量的人类后期。
而在实际用这块，OpenAI还是一如既往的狗，嘴上说GPT-4o都能免费用，但也要分先来后到，而且功能也慢慢开放。
现在能用上GPT-4o的只有Plus账号，而且最重磅的实时视频和语音功能，毛都看不着。
但有总归比没有强，世超手边恰好也有个Plus账号，而且官方也说了，GPT-4o生成的速度还会比GPT-4快上两倍。
所以咱这波，就先提前给差友们试试GPT-4o的实力。
先让它给咱讲一个童话故事，顺便再画出整个故事的分镜图。GPT-4o没犹豫几秒，库吃库吃就开始写了。
写完中间也没带停顿，直接开始画分镜了。
而同样的问题再抛给GPT-4，它一开始就得磨蹭半天在问题上……
讲清楚要求后才肯继续写，而且写完之后也不继续画分镜图，还得等世超我再亲自强调一波。
不过虽然GPT-4比GPT-4o墨迹了不少，但从内容来看，我还是会觉得GPT-4会更丰富一点。
再借我司老员工火锅的照片一用，分别让GPT-4和GPT-4o生成一张像素风的图片。
在生成速度上GPT-4o完胜，但要抠细节的话两个就半斤八两了。
GPT-4识别出了火锅嘴里叼着的是袋子，GPT-4o多识别出了一只拖鞋，非要比的话，其实GPT-4的金毛更像火锅一些……
（左边GPT-4，右边GPT-4o）
接着，我又让GPT-4o把咱差评的LOGO换成3D图片，结果它整出来字，翻遍整本新华字典，估计都找不到。
但不识汉字也是历代ChatGPT的老毛病了，换成英文再要求它，你别说，这次出来的整体效果还可以，就是经不起细看，不少英文拼写都是错的。。
整个上手试下来，GPT-4o给我最大的印象就是快，非常快。
但说实话，除了快，世超真没觉得有啥特别的了，与其说GPT-4o是GPT-4的智商进化版，倒不如说是把GPT-4的交互能力单拎出来强化了一波。
就像奥特曼在博客里提到的，“达到人类响应时间和表达水平”是AI的巨大变化。大模型的终极形态，也应该是让人和AI的交流回归到最原始、最简单的形态。
在未来，咱们面对一台电脑、一部手机，直接说话交流，就是最主要的交互方式。
不过这次GPT-4o最厉害的杀手锏：视频交流功能，还没放出来，等到时候咱能体验到了再下结论也不迟。
另外，网友们也没干坐着，也在各种研究GPT-4o的，结果，却扒出了一些番外的料……
也不知道GPT-4o的中文语料库是哪儿来的，里面有不少的钓鱼网站的违禁词，像什么“日本x片免费视频”这类的。
给人老外都整无语了。。
像这样的乐子，以后指不定还要冒出来不少。但言归正传，GPT-4o的出现确实又给AI开了个新副本。
按照之前ChatGPT问世之后，其他友商步步紧逼的尿性。世超盲猜，在GPT-4o之后，类似的“Claude-o”“Gemini-o”应该很快就会出现。
刚好明天就是Google的I/O了，咱们也浅浅期待一手好吧。
相关文章
头条焦点
精彩导读
关注我们
【查看完整讨论话题】 | 【用户登录】 | 【用户注册】