OpenAI昨晚發(fā)布的GPT-4o給許多智能助理丟下一顆震撼彈。它不僅是一款強(qiáng)大的多模態(tài)AI助理，同時(shí)，為了應(yīng)對(duì)Google Gemini的免費(fèi)策略，OpenAI也讓它免費(fèi)了。

GPT-4o其中的“o”代表“Omni”，也就是“全能”的意思，可見OpenAI對(duì)它的表現(xiàn)充滿了自信。不僅如此，OpenAI還為macOS用戶推出ChatGPT的桌面應(yīng)用，不僅可以向ChatGPT提問，還能讀取用戶的屏幕截圖。

GPT-4o的最大特點(diǎn)在于，它支持文本、音頻、圖像任意組合的輸入，同時(shí)也能以這樣的任意組合輸出，而且能夠接受最短232毫秒、平均320毫秒的音頻輸入，簡(jiǎn)單來說，GPT-4o的反應(yīng)速度就像真實(shí)的人類一樣。

在英文和代碼處理能力上，GPT-4o與GPT-4 Turbo性能不相上下，但是GPT-4o已經(jīng)可以直接在ChatGPT的網(wǎng)站使用。在非英文的能力上，GPT-4o有著明顯的提升，而且API速度也更快，成本也更低。

GPT-4o提供了GPT-4級(jí)別的智能，同時(shí)改進(jìn)了文本、視覺和音頻方面的能力。OpenAI CTO Muri Murati表示，這些模型將越來越復(fù)雜，但交互體驗(yàn)需要變得更簡(jiǎn)單和自然，讓用戶忘記交互界面，只關(guān)注與GPT的協(xié)作上。

在演示過程中，工程師在iPhone上和GPT-4o進(jìn)行了一次“視頻通話”，它對(duì)即時(shí)的信息反應(yīng)相當(dāng)迅速，還能很好地理解人類情感，同時(shí)也能表現(xiàn)出豐富的情感。在視覺能力上，它也能通過手機(jī)的攝像頭實(shí)時(shí)幫助工程師完成數(shù)學(xué)題甚至幾何題的運(yùn)算。

這么強(qiáng)大的能力，也讓GPT-4o發(fā)布幾個(gè)小時(shí)，就迅速在社交媒體上引發(fā)爭(zhēng)論。

Nvidia高級(jí)科學(xué)家Jim Fan在X上表示：“OpenAI正在競(jìng)爭(zhēng)中遠(yuǎn)超Character AI”，他也指出，以往OpenAI刻意壓制的更具情感和個(gè)性化的AI特性，如今已經(jīng)成為它迭代的方向。

AI開發(fā)者Benjamin De Kraker更感嘆GPT-4o基本上就是AGI（通用人工智能）：“這基本上就是AGI，這會(huì)被視為一個(gè)奇跡。當(dāng)一個(gè)虛擬人能聽、說、看，并且具備和人類幾乎無異的推理能力時(shí)，人們還能怎么稱呼它呢？”

基本就是AGI？GPT-4o“它”來了

與此同時(shí)，網(wǎng)絡(luò)上也有一些質(zhì)疑的聲音。記者和作家James Vincent表示，將GPT-4o作為語音助手的推廣方法很精明，但這最終只是“智能的偽裝”，因?yàn)椤奥曇舻谋憩F(xiàn)并不一定預(yù)示著能力的飛躍”。

基本就是AGI？GPT-4o“它”來了

對(duì)AI技術(shù)持反對(duì)意見的Artisanal Holdout表示：“OpenAI對(duì)GPT-5沒有信心，在GPT-4發(fā)布一年多后才推出了GPT-4o。這對(duì)OpenAI和AI愛好者來說都是一種尷尬。”

基本就是AGI？GPT-4o“它”來了

不過，Google預(yù)計(jì)也會(huì)在北京時(shí)間5月15日凌晨的I/O大會(huì)上公布自己的大模型進(jìn)展，而且Gemini早已取代Google Assistant，成為Android系統(tǒng)內(nèi)置的虛擬助理。

不論是大模型還是虛擬助理方面，OpenAI已經(jīng)搶盡風(fēng)頭，Google一定做好了準(zhǔn)備迎接這場(chǎng)挑戰(zhàn)。在I/O大會(huì)之后，OpenAI還會(huì)不會(huì)有什么別的動(dòng)作也很難說呢。