北京时间5月14日凌晨1点，除尘烟雾收集罩OpenAI春季发布会上，CTO 重磅推出了可实时进行音频、视觉和文本推理的全新旗舰AI大模型——GPT-4o。
GPT-4o是GPT-4的升级版。“o”是Omni的缩写，意为“全能”，可接受文本、音频和图像的任意组合作为输入，生成文本、音频和图像。
GPT-4o支持API调用，比上一代速度快了2倍，价格降低了50%，还能实现无延迟实时对话。
GPT-4o拥有ChatGPT Plus会员版所有的能力，包括视觉、联网、记忆、执行代码、GPT Store……更为关键的是，它将对所有用户免费开放！
OpenAI奥特曼表示，“我们的初心，就是把最出色的AI工具，交到每个人的手中。”
在看完这场劲爆的发布会后，有人不禁感叹科幻片已然走入现实，也有人直言多个行业即将迎来巨大颠覆。
01
更快，更强，更像人
免费的GPT-4o，究竟有多炸裂？
简单来说，它更快、更强、更像人了。
作为多模态大模型，GPT-4o的能力横跨听、说、读、写，可以同时理解文本、图像、音频等内容。
而实时语音对话的过程，更是丝滑流畅毫无延迟——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。
从现场演示来看，跟GPT-4o进行对话，就像在跟一位风趣博学的真人打视频电话。
它甚至能感受到你的呼吸节奏与话语里的情绪，也能用比以前更丰富的语气实时回复，甚至可以做到随时打断。
研发负责人Mark Chen向它问道：「我正在台上，给大家做现场演示呢，我有点紧张，该怎么办呀？」
GPT-4o体贴地表示：「你在台上做演示吗，那你真的太棒了！深呼吸一下吧，记得你是个专家！」
Mark疯狂地大喘气几次，问GPT-4o能给自己什么建议吗。它则惊讶地说道：「放松点Mark，慢点呼吸，你可不是个吸尘器！」
在理解能力上，GPT-4o能够快速理解代码，并给出了准确完整的描述。
当看到纸上写着“我爱ChatGPT”后，GPT-4o惊喜又害羞地说：“喔，你竟然说爱我，你太可爱了！”
GPT-4o还展现了强大的实时翻译功能，快速完成了将英语与意大利语互相传译的任务。
据OpenAI官博介绍，ChatGPT免费用户可以访问新模型加持下的功能包括：
- 体验GPT-4级别的智能
- 从联网后的模型得到响应
- 分析数据并创建图表
- 畅聊你拍的照片
- 上传文件以帮助总结、撰写或分析
- 发现和使用GPTs和GPT Store
- 用记忆构建更有用的体验
同时，ChatGPT电脑桌面版也正式推出，它拥有桌面应用程序和全新的用户界面，可以轻易地和工作流融为一体。
可以预见，OpenAI的这一王炸不仅将在AI业内掀起“内卷”，也将对外语、实时翻译、音视频剪辑、编程等行业带来颠覆性变革。
02
大招频出
国内AI拿什么追
“训练 GPT5 没那么顺利，OpenAI 开始横向发展 AI 能力纬度了。”
有网友认为，GPT-4o是OpenAI迈向GPT5-的过渡之作，也让更多人对于GPT-5有了更多的期待。
在被称为全球“AI月”的5月，还有谷歌的I/O开发者大会、微软Build年度开发者大会、英伟达一季报发布等AI领域重要事件即将到来。
面对势不可挡的OpenAI们，国内大模型的机会在哪？
此前提出“ChatGPT对创业公司很不友好，未来两三年内请大家放弃融资幻想”的金沙江创投主管合伙人朱啸虎，这次则唱衰了GPT-4o。
他认为，1．大模型的技术迭代曲线明显放缓。2．开始卷免费，说明GPT的用户和收入增长都已经碰到瓶颈，不是深度绑定大厂的模型公司基本已经出局。3．应用会迅速爆发，推理成本再降一个数量级就会普及出现AI时代的国民应用。
在他和此前多次“抬杠”的豹移动猎豹事长兼CEO傅盛共同认为，国内大模型未来的机会在于应用。
尽管傅盛对GPT-4o的评价不高——“等核弹等来了摔炮”，但他也再次强调，“模型的能力当然会不断地迭代，但最终能够把大模型用好的还是应用。”
在AI上“姗姗来迟”的苹果，也选择在应用上发力赶超。
6月举办的苹果WWDC大会，或将推出全新AI应用商店，并可能升级Siri语音助手，引入新的生成式AI系统。
原标题：《GPT-4o炸翻全场！国产AI想要突围，只能靠它……》
