中新網5月14日電(中新財經 吳家駒)不是GPT-5，而是GPT-4o。

　　北京時間5月14日，研發ChatGPT的OpenAI公司，推出了具備“聽、看、說”能力的GPT-4o。

　　OpenAI網站稱，GPT-4o的“o”代表“omni”。在英語中“omni”常被用作詞根，用來表示“全部”或“所有”的概念。

　　該公司首席執行官山姆·奧特曼(Sam Altman)此前已預告，最新發布的產品“不是GPT-5，不是搜索引擎，但我們一直在努力开發一些我們認爲人們會喜歡的新東西”。

　　據介紹，GPT-4o可以實時對音頻、視覺和文本進行推理，接受文本、音頻和圖像的任意組合輸入，並生成文本、音頻和圖像的任意組合輸出。

　　OpenAI稱，GPT-4o可以在短至232毫秒的時間內對音頻輸入做出反應，平均反應時間爲320毫秒，這與人類在對話中的反應時間相近。此外，它在英語和代碼文本方面的性能與GPT-4 Turbo相當，在非英語語言文本方面也有顯著提高。同時在API(應用程序接口)方面，速度更快，成本也降低了50%。

　　現場，OpenAI展示了GPT-4o的多個應用場景。

　　例如，在一個演示中，OpenAI前沿研究負責人馬克·陳(Mark Chen)通過手機與ChatGPT進行對話。Chen和ChatGPT說，他正在進行演示有些緊張，於是ChatGPT就“像朋友一樣”，對他進行了安慰。同時，ChatGPT還能從Chen急促的喘氣聲中，聽出他的緊張，然後對他說“慢一點。Mark，你不是吸塵器。吸氣，然後數到四。”

GPT-4o檢測人的表情。圖自X平台

　　在另一個演示中，OpenAI後訓練團隊負責人巴雷特·佐夫(Barret Zoph)把自己的臉對着鏡頭，讓GPT-4o看看自己的情緒如何。在演示的過程中，Zoph先打开了手機的後置攝像頭，拍到了木質桌面，於是ChatGPT說，“我看到的好像是木質表面。”而讓ChatGPT再試一次後，ChatGPT對Zoph說，“你看起來很开心，笑容燦爛，也許還有一絲興奮。”

　　同時，OpenAI還在官網發布了一系列演示視頻：GPT-4o可以幫助學習數學、學習西班牙語、准備面試，可以通過畫面判斷出你正在過生日，然後給你唱生日快樂歌，可以根據要求唱不同風格的催眠曲，甚至還可以當“石頭剪刀布”的裁判。而在這些視頻中，GPT-4o與演示者的對話流暢，說話語氣就“像真人一樣”。

　　有網友表示，根據目前展示的視頻來看，GPT-4o在語音交互體驗上提升了不少。有網友認爲，GPT-4o對算力的需求更大了。也有網友提出，既然GPT-4o具備了“視覺”，它是否可以代替盲人看世界。

　　OpenAI稱，通過GPT-4o，公司跨文本、視覺和音頻端到端地訓練了一個新模型，這意味着所有的輸入和輸出都由同一個神經網絡處理。由於GPT-4o是OpenAI第一個結合了所有這些模式的模型，因此公司在探索該模型的功能及其局限性方面仍處於起步階段。

　　對此，山姆·奧特曼在社交媒體表示，最初的ChatGPT展示了語言界面的雛形，而新的ChatGPT則給人截然不同的感覺。它快速、智能、有趣、自然，而且“樂於助人”。“隨着我們增加(可選的)個性化功能、訪問信息的功能、代表你採取行動的功能等，我真的看到了一個令人興奮的未來，我們可以用電腦做比以往更多的事情。”

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播信息之目的，不構成任何投資建議，如有侵權行為，請第一時間聯絡我們修改或刪除，多謝。

標題：“有眼睛、有耳朵、有嘴巴”的AI？OpenAI最新發布！

地址：https://www.breakthing.com/post/128534.html