北京时间2024年5月14日凌晨一点，OpenAI举办了备受瞩目的Spring发布会。
在大众心目中，OpenAI早已成为了PR高手的代名词。每一次发布会都准确无误地点燃了业界的火药桶，给竞争对手们带来了不小的压力。而这一次，发布会的时间点也是如此精准，刚好赶在了5月15日 2024 Google IO开发者大会之前，让人不禁要为Google捏一把汗。
但是，今天OpenAI新品却是如此令人震撼，直接摧毁了一切竞争对手想象空间。
OpenAI GPT-4o 发布会现场
1. 新模型：GPT-4o
OpenAI正式发布了全新的模型——GPT-4o。
这个“o”代表着“Omni”，在拉丁语中意为“全体”、“所有”或“全面的”。而“omni”作为前缀在英语中表示“所有的”或“全体的”，如“omniscient”意为“无所不知的”，“omnipotent”意为“全能的”，“omnipresent”意为“无所不在的”。
在GPT-4o之前，使用Voice Mode与ChatGPT进行对话的延迟平均为2.8秒（GPT-3.5）和5.4秒（GPT-4）。通过使用三个独立模型的管道，即一个简单模型将音频转录为文本，GPT-3.5或GPT-4接收文本并输出文本，以及第三个简单模型将文本转换为音频。但是这种处理方式导致主要智能来源的GPT-4失去了很多信息。三个过程都会产生延迟，累计起来延迟非常的大。
GPT-4o的问世标志着一种全新的多模态时代的到来，它不仅能处理文本，还能实时推理音频和视觉，让传统的GPT-4V相形见绌。
在多项基准测试中，GPT-4o几乎碾压了以往的所有模型，尤其在图表理解和视觉回答等方面表现出色。
文本推理能力（多项评测均处于第一的水平）：
语音识别能力(甚至强于专门训练的whisperv3的能力)：
多语言考试测试（包括不同语言的多选题）：
视觉理解能力（GPT-4o获得全新的SOTA视觉模型成绩）：
2. 全新ChatGPT
基于GPT-4o打造的全新ChatGPT
"GPT4-o"在语音对话中几乎没有延迟，并且能够实时响应，甚至可以理解对话中的情绪和呼吸声音。它的情感表达和真实性让人不禁为之惊叹，仿佛在面对真人一般。
更令人惊叹的是，"GPT4-o"还具备了视觉功能，可以直接打开摄像头，实时感知周围环境，并对其做出相应的回应。
测试人员利用摄像头让GPT4-o对人物和环境进行感知
另外，他们还推出了适用于macOS的ChatGPT桌面应用程序，可以方便用户快速进行提问、讨论截图以及进行语音对话等。
支持对桌面的画面进行聊天会话，如对代码的介绍、函数的实现等
支持对桌面的画面进行聊天会话，如对图表信息描述和分析
在这次发布会之后，我们不禁要思考，人类在AI时代该何去何从？
OpenAI的新产品GPT-4o无疑给我们带来了无限的想象空间，但与此同时，也让我们思考人类与技术的关系，以及如何更好地融合人类的情感与智慧。
总之，OpenAI的这次发布会可谓是AI领域的一次里程碑，让我们拭目以待，期待着更多的创新和突破。如果您对这篇文章感兴趣，别忘了点赞、转发，并关注我们的微信公众号，获取更多精彩内容！
