中新网5月14日电(中新财经 吴家(jia)驹)不是(shi)GPT-5，而是(shi)GPT-4o。
北京时间(jian)5月14日，研发ChatGPT的OpenAI公(gong)司，推出了具(ju)备“听(ting)、看、说”能力的GPT-4o。
OpenAI网站称，GPT-4o的“o”代表“omni”。在英语中“omni”常被用作词根(gen)，用来表示“全部”或(huo)“所有”的概念。
该(gai)公(gong)司首席执行官(guan)山姆·奥(ao)特(te)曼(Sam Altman)此前已预告，最新发布的产(chan)品“不是(shi)GPT-5，不是(shi)搜索引擎，但我们一直在努力开(kai)发一些我们认为(wei)人们会喜欢的新东(dong)西”。
据介绍，GPT-4o可以实时对音频、视觉和文本进行推理，接(jie)受文本、音频和图像的任意组合输入，并生成文本、音频和图像的任意组合输出。
OpenAI称，GPT-4o可以在短至(zhi)232毫秒的时间(jian)内对音频输入做出反应，平均反应时间(jian)为(wei)320毫秒，这与人类在对话(hua)中的反应时间(jian)相近。此外，它(ta)在英语和代码文本方面的性能与GPT-4 Turbo相当，在非英语语言文本方面也有显著(zhu)提高(gao)。同(tong)时在API(应用程序接(jie)口)方面，速度更快，成本也降低了50%。
现场，OpenAI展示了GPT-4o的多个应用场景。
例如，在一个演示中，OpenAI前沿研究负责(ze)人马克·陈(Mark Chen)通过手机(ji)与ChatGPT进行对话(hua)。Chen和ChatGPT说，他正在进行演示有些紧张，于是(shi)ChatGPT就“像朋友一样”，对他进行了安慰。同(tong)时，ChatGPT还(hai)能从Chen急促(cu)的喘气声中，听(ting)出他的紧张，然后对他说“慢一点。Mark，你(ni)不是(shi)吸尘器。吸气，然后数到(dao)四。”
GPT-4o检测人的表情。图自X平台
在另一个演示中，OpenAI后训练团队负责(ze)人巴雷特(te)·佐夫(fu)(Barret Zoph)把自己的脸对着镜头，让(rang)GPT-4o看看自己的情绪如何。在演示的过程中，Zoph先打开(kai)了手机(ji)的后置摄(she)像头，拍到(dao)了木质(zhi)桌面，于是(shi)ChatGPT说，“我看到(dao)的好像是(shi)木质(zhi)表面。”而让(rang)ChatGPT再试一次(ci)后，ChatGPT对Zoph说，“你(ni)看起来很开(kai)心，笑(xiao)容灿烂，也许还(hai)有一丝兴奋。”
同(tong)时，OpenAI还(hai)在官(guan)网发布了一系列演示视频：GPT-4o可以帮助学习数学、学习西班牙语、准备面试，可以通过画面判断出你(ni)正在过生日，然后给你(ni)唱生日快乐歌，可以根(gen)据要求唱不同(tong)风格的催眠(mian)曲，甚(shen)至(zhi)还(hai)可以当“石头剪刀布”的裁(cai)判。而在这些视频中，GPT-4o与演示者的对话(hua)流畅，说话(hua)语气就“像真人一样”。
有网友表示，根(gen)据目前展示的视频来看，GPT-4o在语音交互体(ti)验上提升了不少。有网友认为(wei)，GPT-4o对算力的需求更大了。也有网友提出，既然GPT-4o具(ju)备了“视觉”，它(ta)是(shi)否可以代替盲人看世界。
OpenAI称，通过GPT-4o，公(gong)司跨(kua)文本、视觉和音频端到(dao)端地训练了一个新模型，这意味着所有的输入和输出都由同(tong)一个神(shen)经网络处理。由于GPT-4o是(shi)OpenAI第一个结合了所有这些模式的模型，因此公(gong)司在探索该(gai)模型的功能及其局限性方面仍处于起步阶段。
对此，山姆·奥(ao)特(te)曼在社交媒体(ti)表示，最初的ChatGPT展示了语言界面的雏形，而新的ChatGPT则给人截然不同(tong)的感(gan)觉。它(ta)快速、智能、有趣(qu)、自然，而且“乐于助人”。“随着我们增加(可选的)个性化功能、访问信息的功能、代表你(ni)采取行动的功能等，我真的看到(dao)了一个令人兴奋的未来，我们可以用电脑做比(bi)以往更多的事(shi)情。”(完)