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AI target=_blank class=infotextkey>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，但我們一直在努力開發一些我們認為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，并生成文本、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，平均反應時間為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，于是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，然后對他說“慢一點。Mark，你不是吸塵器。吸氣，然后數到四。”
GPT-4o檢測人的表情。圖自X平臺
在另一個演示中，OpenAI后訓練團隊負責人巴雷特·佐夫(Barret Zoph)把自己的臉對著鏡頭，讓GPT-4o看看自己的情緒如何。在演示的過程中，Zoph先打開了手機的后置攝像頭，拍到了木質桌面，于是ChatGPT說，“我看到的好像是木質表面。”而讓ChatGPT再試一次后，ChatGPT對Zoph說，“你看起來很開心，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、準備面試，可以通過畫面判斷出你正在過生日，然后給你唱生日快樂歌，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。有網友認為，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，這意味著所有的輸入和輸出都由同一個神經網絡處理。由于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于起步階段。
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“樂于助人”。“隨著我們增加(可選的)個性化功能、訪問信息的功能、代表你采取行動的功能等，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。”
