图片来源网络，如有侵权，请联系删除。
编辑丨新智元
编辑部
【导读】OpenAI说要改变历史，他们做到了！今夜的发布会上，「Her」彻底成真。GPT-4o加持的ChatGPT，和人类的对话丝滑得像个真人，惊掉在场所有观众的下巴。眼看着科幻中的设想一件件成真，活在这个奇点临近的时代，我们何其幸运。
传说，这一夜，OpenAI要改变历史。
看完发布会的观众们，久久未从巨大的震惊中走出——科幻电影中的「Her」，在此刻成真了！
在全场欢呼中，CTO Mira Murati走到台上，为全世界揭晓了OpenAI神秘新产品的面纱——
GPT-4o，在千呼万唤中登场了。
现场演示中，它的表现仿佛一个人正坐在旁边，和人类的对话节奏自然、融洽，完全听不出是个AI。
从今夜之后，人机交互彻底进入新的时代！
这也正呼应着它名字中的玄机：「o」代表着「omni」，意味着OpenAI朝着更自然的人机交互迈出了重要一步。
在短短232毫秒内，GPT-4o就能对音频输入做出反应，平均为320毫秒。这个反应时间，已经达到了人类的级别！
并且，它可以将文本、音频、图像任何组合作为输入和输出。
而在英语文本和代码基准测试中，GPT-4o的性能与GPT-4 Turbo不相上下，并在非英语文本得到显著改进。
更值得一提的是，这款全新的AI模型，免费向所有人提供GPT-4级别的AI。
（是的，上周在LMSYS模型竞技场上引起整个AI圈疯狂试用的那个gpt2，就是它！）
现在，进入ChatGPT页面，Plus用户可以抢先体验「最新、最先进的模型」GPT-4o。
Sam Altman亲自在x上发起了产品介绍。
Altman介绍道「GPT-4o是OpenAI有史以来最好的模型，它很聪明，速度很快，是天然的多模态。」
而且，所有ChatGPT用户都可以使用，完全免费！
Altman特意强调，此前虽然只有按月付费的用户才能使用GPT-4级别的模型，但这可不是OpenAI的本意哦。
「我们的初心，就是把最出色的AI工具，交到每个人的手中。」
（还想着，这场重要的发布会，奥特曼怎么没有现身，原来在观众席中）
而即将召开年度I/O大会的谷歌，不甘示弱，也开启了语音助手的demo实时演示。
谷歌DeepMin的CEO Demis Hassabis激动地表示，自己将首次在I/O大会上演讲，并分享他们所做的工作。
两大巨头正面刚起来了！明天还有好戏要看，已经闻到硝烟味了。
一夜颠覆语音助手：全新旗舰GPT-4o登场
当然，这次发布会的压轴主角，就是OpenAI推出的旗舰模型GPT-4o了。
这个带着光环登场的模型，其最大意义就在于，把GPT-4级别的智能，带给了OpenAI的每一位用户！
从此以后，无论你是付费用户，还是免费用户，都能通过它体验GPT-4了。
唯一不同的是，ChatGPT Plus的消息限制是免费用户的5倍。
并且，GPT-4o不仅提供与GPT-4同等程度的模型能力，推理速度还更快，还能提供同时理解文本、图像、音频等内容的多模态能力。
注意，GPT-4o接下来要放大招了。
实时语音对话：ChatGPT完美变身Moss
研发负责人Mark Chen首先展示的，是全新ChatGPT的关键功能之一——实时语音对话。
他向它问道：「我正在台上，给大家做现场演示呢，我有点紧张，该怎么办呀？」
ChatGPT非常体贴地表示：「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ChatGPT能给自己什么建议吗。（此处全场笑声）
它惊讶地说道：「放松啊Mark，慢点呼吸，你可不是个吸尘器！」（它的幽默感，也再次引起全场哄笑）
注意，在这个过程中，ChatGPT和Mark的互动几乎无延迟，随时接梗，共情能力满分。
而且，模型能够理解人类在对话中适时「打断」的习惯，会及时停下来听你说话，并给出相应的回复，而且也不会「断片」。
比如，Mark表示自己要再试一遍深呼吸，此时ChatGPT也恰到好处地插进来接话说「慢慢呼气」。
整个过程，自然连贯得仿佛它是个坐在你对面的人类，完全没有AI的机械感和僵硬感！
相比反应迟钝、没法打断还缺少情商的Siri等语音助手，这局ChatGPT完胜。
这，才是人类最理想AI语音助手的样子啊，Moss果然成真了！
不仅如此，ChatGPT的「高情商」也让观众们惊呼太顶了！
对话中，它可以听懂用户说话时不同的语调、语气，还能根据自己的台词生成不同语气的语音，完全没有「机械感」。
扮演不同角色，给任性的人类讲睡前故事
接下来，ChatGPT被要求讲一个睡前故事，主题是「恋爱中的机器人」。
ChatGPT没讲几秒，就被人类粗暴地打断了：「多点情绪，故事里来点戏剧性行不？」
ChatGPT表示ok，用更起伏的声调、更夸张的语气开始讲起了故事。
结果没几秒，它又被再次打断：「不行不行，再多点情感，给我最大程度的表达可以吗？」
接下来，我们听到一个仿佛在舞台上表演莎剧的ChatGPT，语气夸张到仿佛是个戏剧演员。
随后，它又多次被打断，并且耐心地按照人类的要求，依次变成了机器人声和唱歌模式。
ChatGPT听到要求自己唱歌时，甚至叹了口气，然后开始亮起了优美的歌喉。
这也就是ChatGPT脾气好，要是真人，估计要被暴打了。不过它无奈叹气的那个瞬间，一瞬间的确san值狂掉——真的好像人啊！
视频实时互动解方程
秀完情商，ChatGPT要开始秀智商了。
下一个任务，另一位研发负责人Barret手写了一个方程，并打开摄像头拍给ChatGPT，让它扮演「在线导师」的角色帮助自己解题，而且只能给提示，不能直接说答案。
接到任务的ChatGPT，甚至开心大叫：「Oops，我好兴奋啊！」
小哥在纸上写下这样一个方程：3x+1=4。然后问ChatGPT自己写的是什么方程，ChatGPT语调自然地回答出来了。
随后，在小哥的要求下，它一步一步说出了解题步骤。
最厉害的是，随着小哥在摄像头中解题，ChatGPT实时地就给出了鼓励和引导。
而且可怕的是，时间上没有丝毫延迟，这边人还在算呢，那边就实时给出了评价和反馈。（说背后没藏个人还真不信呢）
想起之前谷歌剪辑版的Gemini演示，这对比之下真是打脸啪啪的啊。
当被问到「学习线性方程在生活中有什么用」这样的问题时，ChatGPT还会举出实际的例子对你「循循善诱」：
这是个不错的问题，虽然我们没有注意到，但线性方程在每天的生活中都会出现，比如计算花销、规划旅行、烹饪，甚至在商业中进行盈亏计算。这基本上是解决问题的一种方式，你需要找到一个未知变量......
不仅言之有物，而且态度及其和蔼，说话说到一半被打断时都不会生气。
方程的任务告一段落，两人还现场来了一波表白——在纸上写下「我
![]()
ChatGPT」。
ChatGPT看到后，惊喜又害羞地说：「哦，你竟然说爱我，你太可爱了！」
桌面版ChatGPT秒解代码难题
解方程任务也许还不能充分展现ChatGPT的能力，于是OpenAI又上了一波难度——看代码，并进行简短描述。
模型几乎是立即理解了代码，并给出了丝滑且完整的描述。
比如准确对应了函数名及其功能，并识别出了其中取平均值、最高值等操作的意图。
当被问到「如果没有foo这个函数，绘制的图表会是什么样子」，ChatGPT也立即做出了正确回复，可见已经完美理解了代码中的内在逻辑。
接下来，ChatGPT还被要求概述代码生成的图表，并回答用户问题。
不出意外，图表中各方面的关键信息也都被ChatGPT精准捕捉到了，包括x、y轴的信息与范围、数据标注的含义等。
随后Mark提出的问题是「你看到哪个月的气温最高？对应的最高气温大概是多少？」
这种能作为学校数学考试题目的图表理解任务，ChatGPT解决起来也几乎没有障碍，还能像接受面试一样实时回答你的问题。
直播观众提问：给你看看我的自拍
模型演示之后，还有彩蛋。
发布会在线上同步直播，于是主持人收集了一些推特网友的提问，并且当场展示。
这可以说是比演示更加刺激的环节，在没有准备和彩排的情况下，这可是真刀真枪地检验模型实力了。
第一位网友的提问是「GPT-4o是否具有实时翻译功能？」
随后，在Mark的任务定义下，ChatGPT完成了将英语「同声传译」为意大利语的任务。
第二位网友的提问是「模型可以只通过我的表情识别情绪吗？」
研发负责人Barett也没在怕，拿起手机就照了一张自拍，甩给了ChatGPT，问道「我现在是什么情绪呢？」
ChatGPT不知是幽默了一把还是翻车了，说「我好像在看一个木质表面的东西」。
见势不好，Barett匆忙打断。他在提示工程方面也是经验颇深，一句话就将对话拉回正轨：「那是我之前发给你的的东西，不用担心，我不是一张桌子」。
ChatGPT表示，啊，这就对了嘛。再次引起全场哄笑。这次它给出了非常「人性化」的正确答案——
「看起来你非常开心快乐，带着大大的笑容，可能甚至有一点兴奋。无论正在发生什么事，似乎你心情很好，愿意分享一下有什么高兴事吗？」
Barett顺势表示：「我开心的原因是我们正在做演示，你的表现很棒。」
受到夸奖的ChatGPT居然很风趣地来了一句「哦，别说了，你都让我脸红了」，再次逗笑了全场。
Greg Brockman亲自演示
除了发布会上的现场演示之外，OpenAI总裁Greg Brockman也亲自下场，在网上发布了一段自己使用ChatGPT各种功能的视频。
GPT-4o强在哪儿？
在过去几年里，OpenAI一直在专注于提升模型的智能水平。
虽然后者已经达到了一个相当的水平，但是，今天这是第一次，模型在易用性方面，迈出了一大步！
为什么会把模型的易用性提到如此战略层面的高度？这是因为，即使一个AI再强大，如果它不能和人有效互动，也就失去了意义。
在这个过程中，OpenAI所着眼的，是人类和机器交互的未来。
而今天GPT-4o的发布，可能会成为一个分水岭，让人机协作的范式彻底迈入一个新阶段！
为此，OpenAI希望把GPT-4o和人类的互动，打造得格外舒服自然。
不过，虽然这个理想很宏大，但是在实际操作过程中，却遭遇了不小的困难。
毫秒级响应，与人类对话一致
首先，在人类之间互动时，有很多东西是我们认为理所当然的，但要让AI理解这些，就变得很困难。
比如，我们的谈话经常被打断，谈话过程中会有背景噪声，会有多个人同时说话的情况，说话人的语气语调也经常发生微妙的变化。
OpenAI克服了很大困难，花费了数月的时间，终于打造出了完美适应这些状况的GPT-4o！
