【新智元导读】
OpenAI半小时的发布会让很多人第一反应是直呼「失望」，但随着官网放出更多demo以及更多网友开始试用，大家才发现GPT-4o真的不可小觑，不仅在各种基准测试中稳拿第一，而且有很多发布会从未提及的惊艳功能。
OpenAI在发布会上官宣GPT-4o之后，各路大神也开始了对这个新模型的测评，结果就是，GPT-4o在多项基准测试上都展现了SOTA的实力。
别家发布会都在画饼，OpanAI却总能开出一种「欲扬先抑」的效果，惊喜全在发布会之后。
首先，在LMSys聊天机器人竞技场上的ELO分数排行上，GPT-4o套了一个GPT2聊天机器人的马甲，以一骑绝尘的态势名列第一，评分为1310，和第二名GPT-4-turbo的1253分相比，呈现断档式的提升。
再来看多模态领域的基准Reka Vibe-Eval，这也是一个很有挑战性的测试，由 269 个超高质量图像文本对组成，用于评估多模态语言模型的性能。
在Reka Vibe-Eval 分数的排行榜上，GPT-4o再次荣登第一，相比谷歌新发布的Gemini Pro 1.5高出了将近三个百分点。
而且GPT-4o克服了这个测试集上大模型常见的「逆缩放」问题，也就是在某些案例中表现不如小模型的问题。
针里寻针（Needle in a Needlestack，NIAN）是最近非常流行的开源基准测试，用于评估大模型关注上下文内容的能力。
大语言模型的进展导致曾经流行的基准测试「大海捞针」已经过时，在此基础上，更具挑战性的「针里寻针」测试诞生了。
https://github.com/llmonpy/needle-in-a-needlestack
测试中，「针里寻针」会从一个大型打油诗数据库中挑出几首，将其放在prompt中的特定位置，之后再询问关于这些打油诗的问题，由此可以很好地考察LLM的上下文记忆能力。
每个测试使用5-10个打油诗，放置在prompt中的5-10个位置，重复2-10次。
曾经，GPT-4 Turbo和Claude-3 Sonnet都在「针里寻针」测试中表现得非常惨烈，侧面证明了这个任务对LLM的难度和挑战性。
广受欢迎的Mistral模型虽然表现得稍好一点，但正确率基本不超过60%。
相比之前的模型，GPT-4o取得了飞跃性的突破，正确率每个token位置上都不低于80%，一度接近100%，表现近乎完美！
新推出的轻量级「GPT-4o」模型，虽然有速率限制，但重点是——免费！
语音交互绝对是模型的「亮点」，但它的功能远不止于此！
OpenAI表示这是他们第一个真正的多模态模型，通过单一的神经网络完成所有任务。
网友表示「不知道这是否是真的还是有些夸大，但GPT-4o在所有领域的能力都超过了市场上的其他任何产品。」
有网友发现，作为原生多模态模型，GPT-4o的文生图效果非常惊艳，甚至超过DALLE和MidJourney
而且，在生成图片上的文字时，效果更是远远好过DALL-E 3。
DALL-E 3 在图像上生成超过5个单词后就会崩溃，而GPT-4o不仅做到文字的连续性，还能在之前生成图像的基础上进行迭代。
这种迭代是非常重要的，也标志着模型能力的巨大飞跃。虽然生成出来的文字还是非常「生硬」，甚至有明显错误，但是迭代能力可以使GPT-4o后续逐渐减少文字和图像方面的错误。
除了生成文字，GPT-4o还能你为生成独立的角色形象，然后进行对话互动。
神奇的是，他们把对话界面隐藏在一个悬停图标下！这意味着你可以对它进行任意动作、风格和场景的设计！而且GPT-4o在风格表现方面做得非常出色。
平面图片不够炫酷？GPT-4o能够对图片进行3D重建。
GPT-4o还是一个强大的PS工具，OpenAI的logo被轻松嵌入到了杯垫上，但仔细看的话，你会注意到这两张图片不是同一个杯垫。
模型没有在原图片基础上进行修补，而是从头生成，因此看起来像原始的、未经过PS的图片。
Reddit上一位网友分析认为，OpenAI的Sam Altman等主创团队可能是太喜欢《Her》这部电影了，他们对GPT-4o的语音互动设计很明显受电影的启发（Altman也暗示了这一点），而且发布会的展示也借鉴了电影的手法——
让模型自己展示其惊人的能力，而不是像苹果或者谷歌那样列出原始数据和技术细节。
这样做非常有「艺术感」，吊足了围观群众好奇心，但也很容易让人低估模型的能力。
GPT-4o的能力如此强大，也引发了对模型架构的猜测和热烈讨论，网友们的观点也呈现出两个方向。
而另一方的观点似乎更占上风，认为底层架构绝对有重大变动，目标是对齐GPT-4的文字能力，并在推理和多模态方面相比GPT-4有更多提升。
虽然搭载GPT-4o的ChatGPT聊天界面及其API已经免费开放给用户使用，但OpenAI依旧坚持了不开源的传统，这次甚至连一篇技术报告都没有。
但这并不影响GPT-4o在LLM角斗场中掀起风云。
Liquid AI
的资深科学家Maxime Labonne这样描述：「LLM 争夺战愈演愈烈，GPT-4o 遥遥领先」
这场竞争中值得关注的另一个角度，则是大语言模型的开源和闭源之战。GPT-4o能力的快速增长导致闭源和开源之间的差距再次被拉大。
更重要的是，闭源阵容中并非GPT-4o一枝独秀。综合迄今为止发布的所有LLM，闭源模型的总体表现始终比开源模型更加优秀，而且GPT、Claude、Gemini等系列的闭源模型始终走在最前沿。
