ChatGPT开发商OpenAI于13日(当地时间)正式发布了能像人一样看、听、说的"全能模型"人工智能(AI)"GPT-4o"。GPT-4o性能优于现有的"GPT-4 Turbo",且运行成本便宜50%,效率极高。在谷歌年度开发者大会(I/O)召开前一天,OpenAI与微软(MS)阵营推出进一步升级的版本,超大规模AI市场的霸权竞争愈发升温。
OpenAI当天通过线上新产品发布会公开了最新大规模语言模型(LLM)"GPT-4o"。GPT-4o中的"o"意为"全能(omni)",表示已超越了可同时处理语言之外的图片、语音等的多模态。
当天公开的GPT-4o与提问与回答一来一往的现有语音聊天机器人不同,不仅可以进行夹杂玩笑的自然对话,语调也多样。它具备在回答过程中被插话仍能继续对话的能力,因此也有评价认为其向超越人类的通用人工智能(AGI)开发又迈进了一步。当天OpenAI演示的GPT-4o既能呈现机器人般干巴巴的语调,也能像音乐剧演员一样以歌唱方式说话。GPT-4o之间也可以对话,甚至互相对唱。还能进行实时口译和翻译。例如GPT-4o将意大利语翻译成英语说出来,用英语回答后再将其翻译成意大利语说出来。
视觉识别也进一步改善。它通过摄像头识别"视野",不仅能理解空间氛围或人的情绪,还能实时解析数学式,像老师一样指导解题过程。当天OpenAI演示了GPT-4o帮助完成简单数学式解题过程的情形。展示"3x+1=4"这一算式后,它回答"要求出x,需要把1集中到一边"。它不只是给出直接解法,而是循序渐进地告知"解题思路"。
GPT-4o让人联想到2013年上映的电影《她(Her)》,片中一名男子与AI助理相爱。OpenAI首席执行官(CEO)萨姆·奥尔特曼在活动结束后在自己的X(原推特)上发布了"Her"一词。他还写道:"(新AI模型)感觉就像电影中的AI,而它成为现实令人惊讶。"
GPT-4o的性能优于现有的GPT-4 Turbo。OpenAI表示,在测试数学、物理学、法学、伦理学等57个科目的多语言任务理解(MMLU)中,GPT-4o取得88.7%,超过GPT-4 Turbo的86.5%和谷歌"Gemini Ultra"的83.7%。OpenAI称:"GPT-4o在语言、推理和编码智能方面达到GPT-4 Turbo水平,在多语言、音频和视觉方面创下新的最高记录。"
功能改善的同时,AI结构变得更轻。各语言的token使用量相比GPT-4 Turbo减少1.1~4.4倍,应用接口(API)比此前快2倍。OpenAI表示,GPT-4o的平均响应时间仅为0.232秒,比人类平均的0.32秒还快。考虑到前作GPT-3.5和GPT-4的平均响应时间分别为2.8秒和5.4秒,这是革新性的进步速度。模型轻量化带来成本下降。公司方面解释称,GPT-4o的运行成本也比前作便宜50%。
OpenAI计划向所有用户免费提供GPT-4o。GPT-4o将取代此前提供给免费用户的GPT-3.5。奥尔特曼CEO表示:"OpenAI的使命是把强大的AI工具交到人们手中","能够在没有广告的ChatGPT上免费使用世界最强模型,我们为此感到自豪"。GPT-4o从当天起向全球ChatGPT用户逐步开放。支持语言包括韩语在内共50种。
OpenAI与微软发布GPT-4o,是在超大规模AI及云计算竞争对手谷歌I/O召开前一天突然进行的。因此科技业界的目光集中在谷歌I/O上将发布多么具有革新性的AI技术。对谷歌而言,值得安慰的是OpenAI此次并未推出此前预期的"GPT搜索"功能。实际上,当天OpenAI发布后,谷歌母公司Alphabet股价小幅上涨0.36%。这意味着市场暂时判断谷歌现有的搜索市场份额未受冲击。






