美国东部时间5月13日牛财金消息，人工智能巨头OpenAI发布了GPT-4的迭代版本，GPT-4o。在现场演示的结果显示，大模型GPT-4o可以察言观色进行视频对话，丝滑流畅毫无延迟，就像和真人聊天一样。
GPT-4o里的字母“o”是Omni的缩写，也就是“全能”的意思，接受文本、音频和图像的任意组合作为输入，并生成文本、音频和图像输出。
它可以在短至232毫秒、平均320毫秒的时间内响应音频输入，与人类在对话中的反应速度相近, 比上一代速度快两倍。
GPT-4o作为新一代旗舰模型，把AI工具的使用门槛降到了更低的程度，用户不用注册，功能全部免费, 包括视觉、联网、记忆、执行代码、GPT Store等等。
1.实时语音问答，并赋予感情交流。
2.通过摄像头视觉传达内容(文字/图形)
3.捕捉桌面信息进行辅助编程与问答
4.通过视觉解析图形报表，总结分析
5.视频通话可实时翻译，支持多国语言
GPT-4o实现了类似真人交流的巨大飞跃，它接受文本、音频和图像的任意组合作为输入，并生成任意组合的文本、音频和图像输出。
GPT-4o集合了文本、图片、视频、语音的处理能力，能够实时响应用户需求，并通过语音实时回答。
而且它具备强大的视觉能力，能够识别物体并基于视觉信息做出快速响应和回答，同时还展现出卓越的逻辑推理能力。
在英语和代码方面，它与GPT-4 Turbo性能相当，在非英语语言文本上有显著改进，同时API速度更快，且价格便宜50%。与现有模型相比，GPT-4o在视觉和音频理解方面表现特别出色。
在现场，OpenAI 的工程师拿出一个 iPhone 演示了新模型的几种主要能力,最重要的是实时语音对话。
Mark Chen 说："我第一次来直播的发布会，有点紧张。"
ChatGPT-4o 安慰道："要不你深呼吸一下?"
Chen: "好的，我做一下深呼吸。", 并作出夸张的表现。
ChatGPT 立即回答说，你这不行，喘得也太厉害了。
1、你可以随时打断与ChatGPT-4o的对话，不用等它说完就可以继续下一轮对话。
2、你不用等待，模型反应极快，比人类的回应还快。
3、GPT-4o能够充分理解人类的语气、情感，自己也能表现出各种情感、开玩笑。
就是说你可以感觉是跟一个真人在交流，而不是一台机器。
随后是视觉能力。另一个工程师在纸上现写的方程，让 ChatGPT-4o不是直接给答案，而是让它解释要一步步怎么做。看起来，它在教人做题方面很有潜力。
它可以分析代码，解析代码的用途，其中函数的作用，阅读表格数据。
但还是有很多人对这次发布会不满意。有网友觉得OpenAI在挤牙膏，一年多过去了仍然在GPT-4上裹足不前，也有人对免费提出了质疑。
当服务免费时，用户就是实验品，OpenAI可以获得海量的用户数据。
对一般的国内用户来说，不用注册即可使用已经是个天大的惊喜了，再也不用找国外手机号注册了。
奥特曼：对手开源，我们免费
在发布结束后，OpenAI CEO 奥特曼久违地发表了一篇博客文章，介绍了推动 GPT-4o 工作时的心路历程：
在我们今天的发布中，我想强调两件事。
首先，我们使命的一个关键部分是将强大的人工智能工具免费（或以优惠的价格）提供给人们。我非常自豪地宣布，我们在 ChatGPT 中免费提供世界上最好的模型，没有广告或类似的东西。
当我们创立 OpenAI 时，我们的最初构想是：我们要创造人工智能并利用它为世界创造各种利益。现在情况有所变化，看起来我们将创造人工智能，然后其他人将使用它来创造各种令人惊奇的事物，我们所有人都会从中受益。
当然，我们是一家企业，会发明很多收费的东西，这将帮助我们向数十亿人提供免费、出色的人工智能服务（希望如此）。
其次，新的语音和视频模式是我用过的最好的计算交互界面。感觉就像电影里的人工智能一样，我仍然有点惊讶于它竟然是真的。事实证明，达到人类水平的响应时间和表达能力是一个巨大的飞跃。
最初的 ChatGPT 暗示了语言界面的可能性，而这个新家伙GPT-4o 给人的感觉有本质上的不同 —— 它快速、智能、有趣、自然且能给人带来帮助。
对我来说，与电脑交互从来都不是很自然的事情，事实如此。而当我们添加了个性化、访问个人信息、让 AI 代替人采取行动等等能力时，我看到了一个令人兴奋的未来，我们能够使用计算机做比以往更多的事情。
最后，非常感谢团队为实现这一目标付出了巨大的努力！
扩展阅读