OpenAI发布全能模型GPT-4o！速度提升200% 支持实时音视频交互

5月14日上午消息，赶在Google I/O开发者大会公布 AI 产品前夕，OpenAI又来抢风头了。

北京时间5月14日凌晨，OpenAI在一则简短的视频介绍中发布了可实时进行音频、视觉和文本推理的新一代AI模型GPT-4o，并将推出PC桌面版ChatGPT。

据介绍，GPT-4o里的“o”是Omni的缩写，也就是“全能”的意思。在API使用方面，相比去年11月发布的GPT-4-turbo，GPT-4o价格下降50%，速度提升200%，未来几周内GPT-4o语音和视频输入功能也将随之推出。

此外，OpenAI还宣布，GPT4-o与ChatGPT Plus会员版所有的能力，包括视觉、联网、记忆、执行代码、GPT Store等，将对所有用户免费开放！

发布会上，OpenAI联合创始人兼总裁格雷格·布罗克曼（Greg Brockman）还将旧版本只具备对话功能的ChatGPT，与基于GPT-4o发布的具备视觉能力的新版ChatGPT进行了5分钟的对话。

对话中，新版本ChatGPT不仅能通过视觉AI能力理解摄像头中发生的事情，同时还能够将理解的内容通过语音与旧版本ChatGPT交互，进行更加丰富有趣的互动。同时还支持中途打断和对话插入，且具备上下文记忆能力。

对于此次发布，OpenAI CEO萨姆·奥尔特曼（Sam Altman）发实时推文表示，“新的GPT-4o模型是OpenAI有史以来最好的模型，它很智能，速度很快，是原生多模态，并且可供所有ChatGPT用户使用，无论是免费版本还是付费GPT-4版。”

“这对我们的使命很重要，我们希望将出色的AI工具交到每个人手中。”萨姆·奥尔特曼表示。

对于此次发布会，此前外媒传言OpenAI会发布会新的智能搜索能力，但随后出现反转——称“散布发布搜索产品系抓捕公司内部泄密者”。

此次发布会，OpenAI没有带来新的AI搜索产品，而是在虚晃一枪后发布了升级后的GPT-4o。但除了新模型的性能提升外，OpenAI此次发布，在有了更多产品性能改进之时，也出现了一些问题。

OpeanAI发布会后，便有业内专家表示，“GPT-4o的多模态能力只是看起来很好，实际上OpenAI并未展示对于视觉多模态来说真正算是突破的功能。”此外，在实时音频交互方面，目前国内诸如豆包、文心一言等产品也已具备类似通话功能。