记者实测|速度更快成本更低，人机交互更自然，openai新模型免费开放-爱游戏官网

当地时间5月13日，openai通过直播展示了产品更新。与此前传出的市场消息不同，openai并未推出搜索引擎，也未推出gpt-4.5或gpt-5，而是发布了gpt-4系列新模型gpt-4o以及ai聊天机器人chatgpt的桌面版本，聚焦多模态和端侧应用。

此前openai公司ceo奥尔特曼（sam altman）就已经否认了公司将会发布gpt-5，他表示新版gpt非常“神奇”。根据openai官方网站介绍，gpt-4o中的“o”代表omni，也就是“全能”的意思。

据介绍，gpt-4o文本、推理、编码能力达到gpt-4 turbo水平，速度是上一代ai大模型gpt-4 turbo的两倍，但成本仅为gpt-4 turbo的一半，视频、音频功能得到改善。openai ceo奥尔特曼（sam altman）在博客中表示，chatgpt免费用户也能用上新发布的gpt-4o。此外，openai还与走到一起，推出了适用于macos的桌面级应用。

openai技术负责人mira murati在直播中表示：“这是我们第一次在易用性方面真正迈出的一大步。”

价格低于gpt-4 turbo

openai研究员mark chen表示，新模型具有“感知情绪”的能力，能输出笑声、歌唱或表达情感，还可以处理用户打断它的情况。

在直播中，openai演示了一段openai员工与gpt-4o对话的视频，模型反应速度与人类相近，gpt-4o可利用手机摄像头描述其“看到”的东西。

另一段展示视频里，gpt-4o被装在两个手机上，其中一个代表人类与电信公司打电话沟通设备更换事项，另一个gpt-4o扮演电信公司客服人员。openai还展示了gpt-4o搭载在手机上的实时翻译能力。

根据openai介绍，gpt-4o与gpt-3.5、gpt-4的语音对谈机制不同。gpt-3.5和gpt-4会先将音频转换为文本，再接收文本生成文本，最后将文本转换为音频，经历这三个过程，音频中的情感表达等信息会被折损，而gpt-4o是跨文本、视觉和音频的端到端模型，是openai第一个综合了这些维度的模型，可更好进行对谈。

openai将gpt-4o定位为gpt-4性能级别的模型。据介绍，gpt-4o在传统基准测试中，文本、推理、编码能力达到gpt-4 turbo的水平。该模型接收文本、音频和图像输入时，平均320毫秒响应音频输入，与人类对话中的响应时间相似，英文文本和代码能力与gpt-4 turbo相当，在非英文文本上有改善，提高了chatgpt针对50种不同语言的质量和速度，并通过openai的api提供给开发人员，使其即时就可以开始使用新模型构建应用程序。

第一财经记者在openai爱游戏官网看到，gpt-4o输入、输出每1m token（文本单位）收费0.005美元、0.015美元，gpt-4 turbo输入、输出每1m token收费0.01美元、0.03美元。

“在过去两年中，我们花了大量精力在堆栈的每一层上提高-效率，作为这项研究的第一个成果，我们能使gpt-4级别的模型更广泛应用，gpt-4o即日起扩展红队访问权限。”openai爱游戏官网称，gpt-4o的文本和图像功能今日在chatgpt中推出，“我们计划在未来几周内在api中向一小部分值得信赖的爱游戏ayx官网的合作伙伴推出对gpt-4o新音频和视频功能的支持。”

第一财经记者在chatgpt网站看到，chatgpt已接入gpt-4o有限访问权限，但免费用户还不能使用图片生成功能。

记者使用了gpt-4o来描述图片，发现其生成结果较准确，5秒左右就能生成描述图片的文字。

此外，openai还宣布推出一款适用于macos的桌面级应用，使用键盘快捷键就可向chatgpt提问。用户可通过电脑与chatgpt语音对话，gpt-4o的新音频和视频功能后续将推出。openai已向plus用户推出macos应用程序，今年晚些时候还将推出windows版本。

值得注意的是，近日还有消息传出苹果与openai商谈，以便在下一代iphone操作系统使用chatgpt功能。此次openai重点展示了大模型在手机端侧应用的能力。

不过，此次openai并未发布关于新模型的论文或技术文档。

今日，openai特别强调了新模型的风险和局限性。该公司称：“gpt-4o的音频模式带来了各种新的风险。在接下来的几周和几个月里，我们将更关注技术基础设施、培训后的可用性以及发布其他模式所需的安全性。例如，在发布时，音频输出将仅限于选择预设的声音，并将遵守我们现有的安全政策。”

发力端侧应用

不少界人士发表了对openai此次产品更新的看法。“我没想到gpt-4o会接近gpt-5。传闻中openai的‘arrakis’模型就采用多模态输入和输入。事实上，它可能是gpt-5的一个早期检查点（checkpoint），尚未完成训练。”英伟达高级科学家jim fan在上评论称。

jim fan认为，在谷歌召开i/o大会前，openai宁愿发布超过人们对gpt-4.5心理预期的产品，也不愿因为推出达不到人们期望的gpt-5，而让人感到失望。此外，谁先赢得苹果，谁就将大获全胜，与ios整合有几个层次，例如抛弃siri，openai为ios提炼出一个更小层级、设备上运行的gpt-4o。虽然此次未公开相关论文，加利福尼亚大学圣克鲁兹分校教授xin eric wang还是评论认为，一个演示胜过千篇论文。

“比较让人失望的是，这次openai没有发布gpt-5，连gpt-4.5都没看到。openai发布了一系列应用，最重要的是发布了语音助手，由于使用了端到端大模型技术，体验远超siri。openai发布应用，恰恰说明应用在人工智能领域大有可为。目前看来，gpt-5可能还要‘难产’一段时间。”猎豹移动董事长兼ceo傅盛表示。

近期业内对大模型在既有参数下推动应用落地、变现多有讨论。openai在继续研发下一代更大参数模型gpt-5的同时，也在推动价格下降、应用场景和用户群体扩大。

从api价格看，gpt-3.5 turbo输入、输出每1m token（文本单位）收费0.0005美元、0.0015美元，gpt-4为0.03美元、0.06美元，gpt-4之后定价就持续下降。今年4月，openai还宣布chatgpt无需注册便可使用，此举被业界解读为扩大用户群体的努力，或其算力成本得到一定下降。此次产品更新后，奥尔特曼在其博客中强调，openai使命的一个关键部分是让强大的人工智能工具免费，或以一个不错的价格推出。

包括openai推出macos桌面级应用在内，业内近期对大模型落地端侧多有期待。苹果就多次传出与大模型厂商洽谈合作，苹果自身还在端侧小模型领域布局，并推出可支持ai运行、性能更强的m4芯片。

近日一场对谈中，金沙江创投主管合伙人朱啸虎也判断，此前meta发布的llama3系列两个小模型性能强大，ipad pro则用了m4芯片，以后端侧可能就直接跑一个小模型了。几百亿参数的小模型也可在端侧直接跑，尤其是今年下半年iphone新品可能就类似，明年应用层将会爆发。

【来源：第一财经资讯】