智东西5月11日消息，今天凌晨，OpenAI宣布将于美国时间13日上午10点（北京时间14日凌晨1点）在官网直播，演示ChatGPT、GPT-4的更新内容。

　　据报道，OpenAI正在构建具备音频和视觉理解能力的AI语音助手，其中一些功能已经开始向客户展示，可能在下周的发布活动中预览。

　　知情人士消息透露，OpenAI可能会在今年内完成GPT-5的开发并公开发布。此外，OpenAI还计划推出一种新的定价模式，客户通过预付费预定Token，最高可以享受50%的折扣。

　　此前有曝料，称OpenAI将在近日发布AI搜索引擎。其CEO阿尔特曼对此回应道：“不是GPT-5，也不是搜索引擎，但我们一直在努力开发一些我们认为会得到喜欢的新东西。”

　　值得注意的是，其竞争对手谷歌的I/O开发者大会时间定在美国时间14日上午10点（北京时间15日凌晨1点），预计可能发布Gemini大模型的重要更新。OpenAI此次发布时间没有定在之前曝料的5月9日，而是“恰好”卡在I/O大会的前一天，火药味可谓浓厚。

　　要知道，这已经不是OpenAI第一次“卡点”狙击谷歌新品。今年2月，谷歌放出Gemini 1.5 Pro大招，结果没过几个小时，OpenAI就掏出文生视频“王炸”模型Sora，狠狠抢了Gemini 1.5 Pro的风头。

　　据报道，阿尔特曼的终极目标是开发出类似电影《她》（Her）中，可高度响应的虚拟助手，提升苹果Siri等现有语音助手的可用程度。

　　OpenAI认为，具有视觉和音频功能的AI语音助手具有像智能手机一样的变革性潜力，理论上其可以做到一系列现在的AI助手无法做到的事，例如充当论文、数学问题指导老师，或是翻译交通标识、帮助解决汽车故障等。

　　但类似的技术目前所需硬件门槛太高，无法在个人设备上运行，用户可以在短期内使用基于云的版本来获取这些功能，例如自动化客户服务Agent。

　　OpenAI目前已经推出具备音频转录、文本转语音等功能的软件，不过这些功能是基于独立的对话AI模型实现，而新的语音助手则将这些功能整合在一起。据知情人士透露，该AI语音助手的音频功能能够帮助客服人员更好地理解对方的语气。

　　目前尚不清楚OpenAI何时向付费客户提供这些新功能，但据试用过该语音助手的人士透露，OpenAI最终的计划是将这些功能都纳入ChatGPT免费版本，目标是比目前其最先进模型GPT-4 Turbo的运行成本更低。该人士还谈道，AI语音助手在有些类型的问题上回答优于GPT-4 Turbo，但仍然存在幻觉问题。

　　谷歌的AI模型Gemini能实时响应语音命令，并识别图像、视频等。不过这些功能目前仍需要研究人员附以图像和文字说明，且并不能理解许多传统的语音指令，也不能像Siri和谷歌助手等传统语音助手那样与用户对话。

　　最近几个月，苹果与OpenAI就下一代iPhone操作系统如何整合OpenAI的模型进行了讨论。然而，与此同时，苹果也与谷歌进行着类似的谈判。

　　这场竞争的最新消息是，据报道，苹果已接近与OpenAI达成协议，将在下一代iPhone操作系统iOS 18中使用ChatGPT；与谷歌尚未达成协议，但谈判仍在进行中。

　　除了可能在下周推出的AI语音助手外，OpenAI还一直致力于构建一款AI搜索引擎，旨在与谷歌竞争。此外，其也在开发一种被称作“计算机使用Agent”的自动化软件，用来辅助软件开发和其他计算机任务。

　　阿尔特曼还在与iPhone开发者乔尼·艾维（Jony Ive）合作开发一款独立的AI硬件。然而，最先进的AI模型体积庞大，需要在云端运行，并需要互联网连接才能工作。要使具有视觉和听觉功能的复杂AI模型变得足够小巧，以便在设备上运行，可能需要几个月甚至几年的时间。

　　不过，大家最关心的可能还是GPT-5。据报道，一位接近OpenAI领导人的人士称，其可能在今年年底完成GPT-5并公开发布。

　　OpenAI的新产品和AI模型开发工作进展得如火如荼，与此同时，其此前宣布的一些项目却变得不再那么受关注。尽管OpenAI曾向开发者承诺，会在今年第一季度推出GPT Store开发者激励计划，但目前仍没有实现。

　　在定价方面，据知情人士透露，OpenAI计划推出一种新的定价模式，如果客户通过预付费预定Token，最高可以享受50%的折扣。

　　这样的优惠形式在云计算领域比较常。