杀疯了！地表最强模型GPT-4o登场，速度提升200%、价格便宜50%，或将颠覆实时翻译等行业

　　15日谷歌Google I/O开发者大会公布 AI 产品24小时前夕，OpenAI成功抢夺了谷歌风头。

　　北京时间5月14日凌晨1点，在26分钟春季ChatGPT发布会上，美国OpenAI公司推出可实时进行音频、视觉和文本推理的全新旗舰AI模型GPT-4o，并将推出PC桌面版ChatGPT。

　　OpenAI首席技术官米拉·穆拉蒂 (Mira Murati) 表示， 在API使用方面， 相比去年11月发布的 GPT-4-turbo， GPT-4o价格降低一半（50%），速度提升两倍（200%）。 GPT-4o的 语音和视频输入功能将在未来几周内推出。

　　OpenAI CEO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，它是原生多模态，并且它可供所有 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。”

　　OpenAI联合创始人兼总裁格雷格·布罗克曼（Greg Brockman）发GPT-4o介绍视频中表示，这是OpenAI朝着更自然的人机交互（甚至人机-计算机交互）形式迈出的重要一步。

　　仅仅26分钟，打响了5月全球AI“军备竞赛”。同时，GPT-4o的发布，或将颠覆外语、实时翻译、音视频剪辑等众多行业。

　　随着2022年底AI 聊天机器人ChatGPT风靡全球，掀起新一轮AIGC浪潮。过去530天里，研发ChatGPT背后的OpenAI公司身处聚光灯下，并迅速成长为860亿美金估值的 AI 独角兽。

　　2023年3月，OpenAI推出多模态大模型GPT-4，不仅理解能力、可靠性和长文本技术能力全面增强，且具备图像处理。而且在专业基准测试中，GPT-4表现近似于人类的水平，如模拟律师考试得分能排到前10%左右，击败90%的人类。

　　随后，OpenAI升级ChatGPT付费，每月达20美元；5月，OpenAI陆续推出iOS、安卓版ChatGPT应用，下载量已突破1.1 亿次，移动端应用收入近3000万美元；8月，企业版ChatGPT发布，性能比标准GPT-4快两倍。

　　2023年11月，OpenAI发布最强模型GPT-4 Turbo，提供强大上下文理解能力，支持12.8万个token，并且公布自定义大模型的GPTs、GPT Store等众多产品。然而，仅仅两周后，OpenAI突发高层“大地震”，奥尔特曼遭遇“乌龙”式罢免，五天后最终得以重掌公司大权，并组建董事会。112天后，OpenAI董事会放心表态：对Sam Altman和Greg Brockman继续领导OpenAI充满信心。

　　据公开数据显示，整个2023年，在奥尔特曼带领下，OpenAI年化收入已经超过20亿美元，同比增长4500%以上，跻身于历史增长最快的科技公司之列。

　　2月，OpenAI发布首个AI视频大模型Sora，逼真的影视效果引爆了整个视频和电影行业；

　　3月，马斯克（Elon Musk）状告OpenAI，使奥尔特曼创始团队“反击”；

　　此次发布会之前，关于OpenAI 新品传闻甚嚣尘上，不仅包括性能超级强大的GPT-5，而且还传有对标谷歌的 AI 搜索引擎产品，以及与苹果合作研发的 AI 语音生成产品等，引发众多关注。

　　然而，奥尔特曼发推文称，此次公布的不是GPT-5，也不是 AI 搜索引擎，而是开发的一些“我们认为人们会喜欢的新东西”。

　　米拉·穆拉蒂透露，目前有1亿多用户使用ChatGPT创造工作、学习，有100多万开发者在GPTs上创造新的工具。

　　OpenAI表示，GPT-4o（“o”代表“omni”）是迈向更自然的人机交互的一步——它接受文本、音频和图像的任意组合作为输入，并生成文本、音频和图像的任意组合输出。

　　GPT-4o可以在短至 232 毫秒的时间内响应音频输入，平均为 320 毫秒，与人类的响应时间相似。它在英语文本和代码上的性能与 GPT-4 Turbo 的性能相匹配，在非英语文本上的性能显着提高，同时 API 的速度也更快，成本降低了 50%。与现有模型相比，GPT-4o 在视觉和音频理解方面尤其出色。

　　具体来说，GPT-4o主要特色分为四部分：模型能力、基准测试、模型安全性和局限。