5 月 14 日电（中国新闻网 吴家驹）不是 GPT-5，而是 GPT-4O。
5 月 14 日，开发 CHATGPT 的公司 OPENAI 发布了拥有“听、看、说”能力的 GPT-4O。
OPENAI 官网表示，GPT-4O 中的“O”代表“OMNI”，在英语中常作为词根，表示“全部”或“所有”的概念。
OPENAI 首席执行官萨姆·奥特曼（SAM ALTMAN）此前预告，最新发布的产品“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人们会喜欢的新东西”。
据介绍，GPT-4O 可以实时对音频、视觉和文本进行推理，接受文本、音频和图像任意组合输入，并生成文本、音频和图像任意组合输出。
OPENAI 称，GPT-4O 可以在短至 232 毫秒的时间内对音频输入做出反应。它的英语和代码文本处理性能与 GPT-4 TURBO 相当，在非英语语言文本处理方面也有显著提升。它的 API（应用程序接口）速度更快，成本也降低了 50%。
OPENAI 现场展示了 GPT-4O 的多个应用场景。
例如，在演示中，OPENAI 前沿研究负责人马克·陈（MARK CHEN）通过手机与 CHATGPT 对话。陈和 CHATGPT 聊到他正在进行演示有些紧张，CHATGPT 就“像朋友一样”安慰了他，并从陈急促的喘气声中听出他的紧张，对他说：“慢一点。MARK，你不是吸尘器。吸气，然后数到四”。
在另一个演示中，OPENAI 后训练团队负责人巴雷特·佐夫（BARRET ZOPH）对着镜头让 GPT-4O 观察他的情绪如何。ZOPH 先拍了一张木质桌面，CHATGPT 说：“我看到的是木质表面。”再拍自己，CHATGPT 则说：“你看起来很开心，笑容灿烂，也许还有一丝兴奋”。
OPENAI 官网还发布了一系列演示视频：GPT-4O 可以帮助学习数学、学习西班牙语、准备面试，可以通过画面判断出你正在过生日，然后给你唱生日快乐歌，可以根据要求唱不同风格的催眠曲，甚至还可以当“石头剪刀布”的裁判。在这些视频中，GPT-4O 与演示者的对话流畅，说话语气“像真人一样”。
有网友表示，从展示的视频来看，GPT-4O 在语音交互体验上提升了不少。也有网友认为，GPT-4O 对算力的需求更大了。还有网友提出，既然 GPT-4O 具备了“视觉”，它是否可以代替盲人看世界。
据 OPENAI 称，该公司借助 GPT-4O 训练了一个跨文本、视觉和音频的新端到端模型，这意味着所有输入和输出均由同一神经网络处理。由于 GPT-4O 是 OPENAI 首个将所有这些模式相结合的模型，因此该公司仍处于探索该模型功能及其限制的初期阶段。
对此，萨姆·阿尔特曼在社交媒体上表示，最初的 CHATGPT 展示了语言界面雏形，而新款 CHATGPT 则给人以截然不同的感觉。它反应迅速、智能、风趣、自然，而且“乐于助人”。“随着我们添加（可选的）个性化功能、信息访问功能、代表你采取行动的功能等等，我真切地看到一个令人兴奋的未来，我们可以用电脑做更多的事情。”
