中新网5月14日电(中新财经 吴家驹)并非是GPT-5，而是GPT-4O。 北京时间5月14日，研发CHATGPT的OPENAI公司隆重推出具备“听、看、说”能力的GPT-4O。
OPENAI官网解释称，GPT-4O中的“O”代表“OMNI”，在英语中常用作词根表示“全部”或“所有”的概念。
此前的预告中，该公司首席执行官萨姆·奥特曼(SAM ALTMAN)曾表示，最新发布的产品“不是GPT-5，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能够实时推理音频、视觉和文本，接受文本、音频和图像的任意组合输入，并生成文本、音频和图像的任意组合输出。
OPENAI表示，GPT-4O能在短至232毫秒内对音频输入做出反应，平均反应时间为320毫秒，接近人类在对话中的反应速度。它在英语和代码文本方面的表现与GPT-4 TURBO相当，而在非英语语言文本方面的表现取得了显著进步。在应用编程接口(API)方面，其速度加快了，成本也降低了50%。
现场，OPENAI展示了GPT-4O的多种应用场景。例如，在一次演示中，OPENAI前沿研究负责人马克·陈(MARK CHEN)通过手机与CHATGPT对话。陈和CHATGPT交流自己因演示而产生的紧张感，CHATGPT就像是朋友一样安慰他。CHATGPT还能从陈急促的喘息声中识别出他的紧张情绪，并说道：“慢点，马克，你不是吸尘器。吸入，然后数到四。”
另一场演示中，OPENAI后训练团队负责人巴雷特·佐夫(BARRET ZOPH)将自己的面部对着镜头，让GPT-4O观察自己的情绪。演示过程中，佐夫先用手机后置摄像头拍摄了木质桌面，GPT-4O表示：“我看到的是木质表面。”当佐夫让GPT-4O再次尝试时，GPT-4O对他说：“你看起来很开心，面带微笑，或许还有些激动。”
与此OPENAI在官网发布了一系列展示视频：GPT-4O可以辅助学习数学、西班牙语，为面试准备，通过画面判断出你的生日并唱《生日快乐歌》，还能够根据要求演唱不同风格的催眠曲，甚至可以担任“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，说话语气宛如真人。
有网友指出，从目前展示的视频来看，GPT-4O在语音交互体验上取得了很大的进步。另有网友认为，GPT-4O对算力的需求更大。还有网友提出，既然GPT-4O具备了“视觉”，它能否代替盲人看世界。
OPENAI表示，通过GPT-4O，该公司跨文本、视觉和音频实现了端到端的模型训练，这意味着所有输入和输出都由同一个神经网络处理。由于GPT-4O是OPENAI首次将所有这些模式结合起来的模型，因此该公司仍在探索其功能和局限性。
对此，山姆·奥特曼在社交媒体上表示，最初的 CHATGPT 展示了语言界面的雏形，而新的 CHATGPT 则给人截然不同的感觉。它快速、智能、有趣、自然，而且热心助人。
他说：“随着我们增加（可选的）个性化功能、访问信息的功能、代表你采取行动的功能等，我确实看到了一个令人兴奋的未来，我们可以用电脑做比以往更多的事情。”
