北京时间5月14日凌晨，OPENAI通过一场26分钟的直播发布了新一代旗舰生成模型GPT-4O。演示展示了 GPT-4O 的一系列新功能，包括毫秒级响应、语音交互和识别人类情绪等。与此OPENAI 还推出了 CHATGPT 的新桌面版本和新的用户界面，首席技术官米拉·穆拉蒂表示，这是为了让更多人更方便地使用 CHATGPT，并宣布 OPENAI 的产品理念是优先免费。
发布会结束后，OPENAI 首席执行官萨姆·奥特曼在其个人社交平台上发布了一个词：“她”。在科幻电影《她》中，AI 助理爱上了人类，保定天，具备新功能并接入 GPT-4O 的 CHATGPT 语音助手产品，似乎真的有望让科幻电影中的场景成为现实。
识别表情和语调，随时打断
GPT-4O 展示了“真正的”语音助手。“这是我第一次参加直播发布会，有点紧张。”当 OPENAI 前沿研究部门主管马克通过手机与 CHATGPT 交谈时，CHATGPT 回答，“要不你深呼吸一下？”
“好的，我深呼吸。”
“慢点，马克，你不是吸尘器。”
这是直播中发生的一幕，通过直播，OPENAI 全方位展示了接入 GPT-4O 后，CHATGPT 如何识别用户语音中的情绪。此后，马克还展示了 CHATGPT 如何用不同的声音朗读 AI 生成的故事，包括超级戏剧化的朗诵、机器人音调，甚至唱歌。
这似乎与“传统”的语音助手技术不同。有专家表示，目前市场上的某些“语音助手”的实际技术逻辑是将语音转换成文本，然后使用文本回复并转换成语音，因此这类语音助手无法识别语音中的情绪，而且存在延迟问题。但根据当天的演示，OPENAI 似乎解决了这个问题。
根据 OPENAI 在官网上发布的最新博客文章，在 GPT-4O 之前，语音模式与 CHATGPT 对话的平均延迟为 2.8 秒（GPT-3.5）和 5.4 秒（GPT-4）。而现在，GPT-4O 最快可在 232 毫秒内响应音频输入，平均响应时间为 320 毫秒，与人类相似。据悉，GPT-4O 是一个单独训练的新模型，可以端到端地处理文本、视觉和音频，这意味着所有输入和输出都由同一个神经网络处理。
除了语音的情绪识别，GPT-4O 还具有实时视觉功能。根据 OPENAI 研究员巴雷特·佐夫的演示，CHATGPT 通过手机摄像头帮助他实时解了一个方程，就像一名真正的数学老师在旁边指导每一个解题步骤。“每当你为数学焦头烂额的时候，我就在你身边。”CHATGPT 说。
CHATGPT 甚至可以通过前置摄像头观察用户的面部表情，分析其情绪。在回答网友提出的“CHATGPT 能识别你的表情吗？”这一问题时，巴雷特将手机摄像头对准自己，然后 CHATGPT 回答，“一个大大的微笑，你看起来非常开心。”
CHATGPT识别OPENAI研究员巴雷特的内心感受。演示中还展示了GPT-4O的代码编制能力和实时翻译能力。
OPENAI首席执行官萨姆·奥特曼介绍，GPT-4O中的“O”代表“OMNI（全面、垦利）”，因为该模型能同时处理文本、图片、视频和语音。
数据显示，GPT-4O在英语文本和代码上的表现与GPT-4 TURBO相当，但在非英语文本上的表现明显提升，且API（接口）速度更快。
GPT-4O的成本有所降低。官网显示，GPT-4O的输入和输出每1M TOKEN（语句单位）收费为0.005美元和0.015美元，而GPT-4 TURBO的输入和输出每1M TOKEN收费为0.01美元和0.03美元，相比之下，GPT-4O的成本降低了50%。
OPENAI的愿景：通过新的交互方式和界面让更多人免费使用产品
升级到大模型后，CHATGPT可以接收文本、音频和图像的任意组合作为输入，并实时生成文本、音频和图像的任意组合作为输出。
第一轮演示中，CHATGPT直接在手机上使用。值得注意的是，近期有消息称苹果正在与OPENAI协商，计划在下一代IPHONE操作系统中引入CHATGPT功能。
CHATGPT还在苹果电脑中拥有“桌面版”和新的用户界面。使用键盘快捷键（OPTION + SPACE），用户可以快速向CHATGPT提问，还可以直接在应用程序中截取屏幕并与CHATGPT讨论。OPENAI计划在今年晚些时候推出WINDOWS版本。
奥特曼对此在社交媒体上表示，“新的语音（和视频）模式是我用过的最好的计算机界面。这就像电影中的AI一样，让我感到惊讶。达到人类水平的响应时间和表海门力是一个重大转变。”
“旧版CHATGPT界面展示了语言的可能性，而新版界面感觉截然不同。它快速、智能、有趣、自然且有用。对我来说，与计算机交谈从未像现在这样自然。随着我们添加（可选）个性化、访问您的信息、代表您采取行动的能力以及更多功能，我看到了一个令人振奋的未来，届时我们将能够使用计算机完成比以往任何时候都更多的事情。”奥特曼说。
OPENAI研究主管米拉·穆拉蒂和奥特曼都强调了“免费”理念。
米拉表示，GPT-4O的特别之处在于它以一种非常自然的方式为每个人带来了GPT-4级别的智能，包括免费用户，“未来OPENAI的产品将以免费为优先，以让更多人使用。”
奥特曼也在社交媒体上强调了“免费”的重要性，“我们的一个关键使命是免费向人们提供极其有效的AI产品，我为我们做出了世界上最好的大型语言模型感到自豪，并且可以在CHATGPT上免费使用它，无需观看广告。”
奥特曼表示，他和团队成员创立 OPENAI 时，最初的想法是创造 AI，并用它为世界带来各种益处。“而现在看来，我们将创造 AI，然后其他人将使用这个 AI 创造各种各样的令人惊叹的东西，让我们大家都从中受益。”
奥特曼说：“我们是一家企业，我们希望找到收费方式，帮助我们为数十亿人提供免费、优质的 AI 服务。”
贝壳财经记者 5 月 14 日登录网页版 CHATGPT 发现，内置大模型选项仍然只有 GPT-3.5 和 GPT-4 两种，并未看到免费使用 GPT-4O 的选项。OPENAI 方面称，在即将到来的几周里，用户将无需采取任何行动，即可自动接收到 GPT-4O 的更新。
值得注意的是，此次 OPENAI 的发布时间恰好“踩”在其竞争对手谷歌的发布会之前，有声音认为 OPENAI 宁可先推出 GPT-4O 而不是人们此前预期的 GPT-5，主要就是出于竞争目的考虑。
锦州移动董事长兼 CEO 傅盛说：“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。”
