记者实测 | 速度更快成本更低，人机交互更自然，OpenAI 新模型免费开放

当地时间 5 月 13 日，OpenAI 通过直播展示了产品更新。与此前传出的市场消息不同，OpenAI 并未推出搜索引擎，也未推出 GPT-4.5 或 GPT-5，而是发布了 GPT-4 系列新模型 GPT-4o 以及 AI 聊天机器人 ChatGPT 的桌面版本，聚焦多模态和端侧应用。

此前 OpenAI 公司 CEO 奥尔特曼（Sam Altman）就已经否认了公司将会发布 GPT-5，他表示新版 GPT 非常 “神奇”。根据 OpenAI 官方网站介绍，GPT-4o 中的 “o” 代表 Omni，也就是 “全能” 的意思。

据介绍，GPT-4o 文本、推理、编码能力达到 GPT-4 Turbo 水平，速度是上一代 AI 大模型 GPT-4 Turbo 的两倍，但成本仅为 GPT-4 Turbo 的一半，视频、音频功能得到改善。OpenAI CEO 奥尔特曼（Sam Altman）在博客中表示，ChatGPT 免费用户也能用上新发布的 GPT-4o。此外，OpenAI 还与苹果走到一起，推出了适用于 macOS 的桌面级应用。

OpenAI 技术负责人 Mira Murati 在直播中表示：“这是我们第一次在易用性方面真正迈出的一大步。”

价格低于 GPT-4 Turbo

OpenAI 研究员 Mark Chen 表示，新模型具有 “感知情绪” 的能力，能输出笑声、歌唱或表达情感，还可以处理用户打断它的情况。

在直播中，OpenAI 演示了一段 OpenAI 员工与 GPT-4o 对话的视频，模型反应速度与人类相近，GPT-4o 可利用手机摄像头描述其 “看到” 的东西。

另一段展示视频里，GPT-4o 被装在两个手机上，其中一个代表人类与电信公司打电话沟通设备更换事项，另一个 GPT-4o 扮演电信公司客服人员。OpenAI 还展示了 GPT-4o 搭载在手机上的实时翻译能力。

根据 OpenAI 介绍，GPT-4o 与 GPT-3.5、GPT-4 的语音对谈机制不同。GPT-3.5 和 GPT-4 会先将音频转换为文本，再接收文本生成文本，最后将文本转换为音频，经历这三个过程，音频中的情感表达等信息会被折损，而 GPT-4o 是跨文本、视觉和音频的端到端模型，是 OpenAI 第一个综合了这些维度的模型，可更好进行对谈。

OpenAI 将 GPT-4o 定位为 GPT-4 性能级别的模型。据介绍，GPT-4o 在传统基准测试中，文本、推理、编码能力达到 GPT-4 Turbo 的水平。该模型接收文本、音频和图像输入时，平均 320 毫秒响应音频输入，与人类对话中的响应时间相似，英文文本和代码能力与 GPT-4 Turbo 相当，在非英文文本上有改善，提高了 ChatGPT 针对 50 种不同语言的质量和速度，并通过 OpenAI 的 API 提供给开发人员，使其即时就可以开始使用新模型构建应用程序。

第一财经记者在 OpenAI 官网看到，GPT-4o 输入、输出每 1M token（文本单位）收费 0.005 美元、0.015 美元，GPT-4 Turbo 输入、输出每 1M token 收费 0.01 美元、0.03 美元。

“在过去两年中，我们花了大量精力在堆栈的每一层上提高 - 效率，作为这项研究的第一个成果，我们能使 GPT-4 级别的模型更广泛应用，GPT-4o 即日起扩展红队访问权限。” OpenAI 官网称，GPT-4o 的文本和图像功能今日在 ChatGPT 中推出，“我们计划在未来几周内在 API 中向一小部分值得信赖的合作伙伴推出对 GPT-4o 新音频和视频功能的支持。”

第一财经记者在 ChatGPT 网站看到，ChatGPT 已接入 GPT-4o 有限访问权限，但免费用户还不能使用图片生成功能。

记者使用了 GPT-4o 来描述图片，发现其生成结果较准确，5 秒左右就能生成描述图片的文字。

此外，OpenAI 还宣布推出一款适用于 macOS 的桌面级应用，使用键盘快捷键就可向 ChatGPT 提问。用户可通过电脑与 ChatGPT 语音对话，GPT-4o 的新音频和视频功能后续将推出。OpenAI 已向 Plus 用户推出 macOS 应用程序，今年晚些时候还将推出 Windows 版本。

值得注意的是，近日还有消息传出苹果与 OpenAI 商谈，以便在下一代 iPhone 操作系统使用 ChatGPT 功能。此次 OpenAI 重点展示了大模型在手机端侧应用的能力。

不过，此次 OpenAI 并未发布关于新模型的论文或技术文档。

今日，OpenAI 特别强调了新模型的风险和局限性。该公司称：“GPT-4o 的音频模式带来了各种新的风险。在接下来的几周和几个月里，我们将更关注技术基础设施、培训后的可用性以及发布其他模式所需的安全性。例如，在发布时，音频输出将仅限于选择预设的声音，并将遵守我们现有的安全政策。”

发力端侧应用

不少科技界人士发表了对 OpenAI 此次产品更新的看法。“我没想到 GPT-4o 会接近 GPT-5。传闻中 OpenAI 的 ‘Arrakis’ 模型就采用多模态输入和输入。事实上，它可能是 GPT-5 的一个早期检查点（checkpoint），尚未完成训练。” 英伟达高级科学家 Jim Fan 在社交媒体上评论称。

Jim Fan 认为，在谷歌召开 I/O 大会前，OpenAI 宁愿发布超过人们对 GPT-4.5 心理预期的产品，也不愿因为推出达不到人们期望的 GPT-5，而让人感到失望。此外，谁先赢得苹果，谁就将大获全胜，与 iOS 整合有几个层次，例如抛弃 Siri，OpenAI 为 iOS 提炼出一个更小层级、设备上运行的 GPT-4o。虽然此次未公开相关论文，加利福尼亚大学圣克鲁兹分校教授 Xin Eric Wang 还是评论认为，一个演示胜过千篇论文。

“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。” 猎豹移动董事长兼 CEO 傅盛表示。

近期业内对大模型在既有参数下推动应用落地、商业变现多有讨论。OpenAI 在继续研发下一代更大参数模型 GPT-5 的同时，也在推动价格下降、应用场景和用户群体扩大。

从 API 价格看，GPT-3.5 Turbo 输入、输出每 1M token（文本单位）收费 0.0005 美元、0.0015 美元，GPT-4 为 0.03 美元、0.06 美元，GPT-4 之后定价就持续下降。今年 4 月，OpenAI 还宣布 ChatGPT 无需注册便可使用，此举被业界解读为扩大用户群体的努力，或其算力成本得到一定下降。此次产品更新后，奥尔特曼在其博客中强调，OpenAI 使命的一个关键部分是让强大的人工智能工具免费，或以一个不错的价格推出。

包括 OpenAI 推出 macOS 桌面级应用在内，业内近期对大模型落地端侧多有期待。苹果就多次传出与大模型厂商洽谈合作，苹果自身还在端侧小模型领域布局，并推出可支持 AI 运行、性能更强的 M4 芯片。

近日一场对谈中，金沙江创投主管合伙人朱啸虎也判断，此前 Meta 发布的 Llama3 系列两个小模型性能强大，iPad Pro 则用了 M4 芯片，以后端侧可能就直接跑一个小模型了。几百亿参数的小模型也可在端侧直接跑，尤其是今年下半年 iPhone 新品可能就类似，明年应用层将会爆发。