中新網5月14日電(中新財經 吳家駒)不是gpt-5，而是gpt-4o。
北京時間5月14日，研發chatgpt的openai公司，推出了具備「聽、看、說」能力的gpt-4o。
openai網站稱，gpt-4o的「o」代表「omni」。在英語中「omni」常被用作詞根，用來表示「全部」或「所有」的概念。
該公司首席執行官山姆·奧特曼(sam altman)此前已預告，最新發布的產品「不是gpt-5，不是搜索引擎，但我們一直在努力開發一些我們認為人們會喜歡的新東西」。
據介紹，gpt-4o可以實時對音頻、視覺和文本進行推理，接受文本、音頻和圖像的任意組合輸入，並生成文本、音頻和圖像的任意組合輸出。
openai稱，gpt-4o可以在短至232毫秒的時間內對音頻輸入做出反應，平均反應時間為320毫秒，這與人類在對話中的反應時間相近。此外，它在英語和代碼文本方面的性能與gpt-4 turbo相當，在非英語語言文本方面也有顯著提高。同時在api(應用程序介面)方面，速度更快，成本也降低了50%。
現場，openai展示了gpt-4o的多個應用場景。
例如，在一個演示中，openai前沿研究負責人馬克·陳(mark chen)通過手機與chatgpt進行對話。chen和chatgpt說，他正在進行演示有些緊張，於是chatgpt就「像朋友一樣」，對他進行了安慰。同時，chatgpt還能從chen急促的喘氣聲中，聽出他的緊張，然後對他說「慢一點。mark，你不是吸塵器。吸氣，然後數到四。」
gpt-4o檢測人的表情。圖自x平台
在另一個演示中，openai後訓練團隊負責人巴雷特·佐夫(barret zoph)把自己的臉對著鏡頭，讓gpt-4o看看自己的情緒如何。在演示的過程中，zoph先打開了手機的後置攝像頭，拍到了木質桌面，於是chatgpt說，「我看到的好像是木質表面。」而讓chatgpt再試一次後，chatgpt對zoph說，「你看起來很開心，笑容燦爛，也許還有一絲興奮。」
同時，openai還在官網發布了一系列演示視頻：gpt-4o可以幫助學習數學、學習西班牙語、準備面試，可以通過畫面判斷出你正在過生日，然後給你唱生日快樂歌，可以根據要求唱不同風格的催眠曲，甚至還可以當「石頭剪刀布」的裁判。而在這些視頻中，gpt-4o與演示者的對話流暢，說話語氣就「像真人一樣」。
有網友表示，根據目前展示的視頻來看，gpt-4o在語音交互體驗上提升了不少。有網友認為，gpt-4o對算力的需求更大了。也有網友提出，既然gpt-4o具備了「視覺」，它是否可以代替盲人看世界。
openai稱，通過gpt-4o，公司跨文本、視覺和音頻端到端地訓練了一個新模型，這意味著所有的輸入和輸出都由同一個神經網路處理。由於gpt-4o是openai第一個結合了所有這些模式的模型，因此公司在探索該模型的功能及其局限性方面仍處於起步階段。
對此，山姆·奧特曼在社交媒體表示，最初的chatgpt展示了語言界面的雛形，而新的chatgpt則給人截然不同的感覺。它快速、智能、有趣、自然，而且「樂於助人」。「隨著我們增加(可選的)個性化功能、訪問信息的功能、代表你採取行動的功能等，我真的看到了一個令人興奮的未來，我們可以用電腦做比以往更多的事情。」
