距离GPT-4的发布已经过去了一年，OpenAI终于在当地时间5月13日上午10点揭开了春季发布会的神秘面纱。这次发布并非之前盛传的搜索引擎或GPT-5，而是GPT-4的迭代版本——GPT-4o。未来几周内，用户将逐步自动升级到这一新版本。
GPT-4o作为新一代旗舰模型，显著降低了AI工具的使用门槛。它不仅比前代速度快两倍，实现无延迟实时对话，而且用户无需注册，所有功能均免费开放。此外，ChatGPT现在推出了桌面版本，提供轻量化的使用体验，无缝融入用户的工作流程，告别了繁琐的网页操作。
OpenAI的首席技术官米拉·穆拉蒂（Mira Murati）在发布会上强调，这是OpenAI首次在易用性上进行改进。她指出，OpenAI的目标是进一步减少人们使用AI的障碍，让AI工具普及到每个人的工作、学习和创造中。
为了实现这一目标，OpenAI采取了三项措施：发布更强大的模型GPT-4o，更新用户界面以提升使用体验，并免费向所有用户开放。穆拉蒂还提到，付费用户将享有五倍的使用容量限制。
OpenAI宣布，GPT-4o是一个“原生多模态”模型，其命名灵感来自“omni”，意指包罗万象。与之前的GPT-4相比，GPT-4o在处理图文或语音模式时更加灵活，能够接受文字、音频和图像的任意组合输入，并以无缝衔接的方式输出图文音频等多种形式。
GPT-4o的回答速度也得到了显著提升。OpenAI解释说，GPT-4要实现与人类的对话，需要经过语音转文字、生成回复文本、再转成语音的三个步骤。根据用户选择的模型不同，这一过程的平均延迟高达2.8秒（GPT-3.5）和5.4秒（GPT-4）。而在语音转文字再转语音的过程中，许多信息会丢失，GPT无法捕捉说话人的音调或背景音，多人同时说话时更是如此。
为了解决这些问题，OpenAI训练了一个新的端到端模型，能够处理文本、视觉和音频的所有输入和输出。现在的GPT-4o在最短232毫秒内即可响应对话，平均响应时间为320毫秒，几乎与人类的反应速度相当。
此外，GPT-4o还带来了更友好的用户界面。新的桌面版GPT可以无缝融入任何工作流程，用户可以随时通过图像、文字和语音与GPT-4o进行交流，提升了工作体验的便捷性和愉悦感。
在发布会上，萨姆·奥尔特曼在社交媒体上进一步说明，GPT-4o的升级不仅限于GPT模型本身，开发者也可以通过API同步使用GPT-4o，其价格仅为GPT-4 Turbo的一半，而速度则是其两倍。此外，GPT-4o在50多种非英语语言的能力上也得到了显著提升。
发布会的压轴环节是实机演示，OpenAI的研究员Marc Chen和Barret Zoph展示了新模型的强大功能。在一段对话中，Chen向GPT表达了自己的紧张情绪，并开始急促呼吸。GPT不仅识别到了他的呼吸声，还幽默地回应说：“别紧张，你的呼吸声像吸尘器一样，深呼吸，慢慢吐气。”随后，GPT开始指导Chen如何通过深呼吸和慢吐来平复心情。这一演示生动展示了GPT-4o在多模态交互和情感支持方面的能力。
这个演示环节巧妙地展示了GPT-4o的两个关键新能力：环境音识别和即时反馈。GPT-4o不再需要按轮次进行对话，而是能够同时处理听到的声音并提供实时指导，实现输入和输出的同步进行。
在第二个演示中，Chen要求GPT给Zoph讲一个睡前故事，并在过程中多次打断GPT，要求故事更加刺激。最终，GPT以歌唱的形式完成了故事，仿佛一位迪士尼公主。这一环节展示了GPT-4o在用户互动中的灵活性和适应性。
在后续的演示中，GPT-4o展示了更多功能，如教授Zoph数学题（要求GPT启发而非直接给出答案），解释代码，读取图表，甚至进行面相分析（“你看起来很开心，又有点激动。”），以及在Chen和穆拉蒂之间担任同声传译。这些演示生动地展示了GPT-4o在多模态交互、即时反馈和适应性方面的显著进步，使其更接近于真实生活中的自然交流。
我个人的感受是，这个新版本的GPT看起来更像一个具有人类特征的对话伙伴，会开更多的玩笑并使用更多语气词。然而，这似乎与OpenAI声称提高GPT实用性的目标有些矛盾。在使用过程中，我可能会希望它少一些废话，否则会感受到情感上的压力。
然而，并不是所有人都对这次发布会感到满意。有些网友认为OpenAI在这一过程中推进缓慢，一年多过去了仍然停留在GPT-4阶段。另外，对于OpenAI免费开放GPT的决定，也有人提出了质疑：“当服务免费时，用户就是产品。”他们担心OpenAI通过免费提供的ChatGPT获得大量用户数据，进而影响个人隐私。
这些反馈反映了人们对于AI发展和数据隐私问题的关注，同时也突显了在技术进步与伦理平衡之间需要找到的良好平衡点。
对一般用户来说，不用注册即可使用已经是个天大的惊喜了，再也不用找国外手机号了，懂的都懂。