免费的GPT-4o足够强，但治不好OpenAI的产品焦虑_新浪财经

专题：OpenAI 发布最新旗舰模型GPT-4o 完全免费语音功能震撼登场

　　又是一次成功的PR动作。

　　来源丨甲子光年

　　作者 | 刘杨楠

　　编辑 | 王博栗子

　　5月14日凌晨1点，继OpenAI在AI搜索上“虚晃一枪”之后，让萨姆·奥尔特曼（Sam Altman）感觉“像魔术一样”的新模型终于浮出水面。

　　不是GPT-5，不是AI搜索，而是最新旗舰生成式AI模型GPT-4o！

　　GPT-4o（“o”代表“omni”，意为“全能的”）是迈向更自然的人机交互的一步——它接受文本、音频和图像的任意组合作为输入，并生成文本、音频和图像的任意组合输出。

　　整场发布会时长仅30分钟，OpenAI CTO米拉·穆拉蒂（Muri Murati）带来主题演讲。“这是我们第一次在易用性方面真正迈出一大步。”穆拉蒂在公司旧金山总部的现场演示中说道， “这种互动变得更加自然，也更加容易。”

　　值得注意的是，此次发布会OpenAI CEO萨姆·奥尔特曼并未现身。在OpenAI官网披露的GPT-4o贡献者中，依然没有看到OpenAI首席科学家伊利亚·苏茨克维尔（Ilya Sutskever）的身影。

　　1．“GPT-4o是我们最好的模型”

　　整场发布会的主角，就是OpenAI最新旗舰生成式AI模型GPT-4o。

　　OpenAI官网博客显示，GPT-4o（“o”代表“omni”）是迈向更自然的人机交互的一步。它接受文本、音频和图像的任意组合作为输入，并生成文本、音频和图像的任意组合输出。

　　相比今年2月的Sora， OpenAI此次发布显得更有诚意——GPT-4o将免费提供给所有用户使用，Plus用户则可以享受到5倍的调用额度。

　　穆拉蒂表示，GPT-4o将提供与GPT-4同等水平的智能。

　　同时，GPT-4o的运行速度大大提升，最大亮点在于其语音交互模式采用了全新技术，让聊天机器人对话的响应速度大幅提升。OpenAI官网博客显示，GPT-4o在谈话中对音频输入的平均响应时间为320毫秒，最短的响应时间为232毫秒，与人类的响应时间相似。

　　GPT-4o还有超高的“语言天赋”，能支持50种语言，并显着提高了非英语语言的性能，包括改进分词器以更好地压缩其中的许多语言：

　　根据传统基准测试，GPT-4o在文本、推理和编码智能方面实现了GPT-4 Turbo级别的性能，同时在多语言、音频和视觉功能上设置了新的高水位线。

　　开发人员现在可以在API中访问GPT-4o。与GPT-4 Turbo相比，GPT-4o速度提高2倍，价格降低一半，速率限制提高5倍。

　　在现场演示环节，GPT-4o更是展现了各类花式操作——它能根据演示者的实时要求变换语音语调，演绎话剧；能实时读图；甚至还跟演示者们开起玩笑，唱起歌。

　　此外，OpenAI还发布了桌面版的ChatGPT和新的用户界面。

　　用户可以向ChatGPT（由 GPT-4o 提供支持）提出问题，并在ChatGPT回答时打断它。OpenAI表示，该模型提供“实时”响应能力，甚至可以感知用户声音中的情感，从而生成“一系列不同情感风格”的声音（包括唱歌）。

　　GPT-4o还升级了ChatGPT的视觉能力。给定一张照片或一个桌面屏幕，GPT-4o可以快速回答相关问题，主题范围包括“此软件代码中发生了什么？”到“这个人穿什么牌子的衬衫？”

　　“我们认识到这些模型正变得越来越复杂，” 穆拉蒂说道，“但我们希望用户与人工智能模型的交互体验能够更加自然、轻松，让用户可以将注意力完全集中在与模型的协作上，而无需在意界面本身。”

　　穆拉蒂还透露，未来几周内，GPT-4o将分阶段集成至OpenAI的各个产品之中，而且会在ChatGPT Plus中推出新版语音模式GPT-4o的alpha版。

　　OpenAI研究员威廉·费达斯（William Fedus）表示：“GPT-4o是我们最先进的新前沿模型。我们一直在LMSys arena上测试一个版本im-also-a-good-gpt2-chatbot。”

　　“这不仅是世界上最好的模型，而且可以在ChatGPT中免费使用，这对于前沿模型来说是前所未有的。”费达斯补充道，“我们发现在更难的提示集上——特别是编码——存在更大的差距：GPT-4o比我们之前的最佳模型实现了+100 ELO。”

　　奥尔特曼也在X上表示：“GPT-4o是我们最好的模型。”

　　OpenAI此次发布几乎在想尽办法“讨好”用户，在“交互体验”上下足了功夫，直接免费开放使用更让用户感受到了OpenAI的诚意。

　　但‘甲子光年’发现，在这种诚意背后，这家已被捧上神坛的AI创业公司，正深陷于某种焦虑之中。

　　2.OpenAI的产品焦虑

　　虽然奥尔特曼今天并未到场，但5月11日，他便亲自下场预告。可是，翻翻评论区，网友们的关注点似乎有点儿跑偏。

　　有人喊话奥尔特曼让OpenAI首席科学家伊利亚回归：

　　有人关心GPT-5到底何时发布：

　　伊利亚的去向和GPT-5的发布是OpenAI留给外界的两大谜题，也是外界最关心的两大问题。

　　2024年，人们对OpenAI最大的期待便是GPT-5。然而，每当奥尔特曼在访谈中被问及GPT-5相关进度时，却总是支支吾吾、讳莫如深。奥尔特曼在普罗大众心中的画像也逐渐从一位开天辟地的怪力少年，转变为一个在各国政客间长袖善舞，在各种场合大打太极的“成熟企业家”。

　　更致命的是，ChatGPT和GPT-4之后，OpenAI似乎一直没能推出相同重量级的AI产品，这些都在不断消磨外界对OpenAI的期待与信心。

　　今年2月，OpenAI发布Sora——1份技术报告、32篇引用论文、一些画面堪比电影镜头的demo和1个故作高深的“世界模拟器”概念就是OpenAI给出的全部，没有技术论文，也没有可公开体验的产品入口。

　　‘甲子光年’曾向多位AI从业者提问：“ChatGPT和Sora，谁带给你的震撼更大？”各位受访人几乎不约而同地回答：“Sora有震撼，但没ChatGPT的震撼大。”

　　造成这种感官差异的直接原因是，ChatGPT能直接体验，但Sora不能。虽然ChatGPT也会犯一些荒唐的错误，但真实的交流感带给人们的震撼，远远大于只可远观、不能上手体验的Sora。甚至不少声音开始猜测，Sora精美的Demo或许是工程师在背后屡次微调的结果，Sora实时交互的结果“可能远不如此”。

　　对于外界的猜测、质疑，OpenAI并未回应，而是迅速扔出下一个“靶子”——AI搜索。

　　过去一周，外媒不断有消息传出OpenAI将推出AI搜索产品，更有媒体猜测，谷歌一年一度的I/O大会即将于5月14日举办，而OpenAI此举是针对谷歌的精准狙击。

　　不过，AI搜索的热度炒了半天，所谓的AI搜索产品最终只是虚晃一枪。

　　昆仑万维董事长兼CEO方汉近期在一次直播中直言：“我觉得搜索引擎对于OpenAI的用户增长也不会有根本性的变化。”有数据显示，从去年5开始，ChatGPT的C端增长便逐渐触顶。

　　而产品焦虑一日不解，OpenAI距离“伟大的公司”就永远有一墙之隔。

　　3.GPT-4o能治好吗？

　　今天再次复盘ChatGPT的成功会发现，这是一次不可复现的“无心插柳”。

　　2022年中，OpenAI开始训练GPT-4。半年后的11月30日，OpenAI发布ChatGPT，全球各界都为之颤动。

　　OpenAI内部曾对是否发布ChatGPT有过很长一段时间争论，因为谁都无法100%确认这是正确的事情。

　　彼时，OpenAI对自己的定位是一家为开发人员和企业构建工具的公司，而非直接面向普罗大众。因此，OpenAI要面临的核心挑战，是ChatGPT的使用门槛是否足够低，以至于能让完全不懂技术的人用起来。

　　在此之前发布的视觉模型DaLL-E已经让OpenAI尝到了甜头。但ChatGPT能复制DALL-E的成功吗？

　　奥尔特曼是名副其实的“冒险派”，他鼓励公司发布ChatGPT，“尝试一下”。在他看来，用户和模型进行文本形式的交互会产生一些很重要的个性化结果。

　　很快，用户的热情证明，这次试验无比成功。从2022年11月上线的第一个完整月（2022年11月）开始，到12月这一数字达到了2.66亿人次，月环比增长了近75%。到2023年1月，总访问量翻了一番多，达到6.16亿人次，2月就首次突破10亿人次大关。

　　这突如其来的成功，在OpenAI的意料之外。

　　“我们并没有认为GPT-3系列模型已经跨越了将其应用于消费者或企业的门槛，本以为GPT-4会成为第一个跨越这道门槛的模型，所以我们的很多计划和预测都是围绕2023年3月发布GPT-4来安排的。”OpenAI COO 布拉德·莱特凯普（Brad Lightcap）此前在英伟达2024 GTC大会上分享道。

　　按照莱特凯普的说法，OpenAI用了6个月来适应ChatGPT的爆炸性增长，并确保公司有足够的GPU来满足用户的需求。

　　直到2023年后半年，OpenAI开始感受到了来自行业一线的真实需求。OpenAI曾公布，截止2023年8月，80%的财富500强公司已采用ChatGPT。80%的统计数据是指拥有注册ChatGPT帐户的财富500强公司的百分比，由与企业电子邮件域关联的帐户确定。

　　于是，OpenAI迅速行动。2023年8月28日，OpenAI推出ChatGPT Enterprise，正式进军企业市场。它提供企业级安全和隐私、无限的高速GPT-4访问、用于处理更长输入的更长上下文窗口、高级数据分析功能、自定义选项等等。

　　这是一个很微妙的时间点——ChatGPT流量见顶，开始走下坡路。

　　根据第三方网站SimilarWeb的监测数据，2023年6月ChatGPT的网站与移动客户端的全球流量（PV）环比下降9.7%，美国地区的流量环比下降10.3%。同时，ChatGPT的独立访客数量（UV）下降了5.7%，访客在网站上花费的时间也下降了8.5%。

　　这是自2022年11月30日发布以来，ChatGPT首次出现流量负增长。其实，ChatGPT增长放缓的势头在2023年5月已经出现端倪，5月的增长率仅为2.8%。

　　当时，一家AI Lab负责人告诉‘甲子光年’，ChatGPT流量下滑10%，但真正的挑战不在这里。“大部分人都是带着体验的目的，看看ChatGPT到底有多强大才去注册的，包括我也是。但这不意味着我会天天用它。除了做一些简单的科普，或者给孩子写作文之外，大部分人日常其实也不太会用到。”这位AI Lab负责人说。

　　莱特凯普自己也在一次访谈中犀利点评ChatGPT：“人们玩儿过一会儿后就认为它并不是真正的工具，而更像一个玩具。”

　　更严峻的是，ChatGPT的烧钱速度同样出人意料。

　　当OpenAI的早期投资人埃隆·马斯克（Elon Musk）问到ChatGPT的成本时，奥尔特曼给到的数据是“每次对话的平均费用为几美分”。2023年4月，国外一位分析师估算的数据则是每天的运营成本高达70万美元。

　　2023年2月1日，OpenAI开始商业化探索，推出付费版本的ChatGPT Plus，定价每月20美元，提供的增值服务包括“高峰时段免排队、快速响应以及优先获得新功能”等。

　　如此看来，ChatGPT虽然备受喜爱，但在商业层面，却算不上一个真正成功的产品。这些被ChatGPT烧掉的钱，就要用B端来填。

　　数据显示，截至2023年11月，已经有92%的500强企业以某种形式部署ChatGPT。Block、Canva、Carlyle、雅诗兰黛、普华永道和Zapier均为OpenAI的早期客户。

　　C端流量与B端客户量的此消彼长之间，OpenAI也逐渐由一家伟大而光荣的非营利性AGI实验室，加速转变为一家“平庸”的商业公司——他们或许能赚到很多钱，却没有造出能够说服用户的产品。

　　直到今天，让奥尔特曼感到“像魔术一样”的GPT-4o面世。

　　只是GPT-4o真能治好OpenAI的产品焦虑吗？答案或许并不清晰。

　　从模型能力上来看，实时语音交互是GPT-4o在多模态方面最亮眼的进展。然而事实上，语音交互类产品并不新鲜。在可查阅的历史中，AI语音交互类产品在商业化方面并没有太多成功的案例，苹果的Siri到今天都是一个十分鸡肋的功能。

　　而发布会上的GPT-4o，看起来依然是一个“有趣的玩具”。

　　从“无心插柳”的ChatGPT，到“只可远观”的Sora、“虚晃一枪”的SearchGPT，再到今天的GPT-4o，都只是OpenAI向世界展示其AI能力的“半成品”，而并非一个真正能够说服用户的商业产品，这在某种程度上限制了OpenAI用户的增长。