北京时间5月14日凌晨，OpenAI公司继今年2月份推出首个AI视频模型Sora后，又用短短26分钟的发布会，扔出了新王炸——他们推出了全新旗舰AI模型GPT-4o（GPT-4 omni），omni指的是“全能模型”。

OpenAI公司称，GPT-4o迈出了未来AI与人类进行“自然人机交互”最为重要的一步，它可以接受用户输入的任意文本、音频、图像的随意组合信息，并能以文图音的任意组合模式进行反馈回应。

GPT-4o在正式发布前，是一个在LMSys竞赛中的测试版本，当时名为“im-also-a-good-gpt2-chatbot”，在测试中就表现优异，远超GPT-4 Turbo、GPT-4、Gemini等模型的强大性能，从模型能力、安全和局限性等方面刷新了业界水平。

正式版本的GPT-4o对音频输入（即语音交互）的平均响应时间为 320 毫秒，最短只需要232 毫秒，这与人类之间使用语言沟通的响应时间相近，据介绍，与现有模型相比，它在视觉和音频理解方面胜出许多。

OpenAI首席技术官穆拉蒂（Mira Murati）在活动中，演示了装载在一部iPhone上的GPT-4o语音助手，要求它讲个睡前故事，要求它以歌声结束这个故事，并附加了机器和人类语音切换，英语和意大利语互译等——这看起来平平无奇，小爱，小度之类的国内“智能音箱”的智力水平也能达到，不过就是广告多一些而以。

在GPT-4o在被要求通过手机摄像头解读演示者面部表情，并判断当前的情绪时，它的表现让人惊艳。

“你此刻看起来是快乐而开朗的，笑容灿烂，甚至可能有点兴奋……”AI很快用活泼的女声给出了回应，“不管发生了什么，看起来你的心情很好，愿意分享一下这些美好的感觉的来源吗？”

业界人士称，GPT-4o的发布，或将颠覆实时翻译、音视频剪辑、看护照顾等众多行业，并向人类提供以假乱真的AI交互场景——如果类似的AI模型植入到类人仿生机器人中——那以前的科幻电影，便会成为现实场景。

此前，英伟达CEO黄仁勋就曾表示，ChatGPT的出现是 AI 的“iPhone时刻”，表示很看好并期待这家公司在未来给人类社会带来的改变。

但另一位大佬马斯克在看过发布会后表示，GPT-4o的演示让他感到“不适、尴尬”，这遭到了GPT粉丝的不满，有用户留言回怼——“放出Grok的可用版本的类似产品再说话吧……”

Grok是马斯克的AI初创公司X.ai推出的AI模型，它是用了包括马斯克收购的社交媒体平台X（原名Twitter）上的语料训练出来的——但它在基准测试中，比不过GPT4，也比不过Palm-2及Claude3，随后，马斯克将它开源，用户可以免费商用，但至今仍没有基于Grok的知名大型应用产品出现。

GPT-4o可以用人类的声音与用户交谈，通过摄像头的面部捕捉，实时理解用户的面部表情，并即时的进行交互——包括但不限于翻译、答疑，聊天，甚至是与用户进行“调情”……

这让很多人想到了一部2013年的科幻电影《她》。

片中讲述了一个心碎而孤独的作家西奥多，爱上了存在于电脑中的女声AI操作系统萨曼莎——GPT-4o现在展示出来的能力，正是当初片中的萨曼莎的能力！

有人在社交媒体上留言，“世界永远的改变了……”，得到了OpenAI的CEO奥尔特曼（Sam Altman）的回应，他明确指出了这部电影的名字。

随后不久，他还单独发文暗示GPT-4o确实有点像电影中的“她”——“感觉就像电影里的AI，这对我来说仍然有点惊讶，但它是真实的……”

在很早以前的一次公众活动中，奥尔特曼就明确表示过，他最喜欢的电影就是《她》，因为“萨曼莎”能做对的事情……

有兴趣的朋友可以去找这部电影来看看，不放链接了，如果赶时间，也可以在字母站上看到很多这部电影的解说。

最后，OpenAI称，人们可以免费使用GPT-4o。

好吧，国产AI，请给点力！