当前位置:首页|资讯|OpenAI

免费的GPT-4o足够强,但治不好OpenAI的产品焦虑

作者:甲子光年发布时间:2024-05-14

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。

01 “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。 

02 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。 

OpenAI Search 测试界面,图片来源:赛博禅心 

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。 

03 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。 

当然,不可否认的是,从这次发布会的效果来看,GPT-4o或许会成为又一个成功的PR案例,被写入OpenAI的历史。 

本文来自微信公众号“甲子光年”(ID:jazzyear),作者:刘杨楠,36氪经授权发布。


Copyright © 2024 aigcdaily.cn  北京智识时代科技有限公司  版权所有  京ICP备2023006237号-1