OpenAI发布可识别情绪的旗舰模型GPT-4o

本报记者 李豪悦

5月14日，OpenAI召开春季发布会，直播发布全新旗舰AI模型GPT-4o。“o”代表“全知全能”，GPT-4o能够实现实时语音、文本、图像交互能力，并有几大亮点引发外界热议：无延迟感、识别和模仿人类情绪、免费使用且通过API（应用编程程序接口）调用的成本也将降低50%。

即：GPT-4o相比之前的模型更快、更强、更便宜。

“GPT-4o能接受任意组合的文本、音频和图像作为输入媒介，并在输出端任意生成。弥补了之前推出的ChatGPT、Sora、Suno等专业化语言大模型、视频大模型和音频大模型的短板。”独立国际策略研究员陈佳向《证券日报》记者表示，在模型平均反应速度领域，GPT-4o比GPT-4Turbo快了2倍，开发者限制速率则提高了5倍。

国盛证券研报提到，GPT-4o是迈向更自然的人机交互的重大进步，新功能带来了崭新的多模态交互能力，通过新的端到端模型实现了体验上的新突破，有望在各类终端实现用户体验的最大化，利好智能终端Agent、机器人等方向。

截至5月14日收盘，人形机器人概念板块涨幅1.96%，其中，盛通股份涨停。机器人概念涨幅1.18%，其中，汤姆猫20cm涨停。

相比GPT-4o带来的新功能，益海轩公司创始人、《海峰看科技》主理人黄海峰向《证券日报》记者提到国内目前的主流研究方向。“大家都在发力NLP（自然语言处理）、机器学习、语音识别、深度学习算法等。国内在ToB大模型方面，比如制造大模型、医疗大模型投入更大，成绩更多。”

不过，不少人认为GPT-4o更接近AGI（通用人工智能）。OpenAI首席执行官山姆·奥特曼表示，新的语音和视频模式是他用过的最好的电脑界面，感觉就像电影里的AI。达到人类水平的反应时间和表达能力是一个很大的变化。“我真的可以看到一个令人兴奋的未来，我们能够使用计算机做比以往任何时候都多的事情。”

陈佳认为，GPT-4o对于全球AGI大模型，甚至小模型和专业模型在生产生活应用场景下的AI开发推进过程非常重要。但是，它没有改变全球AGI大格局。“比如，在自然语言和代码文本领域，GPT-4o并没有超越GPT-4Turbo的性能表现，GPT-4o更多是GPT-4Turbo的迭代强化版本。”

今年以来，全球AI大模型端都持续迭代升级。华泰证券指出，伴随模型能力的升级，ToC应用有望迎来加速发展。ToC应用核心要解决的是产品性能以及用户的付费意愿，伴随底层基础模型的能力优化，ToC应用的使用效果显著提升，同时应用模态正在加速拓展。

（编辑 孙倩）