先来听听这段对话
（源自OpenAI Spring Updates发布会现场）
如果你感觉这是一段再普通不过的日常对话，那么正应证了这场颠覆性变革的阶段性成功。「她」就是这两日全球科技界当之无愧的主角GPT-4o。
北京时间5月14日凌晨，OpenAI首席技术官Mira Murati在“春季发布会”上官宣其最新旗舰生成式AI模型GPT-4o及桌面版ChatGPT。
AI总离不开“人类”这个关键词。如果说大部分模型是在为“behave like a human being”不断作调优尝试，GPT-4o已经被冠以“媲美人类”的标签。集成文本、语音、图像三种模态的理解力（Omnimodel），GPT-4o能够处理这三种模态的任意组合输入，并生成相应的图文音频形式内容。关于她的能力、特点及价值，也许我们可以用一些通俗易懂的方式为你介绍一二。
响应时间、记忆能力双提升
持续输出有效内容
生活工作中的无效低效沟通怎么破？GPT-4o最快232毫秒，平均320毫秒近似人类的音频输入响应，以及显著提升的记忆力（Memory-记住你提过的问题和你与她之间的对话）让你觉得“她真的有在认真听我讲话”。通过在更广泛和多样化的数据集上进行训练，GPT-4o的语言理解能力显著提高。伴随着尤其是在准确性和连贯性上的突破，使整个人机交流过程中的深度和真实感陡增。
还有什么比看到GPT-4o按照“nudge him in the right direction”的指令，一步步启发、纠正孩子做数学题，并给予持续鼓励还要欣慰的呢？
情绪价值拉满
从帮助走向陪伴
要知道，人工智能在理解和表达情感方面一直存在局限性。目前，我们大多默认它只是一个为我们制造结果、降低费力度，或许还会提供一些灵感的“机器”。讲到底，用户在交互的心理层面预期几乎为零。或许几年前你还想对着Siri “Hey”两句，为它给你来一段beatbox兴奋半天，直到它给出一张以你原话为搜索结果的网页列表。
还有很久前那只陪伴过无数孤独人士的“小黄鸡SimSiMi”，跟它聊得正酣，它就突然因为你的话语不在词库内导致找不到答案而突然失语。失落感袭来，“原来它也只是个有点懂我的机器而已”。
再看GPT-4o，在用户的情绪识别方面已有了全新的突破。她可通过分析人类的语言和语调，读取、理解其情绪状态，并传回带有丰富人类情绪特征的音频。发布会上，研发负责人Mark Chen在与GPT-4o对话过程中试图大喘气后，GPT-4o让他“slow a bit there”。在风趣的同时，精细的技术感扑面而来。就像文章开头那段音频一样，一个惊喜的“Aww”，让本质上是系统应答的生硬感与机械感不复存在。你要的“理解和共情”，GPT-4o都有。（态度是关键）
除此之外，GPT-4o在代码语义理解抽取、生成创作方面；多语言多媒介翻译能力方面还有着突破性的表现。免费体验、API降至五折、桌面版ChatGPT的诞生也是此次发布的几大亮点。
今晨，又一科技巨擘携AI产品“打包”来袭。Google与Alphabet首席执行官Sundar Pichai在今年的I/O上表示，Google已全面进入Gemini时代。大会首次对外公布了Project Astra，这款AI助手在语言交互、视觉识别能力上与GPT-4o不相上下；其背后的Gemini 1.5 Pro的上下文窗口也将冲至200万个令牌（Token），这个数字一出，真可谓一览众山小。Sora也迎来了它的新对手Veo，与之伴随而来的是超强文生图像模型Imagen 3。同时，27B开源模型Gemma 2.0 也将于下月亮相，第一视觉LLM PailGemma已率先上线。
一个众神battle的局面，人机交互迎来里程碑式突破，人类也向AGI又迈进了一步。至于此类产品在其未来的商业化路上将如何演化，社交软件、线上教育、心理咨询、影视制作或是更多？新范式是否已经形成？让我们一起期待。
AI大航海时代，算力被视作可能成为未来人类普遍使用的重要资产之一。OpenAI首席执行官Sam Altman就在近日提出的UBC（Universal Basic Compute）愿景 - “每个人都可以访问 GPT-7的部分计算资源” [1] 。计算资源变资产可能还需要一阵子，免费体验资源当下就有。立即登陆国家超算互联网平台，百余款模型商品搭配免费计算资源，等你体验！
Ref.
【1】https://analyticsindiamag.com/sam-altman-proposes-universal-basic-compute-for-global-access-to-gpt-7s-resources/
【2】相关音频/图片源自：OpenAI Spring Updates及 Google I/O现场
【3】封面源自：豆瓣 电影《她》海报
