面對這一更新發(fā)布，激動者不在少數(shù)，各類自媒體震驚體輪番上陣，更有甚者鼓吹A(chǔ)GI時代已來。

Related Image

唱衰者同樣存在，貶低GPT-4o所展現(xiàn)的能力只是將tts，vision，llm等已然發(fā)布過的技術(shù)進(jìn)行了二次打包組裝，并無創(chuàng)新技術(shù)存在，而且演示的能力之前的Gemini-1.5已然演示過（雖然被實(shí)錘為剪輯）。

Related Image

作為一個大語言模型開發(fā)者，我也著實(shí)震驚于GPT-4o所展現(xiàn)的強(qiáng)大的多模態(tài)能力。不過遭受過AI原生應(yīng)用開發(fā)反復(fù)拷打的我，最為感嘆的點(diǎn)在于 232 毫秒語音響應(yīng)的這一數(shù)據(jù)，更別說在急速響應(yīng)的情況下，GPT-4o回復(fù)的內(nèi)容質(zhì)量還在上一代基礎(chǔ)上有了大幅度的提升。不得不說，天下武功唯快不破！LLM領(lǐng)域的摩爾定律依然存在。

如果你還不理解我為啥我要關(guān)注全場精彩演示里的這個簡單數(shù)字，不如聽我說說我在AI開發(fā)時的一些小故事！

快真的很重要

在AI技術(shù)發(fā)展的過程中，速度一直是衡量性能的重要指標(biāo)。無論是在數(shù)據(jù)處理、模型訓(xùn)練還是實(shí)時交互中，快速響應(yīng)都是用戶體驗(yàn)的關(guān)鍵。

Demo還沒跑完，觀眾已經(jīng)跑完了

在去年這個時候，LLM已然起步。在一次hackthon比賽中，為了展示AI的強(qiáng)大能力，我們構(gòu)想了一個使用AI還原詩詞場景的產(chǎn)品。

然而要完成這個創(chuàng)意，我們需要通過LLM語義理解，文生圖提示詞自動優(yōu)化，生圖接口調(diào)用，自動視頻串場剪輯，tts語音合成等諸多耗時環(huán)節(jié)，來完成一個完整的演示。然而，由于這些環(huán)節(jié)的處理速度太慢，有時候在演示時，Demo還沒跑完，觀眾已經(jīng)跑完了。這就是速度對于AI應(yīng)用的重要性。

能聽懂情緒如同有魔法一般

在人機(jī)交互中，理解用戶的情緒和語境是提升體驗(yàn)的重要一環(huán)。GPT-4o在這方面的能力，讓機(jī)器的“聽覺”不再局限于文字，而是能夠感知到語氣和情感。

別說語氣，聽清文字，當(dāng)初就不尷尬了

回想起2018年雷軍在演示小米小愛藍(lán)牙音箱隨身版時的那一幕，他連續(xù)問三次“三個木叫什么？”，結(jié)果藍(lán)牙音箱答非所問。那時候的AI還不能很好的理解人的語境和情緒，甚至連基本的詞義都理解不清。而現(xiàn)在，GPT-4o的出現(xiàn)，讓我們看到了AI在理解人類情緒和語境方面的巨大進(jìn)步。

集成也是創(chuàng)新，GPT-4o如有大腦

在AI領(lǐng)域，將不同的技術(shù)進(jìn)行有效集成，實(shí)現(xiàn)1+1>2的效果，本身就是一種創(chuàng)新。GPT-4o的多模態(tài)能力，就是這種集成創(chuàng)新的體現(xiàn)。

GPT-4o能輔導(dǎo)數(shù)學(xué)題了，我用的LLM還判斷不了0-1

在我開發(fā)Agent的過程中，我需要通過模型進(jìn)行0-1決策，以執(zhí)行下一步的任務(wù)，但無法得到合適的回復(fù)。我問模型以下問題,期望只有真正需要執(zhí)行搜索動作時，才回復(fù)true，然而模型卻無法正常運(yùn)轉(zhuǎn)。

Related Image

這就是GPT-4o的強(qiáng)大之處，它不僅能理解我們的問題，還能根據(jù)問題的內(nèi)容做出正確的回答。這是我們在開發(fā)AI應(yīng)用時，一直追求的目標(biāo)。

結(jié)語

AGI還尚未到來，但AI技術(shù)的進(jìn)步真的每一次都能震撼人心，讓我們一起迎接這個精彩的未來吧！

本文轉(zhuǎn)載自 ??AI小智??，作者： AI小智