Open cssmagic opened 1 month ago
昨天半夜 OpenAI 开了一场发布会，时间不长，杀伤力却极大，大家一早都被刷屏了吧！相信很多小伙伴已经用上新模型了，也有不少同学遇到各种各样的问题。
魔法哥也在第一时间做了深入体验和测试，结合多个群里的常见问题，趁热跟大家分享。
发布新款旗舰模型 GPT-4o。这是一款原生多模态大模型，具备原生的文本、视觉、音频输入能力，以及文本、语音输出能力。ChatGPT 可以更直接更自然地睁眼看、开口说了。
ChatGPT 实时语音交互。依托 GPT-4o 的原生多模态能力，ChatGPT 不再需要像以往那样外挂语音识别和语音合成模块，语音对话更加生动自然。虽然语音交互早已不是什么新鲜事儿，但现场演示的 “实时语音交互” 还是令人大受震撼。
ChatGPT 桌面客户端。可以读取系统剪贴板和屏幕内容，更紧密地融入到用户的工作流中。本次发布的只有 macOS 版，Windows 将在今年晚些时候发布。
更多高级功能普及到免费用户。OpenAI 真的是在朝着他们的愿景往前走，让 AI 惠及更多的人。这一点我们留到文章末尾详细讲解。
现在就能用啦！
如果你是 ChatGPT 付费用户（Plus 会员、Team 套餐会员），GPT-4o 已经全量推送。打开 ChatGPT 网页版，你应该可以看到如下的升级通知：
ChatGPT 界面也改版得更加简洁了。我们在左上角可以切换模型，选择 GPT-4o：
在手机端，你需要把 App 升级到最新版，然后就可以在新对话中选择 “GPT-4o” 作为模型了。
只不过 GPT-4o 不是默认模型，每次都要手动切一下，稍显不便。
如果你是免费用户，就要看运气了，目前 GPT-4o 还在逐步灰度推送的过程中。如果你登录 ChatGPT 之后，看到升级通知，而且左上角的模型选择变成以下样子：
恭喜你，已经被灰度到了！虽然这里没有显示 GPT-4o，但不用担心，直接跟它聊就可以了，你可以在它的回复下面看到当前所用模型，默认就是 GPT-4o 了。
如果你没有看到升级通知，而且左上角的模型选择区域还是老样子：
说明还没灰度到，可以试试退出重进，说不定就有了。
（需要注意的是，虽然 ChatGPT 允许不登录使用，但目前 GPT-4o 还是需要登录之后才能使用哦。所以没有账号的同学先去注册吧！）
有两个变通方法：
使用第三方的大模型平台。比如 Poe 已经在第一时间接入 GPT-4o（ poe.com/GPT-4o ），免费用户也可以聊几轮。
使用 API。由于 GPT-4o 的 API 已经同步上线了，接口定义也和以往的 GPT 模型完全一致，大家可以把 GPT-4o 集成到自己常用的聊天客户端中。比如魔法哥经常推荐的 NextChat（ app.nextchat.dev ），可以完美兼容。
不过这两种方式和原装的 ChatGPT 相比，功能和体验还是有缺失的，只能算是临时尝个鲜吧。
GPT-4o 给人的第一感觉就是 “快”！回复速度秒杀 GPT-4，甚至不输 GPT-3.5！
此外，理论上 GPT-4o 在知识库新鲜度、模型推理能力、视觉识别等方面相比 GPT-4 也有提升，这些都有待我们在日常使用中慢慢体会了。
发布会上的实时语音对话 demo 确实炸裂，很多人惊呼电影《Her》中的场景已经成为现实。魔法哥实际体验如何？
很遗憾，魔法哥尝试了很多次，现有的安卓版 ChatGPT App 始终无法激活实时语音对话效果；群友也无人成功。
魔法哥尝试切换不同线路，用英语对话，甚至在 Google Play 商店参与了 OpenAI 的内测计划。即使安装了 Beta 版的 ChatGPT App，版本号比常规渠道更高，也依然没能试出实时语音对话功能。
如何判断当前语音对话仍然是传统的 “回合制交互”，而不是发布会上的 “实时交互”？魔法哥基于以下几点作出判断：
延时没有明显变短。OpenAI 官方表示，GPT-4o 对音频输入的响应时间可以做到几百毫秒级别。但现在仍然有 5 秒左右的延时。
无法感受语气。传统的回合制对话需要经历 语音识别 → 模型回复 → 语音合成 这三个环节，而用户的语气在第一个环节就会丢失。同理，发布会上演示的 “大口喘气” 也无法被模型感受到。
无法通过语音打断模型。语音界面的交互方式还是老样子，打断模型输出需要手动操作。而且返回对话界面可以发现，模型的回复其实已经全部生成好了，只是语音合成模块没有读完而已。
因此，魔法哥认为实时语音对话功能还没有正式上线；同样，发布会上演示的手机摄像头实时捕捉现实画面的功能也未开放，大家可以先期待一下。一旦有任何消息，魔法哥也会在群里第一时间通知。
上面提到，GPT-4o 的 API 已经上线了，开发者可以尝试在自己的项目中切换新到模型。
魔法哥也在第一时间做了初步测试，感受如下：
推理速度极快。和 GPT-3.5 Turbo 相当。
“Token 利用率” 明显提升。这一点也可以佐证 GPT-4o 是一个全新的模型，并不是简单地对 GPT-4 “打补丁”。
输出风格偏话痨。AI 应用开发者可能需要对提示词做更多的打磨和调试。
OpenAI 借着 GPT-4o 的发布，给 ChatGPT 免费用户带来了一波大福利。当免费用户切换到 GPT-4o 时，可以享受以下这些原本是付费用户才能使用的高级功能：
而且 OpenAI 承诺将来还会有更多高级功能向免费用户解锁，付费会员纷纷表示 “被背刺”……哈哈，其实付费用户还是有特权的，免费用户的 GPT-4o 使用频次限制很大，想敞开用还是免不了付费的。
OpenAI 的这次发布会依然没有让人失望，ChatGPT 的快速迭代仿佛让我们看到了未来的无限可能。让我们一起期待下一次的技术更新，也别忘了把这篇文章分享给身边的小伙伴哦！
魔法哥对 GPT-4o API 的测试还在持续进行中，稍后会为大家带来更加深入的观察和分享。各位新朋友请关注公众号，下次更新不迷路：
📣 AI 魔法群开放啦！ 对 AI 感兴趣的同学不妨扫码加群，与数百名同好交流分享：
对 AI 感兴趣的同学不妨扫码加群，与数百名同好交流分享：
© Creative Commons BY-NC-ND 4.0 | 我要订阅 | 我要打赏
昨天半夜 OpenAI 开了一场发布会，时间不长，杀伤力却极大，大家一早都被刷屏了吧！相信很多小伙伴已经用上新模型了，也有不少同学遇到各种各样的问题。
魔法哥也在第一时间做了深入体验和测试，结合多个群里的常见问题，趁热跟大家分享。
这场发布会有哪些亮点？
发布新款旗舰模型 GPT-4o。这是一款原生多模态大模型，具备原生的文本、视觉、音频输入能力，以及文本、语音输出能力。ChatGPT 可以更直接更自然地睁眼看、开口说了。
ChatGPT 实时语音交互。依托 GPT-4o 的原生多模态能力，ChatGPT 不再需要像以往那样外挂语音识别和语音合成模块，语音对话更加生动自然。虽然语音交互早已不是什么新鲜事儿，但现场演示的 “实时语音交互” 还是令人大受震撼。
ChatGPT 桌面客户端。可以读取系统剪贴板和屏幕内容，更紧密地融入到用户的工作流中。本次发布的只有 macOS 版，Windows 将在今年晚些时候发布。
更多高级功能普及到免费用户。OpenAI 真的是在朝着他们的愿景往前走，让 AI 惠及更多的人。这一点我们留到文章末尾详细讲解。
我什么时候可以用上 GPT-4o？
现在就能用啦！
付费用户
如果你是 ChatGPT 付费用户（Plus 会员、Team 套餐会员），GPT-4o 已经全量推送。打开 ChatGPT 网页版，你应该可以看到如下的升级通知：
ChatGPT 界面也改版得更加简洁了。我们在左上角可以切换模型，选择 GPT-4o：
在手机端，你需要把 App 升级到最新版，然后就可以在新对话中选择 “GPT-4o” 作为模型了。
只不过 GPT-4o 不是默认模型，每次都要手动切一下，稍显不便。
免费用户
如果你是免费用户，就要看运气了，目前 GPT-4o 还在逐步灰度推送的过程中。如果你登录 ChatGPT 之后，看到升级通知，而且左上角的模型选择变成以下样子：
恭喜你，已经被灰度到了！虽然这里没有显示 GPT-4o，但不用担心，直接跟它聊就可以了，你可以在它的回复下面看到当前所用模型，默认就是 GPT-4o 了。
如果你没有看到升级通知，而且左上角的模型选择区域还是老样子：
说明还没灰度到，可以试试退出重进，说不定就有了。
（需要注意的是，虽然 ChatGPT 允许不登录使用，但目前 GPT-4o 还是需要登录之后才能使用哦。所以没有账号的同学先去注册吧！）
还没有灰度到，怎么体验 GPT-4o？
有两个变通方法：
使用第三方的大模型平台。比如 Poe 已经在第一时间接入 GPT-4o（ poe.com/GPT-4o ），免费用户也可以聊几轮。
使用 API。由于 GPT-4o 的 API 已经同步上线了，接口定义也和以往的 GPT 模型完全一致，大家可以把 GPT-4o 集成到自己常用的聊天客户端中。比如魔法哥经常推荐的 NextChat（ app.nextchat.dev ），可以完美兼容。
不过这两种方式和原装的 ChatGPT 相比，功能和体验还是有缺失的，只能算是临时尝个鲜吧。
GPT-4o 加持的 ChatGPT 体验如何？
GPT-4o 给人的第一感觉就是 “快”！回复速度秒杀 GPT-4，甚至不输 GPT-3.5！
此外，理论上 GPT-4o 在知识库新鲜度、模型推理能力、视觉识别等方面相比 GPT-4 也有提升，这些都有待我们在日常使用中慢慢体会了。
实时语音对话的实际体验如何？
发布会上的实时语音对话 demo 确实炸裂，很多人惊呼电影《Her》中的场景已经成为现实。魔法哥实际体验如何？
很遗憾，魔法哥尝试了很多次，现有的安卓版 ChatGPT App 始终无法激活实时语音对话效果；群友也无人成功。
魔法哥尝试切换不同线路，用英语对话，甚至在 Google Play 商店参与了 OpenAI 的内测计划。即使安装了 Beta 版的 ChatGPT App，版本号比常规渠道更高，也依然没能试出实时语音对话功能。
如何判断当前语音对话仍然是传统的 “回合制交互”，而不是发布会上的 “实时交互”？魔法哥基于以下几点作出判断：
延时没有明显变短。OpenAI 官方表示，GPT-4o 对音频输入的响应时间可以做到几百毫秒级别。但现在仍然有 5 秒左右的延时。
无法感受语气。传统的回合制对话需要经历 语音识别 → 模型回复 → 语音合成 这三个环节，而用户的语气在第一个环节就会丢失。同理，发布会上演示的 “大口喘气” 也无法被模型感受到。
无法通过语音打断模型。语音界面的交互方式还是老样子，打断模型输出需要手动操作。而且返回对话界面可以发现，模型的回复其实已经全部生成好了，只是语音合成模块没有读完而已。
因此，魔法哥认为实时语音对话功能还没有正式上线；同样，发布会上演示的手机摄像头实时捕捉现实画面的功能也未开放，大家可以先期待一下。一旦有任何消息，魔法哥也会在群里第一时间通知。
GPT-4o API 效果如何？
上面提到，GPT-4o 的 API 已经上线了，开发者可以尝试在自己的项目中切换新到模型。
魔法哥也在第一时间做了初步测试，感受如下：
推理速度极快。和 GPT-3.5 Turbo 相当。
“Token 利用率” 明显提升。这一点也可以佐证 GPT-4o 是一个全新的模型，并不是简单地对 GPT-4 “打补丁”。
输出风格偏话痨。AI 应用开发者可能需要对提示词做更多的打磨和调试。
免费用户有哪些新福利？
OpenAI 借着 GPT-4o 的发布，给 ChatGPT 免费用户带来了一波大福利。当免费用户切换到 GPT-4o 时，可以享受以下这些原本是付费用户才能使用的高级功能：
而且 OpenAI 承诺将来还会有更多高级功能向免费用户解锁，付费会员纷纷表示 “被背刺”……哈哈，其实付费用户还是有特权的，免费用户的 GPT-4o 使用频次限制很大，想敞开用还是免不了付费的。
小结
OpenAI 的这次发布会依然没有让人失望，ChatGPT 的快速迭代仿佛让我们看到了未来的无限可能。让我们一起期待下一次的技术更新，也别忘了把这篇文章分享给身边的小伙伴哦！
魔法哥对 GPT-4o API 的测试还在持续进行中，稍后会为大家带来更加深入的观察和分享。各位新朋友请关注公众号，下次更新不迷路：
🔥 往期推荐
AI 应用开发指南：
ChatGPT 高级技巧：
AI 资讯与评述：
© Creative Commons BY-NC-ND 4.0 | 我要订阅 | 我要打赏