OpenAI新模型GPT-4o有哪些突破？

熬夜看完OpenAI發布會，準確地講這是一次偽裝成春季update的智能交互變革，貌似一小步的一大步。OpenAI再次制造了一波焦慮——
1.從之前讀文看圖以及遲滯感明顯的語音交互，到GPt-4o的實時多模態自然交互，知道的人知道這意味著什么，大模型從此呆瓜變＂真人”，能看能說能思考的自然交互，讓智能瞬間變得人人隨時隨地唾手可得。不能低估交互，能力、場景、用戶基數瞬間幾何級放大；

2.百分百可以肯定不只是GPT4的后端能力+前端Chatbot聊天機器人，多模態自然交互這部分是GPT-5能力的選擇性釋放，OpenAI在控制節奏，不會也不愿一次性把GPT全都放出來，之前表達過這種觀點；

3.沖擊就是：一批基于GPT做語音等多模態自然交互的，一批基于家庭做情感陪伴的，包括一批基于機器人做具身智能交互界面的，智能硬件底層邏輯需要進一步重構，手機廠商自研模型還需努力，包括一批做情緒計算的，助手、教育、翻譯等更危了......想套殼GPT或OTT的，基本都會被GPT反過來蓋帽。

4.Siri呆若木雞，Claude相形失色，Gemini反正不會......客觀而言，其它閉源開源還沒這么能打的。不過就GPT4動不動卡殼掉鏈子的那副表現，GPT-4o的用戶體驗從流暢度來說好不到哪里去，能到發布會演示水平的一丟丟就不錯了。

5.GPT-4o免費可限量用，付費可多用，和GPT3.5以及最近部分免費一樣，典型的敞口漏斗營銷策略，不過還沒充分拉開梯度，導致需求量較大的非開發者非企業用戶經常受限的情況在GPT-4o估計會更嚴重。

6.重新理解攝像頭，重新機器視覺、聽覺。手機等移動終端和碎片場景下的應用爆發力，將不輸AI PC等生產力場景，甚至移動引爆會走在前面。這就不是幾億而是幾十億用戶的問題了。

如果預估OpenAI手里還沒打出來的幾張牌，直覺會認為競爭對手一時不好追，競品在一些基準測試成績接近GPT4是當下的競爭尺度和維度之一，但接下來維度實際有好幾個（轉自胡延平朋友圈）

幾點：
1、能解數學題，這個沒有重點被展開，但我一直覺得這是真正的底層邏輯能力，這涉及意義系統與形式系統的映射，說白了就是有抽象能力了，畢竟除了人之外的生命只有具象能力。
2、情緒感知與共情。人的情緒是內在生化反應與外界環境互動的結果，機器對情緒的處理應該還是模擬，算感知不算共情，但做到這個程度可以以假亂真。
3、隨時打斷。算力支撐與算法優化沒的說。
4、4o。這個o，代表omni，本意可能是多模態，支持聲音文本視頻多語言等等所具有的通用性。但總給人感覺暗示Omniscient, omnipresent, omnipotent的祂。

這次OpenAI發布會的重點應該在多模態模型GPT-4o，它有幾大特點：多模態、無延遲、可在桌面運行。最重要的是它能處理包括文字、音頻、圖像在內的信息流，而且能夠識別人類的情感，作出情感上的回應。作為一個多模態模型，OpenAI又開創了一個新紀元，使人工智能從語言互動提升到了語音視頻互動，相信國內的大模型廠商也會跟上步伐。
另外，外界期待的OpenAI搜索引擎并未發布，此前奧特曼已經宣布過，這對谷歌而言是個大利好。