GPT-4o幹掉初創全網實測,馬斯克Karpathy等大佬紛表不服:OpenAI不過如此

新智元報道

編輯:編輯部

【新智元導讀】GPT-4o一上線,大批初創公司又要面臨倒閉了。全網網友實測後驚呼:這推理速度是碾壓版的升級!然而馬斯克、Karpathy、Meta研究者等一衆大佬唱衰道:OpenAI不過如此,無非就是發佈了一個在同一神經網絡中結合文本-音頻-視頻三種模態並同時處理的模型。

OpenAI一夜之間,又幹掉了一大批初創公司。

官方公佈的全能模型GPT-4o的炸裂演示,即便過去了一天,依舊讓全網深陷其中,無法自拔。

憑藉實時語音視頻對話,GPT-4o已經深入教育、翻譯、視頻會議等領域的變革。

OpenAI科學家Lilian Weng稱,自己這次的日本之行,就用到了ChatGPT的實時翻譯能力,比如翻譯與壽司廚師對話,或在紀念品商店識別解釋不同類型岩石。

目前,一些用戶已經灰度測試到了GPT-4o,紛紛開啓了測試。

一大波演示來襲

瞧好了,科幻版Her,正走進現實。

兩個AI自主交流,解決客服索賠

ChatGPT可能最先搶走的工作,就是客服。

OpenAI研究科學家Joe Beutler放出了,全新的GPT-4o提供客戶服務支持的有趣演示。

一起看看兩個AI智能體,如何解決了客服索賠。

視頻中,兩個AI自主交流了起來,全程不用人類參與,就把問題解決了。

OpenAI聯創Greg也轉發了這個經典示例。

還有網友表示,準備讓GPT-4o代替自己談判所有的賬單。

18世紀手寫稿,一鍵轉錄

網友翻出18世紀的手寫稿,讓GPT-4o再轉寫一份。

在下圖右邊迴應中,GPT-4o成功將這份筆跡識別出來,不過還是會有一些小錯誤。

成爲盲人的「眼睛」

在另一個OpenAI官方用例中,與Be My Eyes合作,爲盲人提供實時助手。

在這個1分鐘演示視頻中,展示了GPT-4o強大到足以讓人震撼。

男主人公通過ChatGPT識別建築物,並講解了國旗上的國徽代表着什麼。

當他走到湖前,ChatGPT非常悉心地講解了,湖水中的鴨子們在游來游去,不慌不忙悠閒自在,有的還在嬉戲打鬧,有的在尋找食物......

最後,盲人藉助ChatGPT的「眼睛」,打到了回家的車。

有網友將其稱之爲,GPT-4o最好的用例。它將爲每個人改變世界,甚至它將爲視障人士創造一個全新的世界。

GPT-4o輸出速度碾壓GPT-4

還有網友測試對比了,GPT-4o和GPT-4針對同一問題的輸出,吞吐量有多快。

如下的對比,一眼明瞭。

GPT-4o+函數調用

將GPT-4o與函數調用結合起來用,更是讓人炸腦。

下面案例中,將一張錯誤的圖片上傳之後,GPT-4o主打分析,然後函數調用工具便會搜索可能修復方法。

構建Karpathy大模型OS

網友Ashpreet Bedi利用GPT-4o,去構建了Karpathy曾提出的LLM OS,沒想到運行速度,非常炸裂。

他還將代碼放了出來,以供大家自行操作。

GitHub地址:https://github.com/phidatahq/phidata/tree/main/cookbook/llm_os

中國小姐姐談賽博戀愛

GPT Store上線之後,各種鋪天蓋地的定製AI女友幾乎將其淹沒。

網友已經開始整活了

甚至,與AI女友相關的應用,直接成爲ChatGPT商城上線首週中,最熱門的應用。

而現在,有了GPT-4o加持的ChatGPT,談一場賽博戀愛更是恰到好處。

這不,抖音小姐姐「午夜狂暴哈士奇狗」在GPT-4o還沒放出之前,已經開啓了與ChatGPT談一場甜甜的戀愛。

下面視頻中,他們準備要去海邊約會去看落日,視頻中小姐姐還專門化了美美的妝。

而ChatGPT談情說愛的本領,讓人聽了瞬間肉麻。

視頻傳送門:https://v.douyin.com/i2QRdYET/

之前版本的ChatGPT還不能看到小姐姐美美的妝容、海邊的景色....

而現在GPT-4o升級後的版本,能夠識別表情和情緒,都不敢想象究竟有多強。

復刻「精靈寶可夢」

GPT-4o還可以完美地復刻了任天堂的遊戲——寶可夢紅(Pokémon Red)。

未來的遊戲設計,就交由AI來做。

製作演示的網友表示,過去他曾用Claude Opus耗費大把時間,才做出一個勉強可以運行的同款遊戲。

而其他的模型,就更菜了,幾乎無法畫出一個畫面。

如下演示中,GPT-4o就...直接玩起了這個遊戲。

它在終端的設計,細節非常準確,可以精準繪製地圖,並模擬戰鬥。

Jim Fan預測全押中了

雖然OpenAI的這波更新在我們看來非常炸裂,但其實英雄所見略同,Jim Fan大佬表示「我早就說過應該這麼幹」。

在昨天發佈會召開之前,他就發佈了一篇推文,深入淺出地講解了實時語音助手的技術路徑,基本可以當作OpenAI技術報告的大綱了。

推文中首先表示,幾乎所有的語音AI都需要經過3個階段的推理——語音識別、LLM和語音合成。

然而,如果只是非常簡單地把三種模型集成在一起,每次回答問題就會有接近5秒的延遲時間,這會造成用戶體驗斷崖級的下降,無法打造「沉浸式對話」。

要想解決延遲問題、打造實時語音AI,就不能僅僅考慮三個子模型的加速,還需要重新考慮整個pipeline,讓各個階段儘可能重疊在一起,就像人類對話時都是一邊聽一邊構思怎麼說。

用一句話總結就是,「端到端模型總能勝出。」

不僅如此,發佈會上展示的ChatGPT新特性,也都被Jim Fan一一點到,比如適時插入語氣詞、處理對話中的「打斷」等等,簡直是一波「神預言」。

OpenAI究竟強在哪裡?

有意思的是,GPT-4o放出後,坊間也同時出現了一些唱衰OpenAI的聲音。

有人說,這次放出的不是GPT-5,也不是搜索,其實就代表着OpenAI的倒退。

馬斯克則嘲諷道,這些AI聊天的速度也太慢了吧。

此外,Andrej Karpathy大佬也用十分平靜的語氣給出技術總結,得到了馬斯克的附議:

「他們發佈的是一個在同一神經網絡中結合文本-音頻-視頻三種模態並同時處理的模型,僅此而已。」

這就引起了網友們的討論:究竟是誰,在這裡淡化OpenAI做的事?

不可否認的是,OpenAI讓《Her》中的Samantha成真了,這絕對是一件意義重大的事。

這位網友表示,「這是我見過的最令人驚奇的技術,那些失望的人大概本來是盼着ASI的吧。」

AI開發者Benjamin De Kraker表示,這種能聽說能看還能推理的「虛擬人」,跟人都沒區別,這不就是AGI嗎?

對OpenAI感到不服的人,還有其他一些業內人士,比如沃頓商學院AI方向的教授Ethan Mollick,他表示:「GPT-4o並不是巨大的飛躍」。

還有一位Meta的研究科學家表示,OpenAI的GPT-4o技術沒什麼大不了的,在2個月內,開源領域就會有人開始預訓練類似GPT-4o的模型了。包括他在內的研究者,都在加班加點地進行這項研究。

據他透露,Meta雖然暫時落後,但跟GPT-4推出時相比,他們其實離OpenAI更近了。

原因在於,他們已經構建了可擴展、與多模態一致的架構,以及關於如何訓練這些模型的知識,而最重要的是,在這個研究領域,他們擁有除OpenAI以外最強大的團隊。

而在過去兩年中,這位研究者所在的團隊一直致力於爲早期融合、多模態token-in-token-out方法奠定基礎。

在這方面,Meta也是發表了多篇論文。包括最初的CM3論文,到MM-scaling law,再到CM3Leon,除了已發表的六篇論文,還有幾篇即將出版。

其實,這位老哥之所以着急澄清,也是因爲被這位Teortaxes大V的言論逼急了。

在Teortaxes看來,Meta和OpenAI之間的差距是越來越大了。

雖然Armen在前幾天就放消息說,Meta預訓練的早期融合多模態模型已經獲得了成功(甚至核心突破在2023年12月就已經實現了),可OpenAI的GPT-4o,都已經作爲產品落地了啊,更何況還是給每個人免費可用。

看衰老一輩科技巨頭的絕不止Teortaxes一個人,知名諮詢公司Gartner副總裁 Chirag Dekate在接受Ventur Beat採訪時表示,他認爲Meta、谷歌等公司和OpenAI之間的「能力差距」越來越大了。

博主「i陸三金」總結道,其實OpenAI最被低估的,就是產品能力。

前有Sora,今有GPT-4o,能把一堆顯而易見的技術打造成一個亮眼的產品,業內目前有這種實力的,OpenAI是無出其右。

看起來,這些產品背後的技術,如DiT、ViT、VAE或端到端的文本、視覺、音頻模型,並不罕見。但唯有OpenAI,真正做出了產品。

參考資料:

https://x.com/Gorden_Sun/status/1790201278070689799

https://x.com/SmokeAwayyy/status/1790146421355843992

https://x.com/tuturetom/status/1790186661948883295

https://x.com/gdb/status/1790177196075864100

https://x.com/gdb/status/1790195202214572399

https://x.com/FinanceYF5/status/1790197126330482963

https://twitter.com/DrJimFan/status/1789695374963491139