首页科技快讯 OpenAI下周发布的大更新，可能比GPT-5更值得期待

OpenAI下周发布的大更新，可能比GPT-5更值得期待

来源：晰数塔互联网快讯时间：2024年05月12日 15:39

随着 Claude 和 Llama 模型相继进入“3”时代，本该早早提上日程的 GPT-4.5/5 却迟迟不露面。

不过，别急，在大餐到来之前，一些开胃小菜已经准备好了。昨日凌晨，OpenAI 宣布将于 5 月 13 日太平洋时间 10:00 直播演示一些关于 ChatGPT 的大更新。

随后，OpenAI CEO Sam Altman 引述该消息帖子称：

不是 GPT-5，也不是搜索引擎，但我们一直在努力开发一些大家会喜欢的新东西！对我来说，它就像魔法一样。

不是GPT-5，不是AI搜索引擎，而是AI语音助手？

为啥要特意强调新品不是 AI 搜索引擎呢？这得从最近传出的一则小道消息说起。

上周，有风声传出，OpenAI 正准备推出一款 AI 搜索引擎，并且矛头直指 Google 下周即将召开的 I/O 大会，一时间让无数翘首以待的吃瓜群众迎来了久违的亢奋。

遗憾的是，Altman 的帖子给这则流言画上了终止符号，发布会的确如预测般如期举行，但 AI 搜索引擎并不是主角，甚至连配角的位置都未必能拿到。

真正的主角已经在 The Iformation 的爆料中泄露了一些关键踪迹。

报道称 OpenAI 下周可能会展示一种新 AI 技术：它不仅能通过声音和文字跟人交流，还能识别物体和图像，并且逻辑推理能力也比现在市面上的产品要强。

这也是 Altman 一直在追求的目标，他想要开发出一种超级智能的 AI，像电影《Her》里的虚拟助手一样，能让 Siri 等现有的语音助手变得更有用。

其语音助手能做的事情可不止一星半点，比如帮学生辅导作业，或者在需要的时候告诉你周围环境的信息，又或者翻译个标志，教你怎么修车。

目前，这项技术已经在客服行业“攻城拔寨”。知情人士透露，新技术的音频功能可以让这些 AI 自动代理更好地理解来电者的语气，甚至还能判断他们是否在“阴阳怪气”。

实际上，OpenAI 在转录音频和文本转语音等领域早有建树，无论是上个月推出的“语音引擎”（Voice Engine），还是更早些时候发布的 TTS（文本转语音）软件，都有着不俗的表现。

而爆料者称，新模型将把这些功能合二为一，构建一个更懂图像和音频的多模态模型，响应速度也更快。

作为 OpenAI 的最大金主，微软也考虑用该技术来提升语音助手，或者想办法让这些技术能在更小的设备上运行，比如可穿戴设备。

目前尚不清楚 OpenAI 什么时候会把这个新功能开放给付费用户，但知情人士透露，OpenAI 的最终打算是将这些功能添加到免费版里。

不过，由于这些模型参数规模庞大，现在只能在云端运行，并且还需要互联网连接。要让复杂的对话 AI 变得足够小，支持在设备上运行，可能还需要数月甚至数年的时间。

除了备受关注的新模型，一些爆料的细枝末节同等重要。

The Information 指出，得益于即将推出的定价模式，一贯“烧钱”的 OpenAI 今年预计将迎来数十亿美元的收入。

如果客户通过预付费预定 Tokens，就能享受高达 50% 的折扣。这种预订方式的折扣在云计算领域很常见，像 Microsoft Azure、Google Cloud 和 Amazon Web Services 都有这样的优惠。

此前，OpenAI 已经为开发者提供了一种降低成本的方法，其在 4 月份推出新的应用程序编程接口——Batch API。如果开发者愿意批量上传模型查询并等待最长达 24 小时，就能享受到更便宜的价格。

一些 AI 服务器经销商曾表示，在他们的软件上运行开源模型比使用 OpenAI 的模型便宜六倍。而这种更灵活的定价，将有助于 OpenAI 更好地与其他模型开发人员和 AI 服务器经销商竞争。

更重要的是，知情人士还透露，OpenAI 可能会在年底前完成 GPT-5 的开发并公开发布。

OpenAI的大招，或许早已埋下伏笔

OpenAI 在生成式 AI 的赛道上一路狂奔，将所有的竞争对手们远远地甩在身后。

去年 12 月份，Google 挟 AI 大潮而来，发布了当时号称史上最强大模型 Gemini 1.0。Gemini 超大杯在视频 demo 中，上至识别图像、玩石头剪刀布，下至人性化语音交流，都表现得游刃有余，但仅仅一天时间，视频就被曝出“造假”的丑闻。

此后，Gemini 大模型不断迭代升级，但依然并没有达到理想的程度。直到 Gemini 1.5 Pro 的出现，除了分析图像和文本，还能一次性处理长达 9.5 个小时的音频，捕捉音频当中的语调情绪等。

正如上文所说，The Information 的报道中着重提到 OpenAI 的语音助手能够听懂别人的语气。现在，OpenAI 即将发布的 AI 语音助手似乎也有意定点狙击 Google 1.5 Pro 的这项特长。

对 Google 的另一重打击则潜藏在冰山之下，尽管 Altman 否认本次直播的重头戏并不是 AI 搜索引擎，但也没否认 AI 搜索引擎存在的可能性。

Altman 早些时候在接受采访时说到，世界不需要另一个 Google，并对 Google 利用广告盈利的方式嗤之以鼻。现在看来，他似乎已经为 OpenAI 找到了一条新路。

至于 OpenAI 的 AI 语音助手会是什么样子，我们现在还不得而知，但前段时间 Hume AI 向大众开放的旗下产品——同理心语音界面（EVI），给我们打了个样，其判断情绪的能力甚至被誉为可能是未来 Siri 的样子（具体可回看 APPSO 此前的文章：第一个具有情商的聊天机器人来了，这可能是未来 Siri 的样子）。

从 EVI 的身上，我们或许也能看到 OpenAI 语音助手的雏形，那就是更通人性，更有人味。和 EVI 聊天的体验更接近和真人交流。

不过，抱着赢家通吃的法则，OpenAI 下周推出的 AI 语音助手也很有可能将 EVI 扼杀在摇篮里。

最近 AIPRM 首席工程师 Tibor Blaho 也在社交平台 X 上曝光了 ChatGPT 即将到来的功能和界面。

其中，ChatGPT 的网页版将新增一个语音模式功能。这个功能会在页面顶部的导航栏添加一个语音按钮，用户可以通过这个按钮交互式地启动或结束对话。在对话进行时，系统还会实时将语音转换成文字。

同时，自定义的 GPT（小部件）、模型、写作、上下文连接器、浏览和数据分析功能也一应俱全，有望为 AI 语音助手能力的涌现打好“地基”。

您目前设备暂不支持播放

比起与 Google 等竞争对手的剑拔弩张，OpenAI 与苹果的关系显得融洽多了。

彭博社昨日报道称，OpenAI 即将与苹果达成合作协议，将 ChatGPT 服务整合到 iOS 18 操作系统。届时，视觉和音频功能改进后的生成式 AI 将有望大幅改进 Siri。

《纽约时报》报道称，苹果两名高管在去年初花了数周时间测试 OpenAI 的 ChatGPT 之后，便作出了给语音助手 Siri 进行“大脑移植”的决定。

改进后的 Siri 将于今年 6 月份的 WWDC 大会亮相。新 Siri 的对话性更强、用途更广，其 Siri 的底层技术将包括一个新的生成式 AI 系统，支持聊天功能，而不是一次回答一个问题。

而这个生成式 AI 系统的角色，很有可能正是由 OpenAI 下周亮相的 AI 技术扮演。

在用户的产品体验中，效率是最直接的语言。