OpenAI 春季更新页的日期是 2024 年 5 月 13 日。配套文章《Hello GPT-4o》把新模型写成:能在音频、视觉和文本之间实时推理。另一篇同日文章写得更产品化——向 ChatGPT 免费用户引入 GPT-4o,并放出更多工具。
名字里的 o 是 omni。官方说法是:智能大致在 GPT-4 这一档,但更快,在文本、语音和视觉上更好用。当天能立刻用的,主要是文本和看图。实时语音和实时视频被写成「未来几周、再更广泛推出」,不是 5 月 13 日午夜全球同时打开。开发者论坛里,OpenAI 员工同日宣布 Chat Completions、Assistants 和 Batch API 先接文本和视觉。
不要把发布会演示里的口语对话,直接写成当天所有账号都有的功能。演示是能力展示,开放节奏以官方滚动说明为准。免费档能用旗舰模型,是这一天真正改到产品结构上的部分。
和 2023 年 3 月的 GPT-4 比,4o 把「看」和「听」收进同一个模型,而不是后接一条单独的语音管道。具体延迟和价格以当时定价页为准,数字会改,不要把某一天的标价抄成永久事实。免费档有用量上限,Plus 用户额度也不同,以产品页当时的说明为准。
发布会演示里的口语打断、看摄像头,容易被剪成「已经全面开放」。打开 5 月 13 日那两篇官方文,看哪些句子用了 today,哪些用了 coming weeks。节点放在宣布日,后面几周的滚动开放是后话。
