OpenAI在近期发布了GPT-4系列的新模型GPT-4o。这一更新主要聚焦于多模态和端侧应用，为用户提供了全新的交互体验。

GPT-4o作为OpenAI的新模型，具有三大显著特点：

多模态：GPT-4o能够接受文本、音频、图像作为组合输入，并生成任何文本、音频和图像的组合输出。这种多模态的理解能力让GPT-4o在处理复杂任务时更具优势，如识别人类的感情并根据感情做出“有感情的反应”。

几乎无延迟：GPT-4o对音频输入的响应时间最短为232毫秒，平均为320毫秒，这与人类在对话中的响应时间相似。这种极快的响应速度使得GPT-4o能够实时地与用户进行交互，提供流畅的用户体验。

可在电脑桌面运行：OpenAI还将与苹果合作推出了适用于macOS的ChatGPT桌面级应用。这一应用允许用户在没有网络的情况下使用ChatGPT，并且可以在本地设备上处理敏感信息，保护用户隐私。

一些逆天的视频展示

下面来一起了解一下它官网的一些视频展示的逆天操作：

第一个王炸，作业辅导

视频中展示的是巨佬在使用 GPT-4o 对他儿子进行作业辅导。它开始就告诉gpt-4o 说不要直接说出答案，而是帮助它一步一步解决这个几何题目，我们在视频中可以看到，的确是这样，gpt-4o 一步一步的帮助他儿子解决了这个问题，而且还是非常细致的解释，并且是非常有情感的，每当他儿子完成一步之后，gpt-4o 从语气上都会有一种更进一步的感觉，这种情感化的交互方式，让人感觉非常的亲切。

而且，所有的过程都是这个娃在拿着笔在一步一步的解决这个几何题目，gpt-4o 就是看着这个娃做的解题过程，它会判断这个娃是否步骤对了，这个交互简直太赞了！这明显得益于GPT-4o的图像理解能力的增强。

讲真，按照这个趋势，教培行业似乎极有可能被干掉，那些不会做奥数题的家长，有福了，因为 安特曼说，gpt-4o 是会免费的。这意味着，你不需要花费一分钱，就可以请一个专业的教培老师，帮助你的孩子解决问题。

第二个王炸，精神分裂，一个端中两个 gpt-4o 互动起来了

之前我们于gpt 的实时语音对话只能是一对一，好了，颠覆认知的时刻来了，你在一个对话窗口中，可以同时存在两个gpt-4o对话，甚至，它两还可以互相对话，这个视频中，这两 gpt-4o 相互唱起了小曲。。。

外语学习

在这个例子中，研究人员展示的是，它告诉 gpt-4o 它想学习西班牙语言，当然它使用英语说的，然后它使用摄像头对着苹果和香蕉，问gpt-4o这个是什么，gpt-4o 利用它图像识别的能力，认出了香蕉和苹果，然后告诉研究人员。

但是！但是！但是！它回的语言居然是英语和西班牙语的混合，也就是，gpt-4o 回答，this is manzana and plátano。差点没有惊掉我的下巴，一句回答中包含了多种语言。这中组合输出的能力，简直太强了。

参与多人对话中来

这个视频展示的是 gpt-4o 加入到了一个在线会议中，它可以看到共享的屏幕，因此它知道会议有多少个人，然后开始是每个人说了一下自己的喜欢的人和事，接着主持人发文，他们各自有哪些爱好，gpt-4o 一一都回答出来了，而且是非常的准确，最后还来了一个总结，后面腾讯会议，zoom 估计交互得更上啊，不加入一个智能记录员，这体验就得甩开好几条街了。

同声传译

这个视频展示的是 gpt-4o 扮演的事一个翻译者的角色，画面中的两个人一个人是将英语的，一个人是将西班牙语的，gpt-4o 就负责把听到的英语转化为西班牙语，把西班牙语转换为英语，然后两个哥们就愉快的对话了，你说你的西班牙，我说我的英语，我们都听得很懂的，所以，同声传译这个行业，是不是也要凉凉了。

外婆的澎湖湾

歪日哦，富有情感的和你对话是王炸的话，和这个对比简直小巫见大巫，它哼起了小区，而且还会偶尔和你聊天的时候爽朗的发出笑声，这种情感化的交互方式，让人感觉非常的亲切。当这个老外说它想睡觉，哼个小曲，gpt-4o 就开始哼起了外婆的澎湖湾，听得我差点给睡着了…这种情感化的交互方式，让人感觉非常的亲切。

语速控制

在这个视频中，老外让 gpt-4o 数数，1,2,3，。。。10. gpt-4o 一口气说完了，然后老外说，你能不能慢一点，gpt-4o 就慢慢的说了一遍，然后老外说，你能不能快一点，gpt-4o 就快速的说了一遍，这种语速控制就完全可以用来训练自己的听力了，这个功能比较赞，不过，我的下巴还在。

开玩笑

这个视频中，老外给 gpt-4o 说它要给它老爸讲个笑话，然后他想让 gpt-4o 先听听它这个笑话是不是好笑，结果，gpt-4o 真的爽朗得笑了，笑得一点都不像机器人，听到它这个笑声的时候，我的下巴还差那么一点就掉了。。。

你是我的眼

这个视频的效果也是相当的炸裂，视频中时候一个盲人，很显然他看不见，因此它所到之处，让 gpt-4o 告诉它周围都有写什么风景，gpt-4o 一一告诉他，从这个视频中，我有点小小的启发！

gpt-4o 可能更好的交互是类似 Google Glass的形式，这样的产品出来，估计全世界的盲人都要为之震撼，他们都将会重见光明，这个产品的价值，简直不可估量。

两个 gpt-4o 互相对话

这个视频中显示了两个gpt-4o 开始了对话，什么，永动机？？？实际上不是，是视频中 openai 的大佬先告诉一个 gpt-4o 说等会有个可以看见世界的 AI 会和你对话，你可以和他交流，随后它启动了另外一个 gpt-4o，然后两个 gpt-4o 开始对话了，并且大佬还可以随时打断加入他们的对话。我的脑袋已经开始疼了，这个视频太炸裂了。这意味着，我是不是可以搞 3 个手机，搞一桌四川麻将了？？？

着装建议

视频中，这个大佬要准备面试了，问 gpt-4o 怎么穿着得体，然后 gpt-4o 告诉他带个帽子试试，结果带上 gpt-4o 就开始爽朗的笑了。。。，嗯，后面穿什么出门，估计可以让 gpt-4o 建议建议合不合适。。。

桌游助手

这个场景是两个人想玩石头剪刀布的游戏，然后让 gpt-4o 做裁判，然后就开始了，gpt-4o 说 1,2,3，亮出你们的爪子，然后判断谁输谁赢，好了，我似乎又找到了一个乐子。

欢迎关注公众 老码沉思录，了解我最新的思考