硕鼠的博客站

GPT-4oo大家好，欢迎收听老范讲故事的YouTube频道。今天咱们来讲一讲Open AI最新发布的GPT-4，到底是一个什么样的东西。专门赶在谷歌I/O之前的一天开，这就是司马昭之心，路人皆知了。对，指的是谁，大家心里都明白。当然，选择这一天开发布会的还有其他人，比如李开复也在这一天发布了他“灵异万物”新的大模型。以后找机会学习再跟大家分享。通义千问呢，是早几天，5月9号发了他们自己新的大模型。

我呢，自己肯定是懒得去在凌晨2点看直播了，所以到今天，看看录屏，然后看看其他人都在说什么，再跟大家介绍一下GPT-4到底是一个什么样的东西。在这之前，大家一直知道，说他要在这个时间点开发布会，甚至在他没有公布发布会时间的时候，大家也都在猜，说是不是上周要发布，是不是这周要发布，然后猜了很多有可能会发布的产品。有些人猜GPT-5，有些人猜测试GPT。

战猫奥特曼说了，不是GPT-5，也不是测试GPT。我呢，在礼拜天，也就是在发布会前的一天，还在推特上在问，说这个新发布的东西会不会是GPT Siri或者是Siri GPT，对吧，因为已经传出消息了，苹果要跟Open AI签约嘛，那么出来的东西应该是这样的一个东西吧。甚至呢，我也猜过，说是不是GPT-5出来了以后，GPT-4就免费了啊，万一GPT-4免费了呢，现在惦记收费的这些版本该咋办呢，还活不活得下去，这事没法混了。所以呢，当时拆解了这么多种可能性，从我个人角度上说，我猜了GPT-40，免费的GPT-4，GPT Siri，拆了三个方向。现在看呢，我觉得我也没猜错。对吧，现在的GPT-40啊，基本上是这样，这四个方向的事其实都干了。都发布了什么呢？第一个是GPT-40，它可以进行语音识别与翻译，支持50多种语言，可以进行实时搜索。但是，它并没有进行搜索之后的很完善的内容组织，不像Perplexity那样，可以进行很好的搜索结果组织。GPT-40免费对公众开放了，这也是一个逐步开放GPT-4的过程，虽然开放的是40版本。

我今天还专门去问了一下GPT，我说：“你40版本都开放了，我为什么要买GPT-4呢？”它回答说GPT-4的功能要更强，处理效果更好，物有所值。跟我讲了半天，当然，这可能是它产生的幻觉，编的故事，这个就不重要了。

那么，更高的响应速度，号称响应速度从320毫秒降低到了232毫秒。这意味着，你和它聊天，语音或发消息给它时，它能更快地回复。这还是很有价值的。但是，因为我们在国内，需要挂节点或梯子，所以我并没有感觉到它变快。不知道以后是否能主观感受到这个提升。

然后，更便宜的API价格，GPT-40的API已经公开，我现在已经可以调用了，价格大约是GPT-4标准版的一半，便宜很多，而且很快。当然，它有限额。虽然可以免费使用，但现在具体每天或每小时能用多少次，我没有找到公开信息说明。即使是像我这样的Plus用户，每月交20美金的，也是有限额的。我们的限额是免费用户的5倍。比如说，免费用户用了一个小时5次，就到限额了。而我，作为付费用户，可能一个小时可以用25次。如果达到限额，免费用户就自动退回GPT3.5。对于付费用户，达到限额后并没有额外奖励，同样会受限。

此外，除了GPT之外，还将推出一个新功能——集成GPT的桌面板。这个桌面板就像一个桌面精灵，能悬浮在屏幕上。你可以随时询问，比如：“我这程序写得怎么样？”它能实时查看你的屏幕，指出错误，让你及时修改。不过，它的交流方式会更加自然，不会这么生硬。虽然没有详细演示，但大家都很期待。

桌面板真正让人震惊的，或者说大家真正关注的是GPT4.0带来了什么新东西。其实，我们提到的所有功能GPT4都有，它只是更快、更便宜，功能整合得更好。这似乎不值得大惊小怪，感觉是更新而非革命。所以，我们只是做了更新，并没有推出新产品，连GPT5的影子都没见着。但为何依然引起巨大轰动？

原因在于，GPT4有几个真正的新亮点。首先是“所见即所得”体验的升级。不同于谷歌Gemini允许上传照片和视频，GPT现在可以直接通过摄像头工作。你只需把摄像头对准目标，比如一张纸，就能直接提问并得到回应。\n你看我这纸上写的什么？你看看我身边是什么样的一个环境？你给我描述一下我现在这个状态啊。刚才有什么反常的事情发生吗？你可以问他这样的问题了，这是一个巨大的进步。叫眼见为实。而且呢，通过这个演示，现实地打脸了谷歌的General。为什么？因为谷歌当时也是放了这么样的一个视频，后来被大家打脸，说你这个视频是剪辑过的，你实际上还是上传的照片，然后让他自己去读照片，而不是举着手机让人看了一眼，说：“你看上什么了？”哎，不是这么干的啊。你把中间这个放照片、换照片这个过程呢，都给剪掉了啊，这个是骗人的啊。但是现在Open AI呢，就真的找了几个大活人坐在这，然后举着手机来，“你看看这，你看看那。”然后这个纸上写了什么啊？我在这个纸上出了一个数学题，应该是怎么做的？我做对了没有？对吧，现实的给人看，对吧？因为你旁边有大活人嘛，你肯定不能是剪辑，对吧？你一旦剪辑了以后，那个人的动作就不连贯了嘛，因为你人没法说，“哎，我这剪了两刀啊，来，请这个做好原来那个动作不要动啊，然后再接着往下演。”这个事是做不到的。对吧，所以他一定要上大活人。人家告诉你说，“哎，谷歌是剪辑骗你们，但是我是上真的啊。”这个是真的很让人震惊的啊。

视频演示的艺术呢，其实是AIGC整个发展过程中，大家不断地去研究和深化的一个新的门类了。为什么讲这样的一个话？因为大家会发现，所有AIGC产品的发布，基本上都是要上视频的。上视频的好处是什么呢？就是我可以剪辑，可以编导，可以去处理，而且呢，它很有感染力。不是说让用户自己去试，因为让用户自己试了，你还有翻车的可能。但是如果是我，给你一个视频，我可以把它剪辑一下，把翻车的部分都剪掉，然后可以提速，可以减速，可以把不该让你看到的东西删掉。那么大家都在很努力地提升，当然有的时候会翻车了，包括前面这个Devon，也就是这个自动编程机器人，也是翻车了。然后马斯克说，“来，我给大家演示机器人啊。”然后发现，“哎，你旁边还有一人呢。”这个漏出来了啊，穿帮了啊。也有这样的事情。谷歌啊，做Gemini的演示也是穿帮了。视频演示的这种艺术呢，谷歌基本上靠的是剪辑。Open AI靠的是什么呢？哎，千万不要以为说，你们看到的就是现实，看到的就是这个样子了。Open AI肯定也是做了一些花活，Open AI靠的叫编导，他事先要编辑好故事，然后呢，来给大家演示。他指着说，“哎，我编辑好了，然后演示一遍，失败了，没有啊，好像失败了啊，再来一次。”然后这次又失败了，再“来一次”。哎，那你说不是从头到尾一镜合成吗？一镜到底啊。对啊，但是他可能拍了20条、30条一镜到底，最后挑了一条能看的给你看。所以，千万不要认为说，你看到的就是最终结果，就是他的平均水平。他可能也是挑了一条好的给你看。

而且在演示的过程中，他们可能不是说，“哎，我演示完了以后错了，再来一条啊。”不是这样，他们说先写好脚本，照着脚本演了一遍，发现，“哎，不对啊，回答的有问题。”改脚本，改完了以后，咱们再练一次。哎，发现又差了一点点，效果不是很满意，再改脚本，再试一次，最后给你一个能用的。所以，这个东西真的落到我们自己手里头，未必能有那么好使。

因为有人测试了GPT-4的这个翻译功能，发现呢，稍有偏差，这个内容就不见了。比如涉及成人问题，涉及一些血腥暴力问题，这个内容就直接不见了。大家在看演示的时候，肯定不会给你演示这部分。人家肯定演示的是啊，开心的交流，上来是一个小哥，用英语跟旁边的美女进行意大利语的沟通和交流。但是你想，很多的这种漂亮小伙跟漂亮小姐姐之间，需要靠GPT-4进行实时翻译的时候，经常聊着聊着，然后中间有一些这个敏感内容，就不见了。这不是一个非常无聊的事情吗？对，但是这部分不会给你演示，所以，惦记靠GPT-4出去找小姐姐的这些人啊，就可以休息一下了，不要想太多啊。有些事情呢，看到了事后问起，啊，还能想起来，这个真的是很绝啊。因为Greg在上面做演示，这个时候，突然有一个女同事…\n呀，么巧动的走到他身后，然后在他脑袋后头比了个兔子耳朵，然后走了。Grag就问说：“刚才有什么反常的事情发生吗？”这个GBT40就说了：“啊，刚才有一个人要跟你开玩笑，站在你身后，在你后边比了一个手势，是这个兔子耳朵。”说得非常清楚。这个我觉得真的是挺吓人的。哪怕说我看了当时没有处理，但是我记住了，下次你问我，我还能给你总结出来。而且，我还知道他在跟你开玩笑，他等于把整个这个过程都理解得很好。所以我现在越来越相信，Sora是世界模型，真的可以仿真出一个世界来。这是第一点，让人感到很震惊的。

然后，另外一点让人感到很震惊的是，它真的像个人了。他的说话的语气语调，对这个人的判断，“哎，我看着你不太开心啊。”对人的语气语调的判断，对着摄像头前的这个人的表情的判断都非常好。他自己的输出情感也很充沛，有笑声，有害羞，各种各样的感情都非常充沛，而且很自然。你并不会感觉很吓人，这个过程。而且呢，他还可以中间打断，这个其实很难。就是他聊着聊着天，你中间打断他，而且呢，可以多角色聊天。因为Greg也演示了一点，就是两个AI自己在这聊天，然后他在中间还可以叫停他们，“哎，说咱们一块再聊个，说一个其他的事情啊。”这个是非常强的，因为AI等于已经可以分清谁在说话，这些之间的这个关系到底怎么样。你中间打断他了，再跟他聊天，他还可以停止他刚才正在说的话，继续去回答你的问题。这个已经非常强了，越来越像人了，就是他有这个察言观色的能力了。

詹姆斯·奥特曼也在讲，说：“你们有没有看过那个电影《Her》？”啊，这个我也看过，就讲的是一个工程师吧，他呢，跟一个装在口袋里的，有着很温柔、很性感声音线的一个女性的AI机器人去聊天，然后深深地爱上了这个机器人。讲了这样的一个故事。那个故事非常好，就是它的拍摄成本极低，但是呢，极其引人深思。这个电影另外一个值得推荐的是什么？它是一个美国人拍的科幻片，但是所有的外景地是在上海取的。对，这个非常神啊。为什么呢？因为他们觉得上海这个地方实在是太魔幻了，魔都嘛，对吧？要想拍这种有未来风格的电影，一定要去上海取景。这也是推荐大家去看的一部片子吧。有很多人说，我要去买啊，甚至我还有一个朋友说，我马上就去买这个M4芯片的iPad去了。

呃，首先啊，跟大家讲，免费用户手机端现在还是只能用3.5，你还用不了4。但是呢，免费用户呢，可以在PC端用浏览器使用GPT4了，这个没有任何问题啊。我刚才已经试过了，就是我到浏览器上去，然后呢登录一个新的OpenAI账号，那就肯定没有付过费嘛，他说你现在可以使用3.5和4了。但是在浏览器里头的话，他是没有录音键的啊，就是你只能是打字或者是上传图片，这个是OK的。他并不能去调用摄像头。

如果是付费用户呢，在手机端也可以选择GPT4，可以使用了。但是呢，并没有想象中那么快，刚才我讲了，为什么？因为我们需要挂梯子。语气语调呢，其实也没有加载，就是我们现在跟GPT4的各种沟通，它并没有那么丰富的语气语调，还是原来的这种慢条斯理在跟你说。摄像头的功能现在并没有打开，我估计应该没有那么快，为什么呢？因为摄像头这件事情，其实对你的手机、服务器、对网络的压力都实在太大了。这个事情未来到底会怎么被打开，还要等着看。而且你一旦开了摄像头功能，他对于隐私保护，原来有争议的问题就都会出来。你说这玩意为什么会有隐私保护？再跟大家讲啊，以前有一位工程师…\n是专门做人脸识别支付的。他有一次就发了帖子说：“这提醒小姐姐们，你们再去做人脸支付的时候，请一定要穿上上衣啊，千万不要问我是怎么知道的。”这个，跟各位小姐姐们共勉。

API用户的话，现在已经可以用了。因为我自己也会写程序，啊，我刚才试了一下，GPT-4o这个模型的API已经可以用了，比PT4特本要更便宜、更快，而且呢，支持读模态识别。全部的功能肯定要等，有些功能可能需要等很久，特别是视频识别。我估计视频识别真的跑起来以后，手机会发热的，甚至有可能会冒烟。咱们现在看到他现场演示的这个，他可能服务器就在他楼下，或者没准就在背后的那面墙旁边，就是他的服务器，离得非常近。所以，他有可能能够举着手机就去识别去。如果像咱们这种，服务器还在大洋彼岸，那你想去靠手机识别的话，这个很难啊。

这件事情对行业的冲击是什么？这个一定要去讲。第一个冲击：免费最可怕。OpenAI用户数活跃度虽然近期有一定的下降，但是呢，我并不觉得有了免费的GPT-4o之后，这个事就会有多大的变化。这个数会发生波动，但是没有什么意义。为什么呢？你的用户再多，付费的人再多，你能把OpenAI烧掉的钱挣出来不？你能盈利不？依然是九牛一毛。所以这件事本身对于OpenAI意义不大。

那么对于其他的币源呢，还惦记收费的服务啊，你们就该想想了。比如说Group，比如说Gemini，你们最后还惦记收费啊。虽然Gemini的这个Pro你是免费的，但是你的Control你是惦记收费的。那你要看看你收费的那个版本，跟我现在免费的GPT-4o比起来，到底行不行啊。这就是要去喊一嗓子了，你行吗？

第二个呢，以后的那些虚拟男友女友们，就赶快去更换新的大模型就好了，统统都换成GPT-4o。然后你们的用户啊，这个粘性会上升的，你们的用户会留存下来的。这又指明了一次方向。当然了，到了那边以后，他是不是继续做“盗学先生”，这个是需要打一个问号的。苹果新的Siri，我觉得是可以预期一下的。如果苹果新的Siri里头搭载的是GPT-4，呃，那还是一个非常棒的结果。当然，他在国内会搭载什么呢？难道是文心一言？呃，最好还是换一个，因为苹果到中国，肯定是要换一个大模型塞进去的。你就像苹果在美国用的是谷歌搜索，在中国的话，默认的都是百度搜索啊。千万千万不要上文心一言，然后最后还给我们解释了什么呢？就是APP才是王道。

在大模型出来以后，很多人都觉得，“哎呀，我在网站上就可以把这事搞定了。”“我在OpenAI的网站上，我在Rook的网站上，我在推特，我就可以把这事搞定了。”“我不需要APP了，APP已经没有什么意义了。”现在看到了，没有APP才是王道。为什么呢？啊，因为还是要有很大的内容，或者很大的这种算力要到本地去跑。AI的大模型公司可以将一些AI的小模型直接封到APP里面去，这样就可以分摊服务器的压力，可以分摊网络流量。

你比如说，我现在需要拿手机直接进行识别，比如原来的语音识别，你是怎么着呢？在只管录音，录完音以后是传到服务器上识别的，就是用OpenAI的Whisper的大模型直接处理。这事为什么可以呢？就是你可以在语音录下来以后，把它压缩得很厉害，压缩得很小了以后，然后再上去识别，识别的效果还很好。这个对于网络的压力其实没有那么大，对服务器压力也没有那么大。但是你想，现在他要做视频识别了，视频识别，你说我传1080P回去还是传4K回去？你就算传1080P，这个速度有多少？虽然我们的手机是可以做1080P的直播的，因为我有时候会做直播嘛。啊，1080P直播直接用5G流量是推得上去的，但是如果所有人都推这个玩意上去，他受得了吗？他肯定受不了啊。这个事肯定是不行的。所以，一定需要在本地做一些视频的预处理，然后才能回去。那么，你视频预处理可能也需要一些啊，闭园的小模型。这个就要在本地跑，就要在APP里边跑。你如果没有一个APP，你说我完全靠浏览器去搞这个事情，搞不了的啊，想都不用想。

如果是真的在APP里边进行AI运算，那么后边的AI手机，AIPC这条路就有一些价值了啊，大家就该掏钱去买那个M4的iPad Pro啊，该干嘛干嘛去了。后面压力就传导出去了啊。第一个，谷歌肯定会感觉到压力，今天的半夜谷歌IO就该开幕了，明天我们又可以讲新节目，说谷歌IO都讲了些什么。我估计皮彩正在连夜的改PPT，说”Open AI已经贴脸开大了”，我们原来那个PPT不好使了，咱必须得写一版新的，这次讲点啥啊。没准一着急还盲目出错，又给人演示点什么不该看的东西，或者演示一些内容有问题，那这个谷歌的股价，又可以稍微的波动一下了。这个可以稍微预期一下。

另外一个集团啊，马斯克的XAI后面的这个大模型，到底怎么样了？我觉得是越拉越远了啊。在group开源的时候，我当时做了预测，是跟所有人都不一样了啊。我当时觉得，马斯克基本上放弃这东西了，这东西就这样了。现在我们看看后边，是不是他还能感觉到有压力啊？咱们看一看。至于百度文心一言呢，还是要好好的感谢我们的长城防火墙。啊，当然，即使有了墙，我觉得它在国内都不算是特别强的模型了。国内我现在使用的比较强的模型，像Kimi啊…\n通一千问啊，包括像灵异万物，还有现在有一个新的叫DeepSea，这些新的模型，我觉得都比AlphaFold要好。现在唯一期盼的就是，苹果新的手机到国内来的时候，千万不要去用百度文心新语言去替代Siri，千万不要干这个事情，实在是太难用了。好，这就是今天跟大家讲的GPT-4，都发布了一些什么东西。感谢大家收听，请帮忙点赞，点小铃铛，参加Disco讨论群。也欢迎有兴趣、有能力的朋友加入我们的付费频道，再见。\n