新智元报道

编辑：乔杨 庸庸

【新智元导读】GPT-4o到底有多强？只有用过才能知道。这两天，网友们不仅探索出了很多全新ChatGPT的炫酷用法，也逐渐开始意识到，这标志这OpenAI将逐渐替代谷歌曾经的地位，全面接管AGI时代。

GPT-4o到底有多强？只有用过才能知道。这两天，网友们不仅探索出了很多全新ChatGPT的炫酷用法，也逐渐开始意识到，这标志这OpenAI将逐渐替代谷歌曾经的地位，全面接管AGI时代。

随着越来越多人开始试用GPT-4o，大家发现发布会上的demo真的只是冰山一角，官方后续发出的用例以及网友们的整活才是更精彩的部分。

生成手写体文字

OpenAI联创Greg Brockman今天po出一张GPT-4o生成的图片，他兴奋地宣布：

「仅用GPT-4o的图像生成功能就可以探索很多东西。团队正在努力将这些内容推向世界」

可以看到，这张图片中，黑板上的手写体达到了以假乱真的程度！

网友表示，看到这张图片的一瞬间还以为是Greg讲座现场的板书呢。

不知道笔迹专家看到了会作何感想，是否能读解出这面黑板上「机器书写」背后的人格特征呢？

看来GPT-4o不仅能模仿人类的语音语调，连字体也开始向人类手写体接近了。

1分钟从屏幕截图生成视频游戏

推特网友从网上找了一张Breakout游戏的截图，丢给ChatGPT并问它「你能把这个用Python编码出来吗？」

一分钟之后，ChatGPT就生成了一份没有bug、可以直接执行的Python文件，完全复刻了截图的效果。

而且Breakout这个游戏也是大有来头，是一款1976年雅达利公司发行的街机视频游戏，Steve Jobs和Steve Wozniak曾经参与设计和开发工作。

用文字提示进行3D建模

前几天，有人曾经放出用GPT-4o将平面图片进行3D重建的之后的效果，已经十分惊艳。

但没想到，GPT-4o生成3D效果甚至都不需要给它平面图片，一段文字提示就够了，比如下面这个用户让ChatGPT创建一个STL文件，建模一个有四条腿的桌子，并添加一些随机特征。

ChatGPT不仅能给你渲染出的3D效果图，还能马上出一份原始的STL文件，就不用自己费力从头开始建模了。

这一版ChatGPT的更新就是瞄准了个人AI助手的方向，工作狂Sam Altman最近在接受采访时，也分享了自己使用ChatGPT提高工作效率的方法。

他说，在电脑上工作时，想搜索一些东西就不得不在页面之间不断切换。有了ChatGPT在旁边，就可以「随叫随到」直接问它，让自己能始终保持在专注的状态。

GPT-4o vs. 谷歌翻译

OpenAI的发布会展示了GPT-4o的实时翻译能力，实现了英语和意大利语之间的无缝转换，几乎没有响应延迟，让网友再次惊呼「翻译要失业了」，这次连同声传译行业也要一锅端了。

与此同时，也掀起了一场和谷歌翻译之间的较量。

有网友表示「谷歌和三星在手机上开发过类似的功能，但是做得很烂。你必须要说得很慢，而且确保吐字清晰，不然识别出的文本就会一团糟，也得不到正确的翻译。」

谷歌翻译到了要和大家说再见的时候了吗？随着OpenAI的语言能力不断扩展，这并非完全没有可能。

GPT-4o使用了新的分词器，不仅英语的效率更高（token减少了1.1倍），而且还提高了许多其他语言的使用效率。

Greg Brockman发文称「我们还显著提高了非英语语言的性能，包括改进分词器以更好地压缩其中的许多语言」。

OpenAI现在支持50多种语言，从Greg Brockman放出的图片中可以看出，包括阿拉伯语、俄语、印地语在内的多种语言的token数量都得到了压缩。

但是，OpenAI的翻译功能也并非无懈可击，有很多网友质疑发布会上ChatGPT生成的意大利语听起来有点奇怪。

于是有意大利用户在线答疑，「其实这不是一种口音，只不过是AI语音在单词之间插入了间隙。说英语时还好，但在意大利语中，这听起来非常奇怪和呆板，因为它扰乱了节奏。」

更要命的是，GPT-4o分词器语料库中，中文数据污染非常严重。

有老哥写了个脚本筛选ChatGPT新词表中最长的100个中文字符，结果发现里面大部分赌博网站广告，剩下一小部分是色情网站广告。

面对这种景象，网友不禁感叹「为什么GPT-4o如此horny?」

既然这样，还是多用GPT-4o「练习练习英语」吧。

「后浏览器世界」：ChatGPT后再无谷歌搜索

OpenAI同时发布了两项成果：GPT-4o及其新的ChatGPT桌面应用程序。有专家预测，虽然 GPT-4o因其多模态而大放异彩，赚足了眼球，但桌面应用程序才有可能真正挑战谷歌主导地位，改变当今互联网的形态。

GPT-4o的主要特点是多模态和低成本的低延迟，实现了人机之间更自然的对话和交互，而且与GPT-4Turbo相比似乎有了模型能力和智能的增长。

但当我们回顾几年后的2024年5月13日时，最重要的消息可能是ChatGPT桌面应用程序。

ChatGPT桌面应用程序将先对MacOS适用，随后推出Windows版本，目前官网已发布了移动端iOS和安卓系统的下载链接。

该应用程序可以快速访问ChatGPT，并且你可以选择让它「透视」你的屏幕，实现「看你所看」，还可以像使用ChatGPT一样，和它实时语音交互。

这完全超出了传统浏览器的功能想象，从浏览器进入桌面，OpenAI迈出的这一小步，有可能是人机交互方式向前发展的一大步，OpenAI希望的，是完成一场「搜索革命」。

OpenAI希望摆脱浏览器并进入桌面

浏览器是旧的互联网，万维网的世界是谷歌的主场。

但OpenAI对这种旧的方式say no，它带来是一种使用计算机和网络的新方式——一个可以为用户完成一切的助手，用户需要什么，只需大声说出来。

Sam Altman在他关于GPT-4o的博客文章中明确表示「对我来说，与计算机对话从来没有感觉很自然，但现在情况发生了改变。随着我们增加（可选的）个性化功能、访问你的信息、协助你采取行动，我真的看到了一个令人兴奋的未来，我们能够利用计算机做比以往更多的事情。」

ChatGPT桌面应用程序可以获取访问麦克风、摄像头、文件、登录信息以及用户屏幕的权限，是「个人助手」的最佳位置。

有了这个「助手」，即使是智能手机用户，也很难被谷歌和网络所吸引。

在这种与计算机交互的新方式中，万维网几乎没有立足之地。充其量，它充当的是信息的提供者。

事实上，OpenAI将自己定位为聊天机器人生态系统的看门人，它推出了「出版商优选计划」，正在把选定的媒体机构发展成为合作伙伴，美联社、Axel Springer、金融时报、世界报等媒体已加入该计划。

如果OpenAI 成功（目前还无法确定），那么它对我们信息生态系统的市场影响力将远远超过今天的谷歌。

参考资料：

https://x.com/gdb/status/1790869434174746805

https://analyticsindiamag.com/openai-just-killed-google-translate-with-gpt-4o/

https://the-decoder.com/openais-most-important-message-isnt-gpt-4o-its-the-post-browser-world/

https://x.com/rowancheung/status/1790783202639978593

https://x.com/tianle_cai/status/1790109646205890723

https://x.com/sherwinwu/status/1790854473260388814

https://x.com/op7418/status/1790292330156863964

https://www.reddit.com/r/singularity/comments/1cse5j7/major_issue_discovered_in_gpt4o_the_new_optimized/

https://the-decoder.com/openai-thinks-it-knows-what-media-is-high-quality-and-thats-a-problem/