EZAPK

　　北京时间5月14日凌晨1点，OpenAI的线上发布会给出最终答案：全新旗舰生成式AI模型GPT-4o正式亮相。OpenAI首席技术官穆拉蒂表示，GPT-4o将提供与GPT-4同等水平的智能，并可综合利用语音、文本和视觉信息进行推理，模型将在未来几周内分阶段集成至OpenAI的各个产品；更关键的一条是，GPT-4o将免费提供给所有用户使用，付费用户则可享受五倍的调用额度。

　　这场发布会的前夜并不平静：盛传的GPT搜索引擎临时「鸽了」，阿尔特曼改口要演示ChatGPT和GPT-4的升级，几小时后GPT-4o临场接棒，Mac版ChatGPT应用与全新界面也同场亮相。当天下午，微软Azure宣布上线GPT-4o预览版，竞技场上刷新榜单的神秘模型也被证实正是GPT-4o。从付费墙后的GPT-4到免费开放的多模态GPT-4o，一道分界线就此划下。

前夜反转：搜索引擎鸽了，升级临场接棒

　　发布会前一天，OpenAI的小动作已经透出反常。GPT-4的文字描述不再是「最先进的模型」，仅仅改称「先进的」；被鸽掉的GPT搜索引擎原型代码则上传到了ChatGPT，黑客Tibor Blaho从更新的前端代码中扒出SearchGPT的界面：首页只有一个居中的搜索框，还设计了可一键打开Google和Perplexity搜索结果的「比较」按钮。

　　此前路透社、彭博社等权威媒体纷纷收到「消息人士」线报，SearchGPT的域名、前端界面都已备好，甚至已有用户收到灰度测试，大有在谷歌I/O大会（5月14日）前狙击一把谷歌核心业务的架子。结果官方口径突变：阿尔特曼宣布5月13日开发布会，不是GPT-5，也不是盛传的GPT搜索引擎，而是对ChatGPT和GPT-4的升级。

　　揭晓之前，各方猜测五花八门。The Information称OpenAI正在开发新的AI语音助手，能理解人类声音中的语气、听出提问是否在讽刺，某些任务上甚至击败GPT-4 Turbo；ChatGPT安卓版1.2024.122安装包中出现了gpt-4l、gpt-4l-auto、gpt-4-auto三个新模型名称；彭博社则提到苹果接近与OpenAI达成协议，把ChatGPT引入iPhone。阿尔特曼把将要发布的功能形容为「感觉像魔法」。

GPT-4o登场：语音、文本、视觉一起推理

　　官方版本随后落地。GPT-4可以处理由图像和文本混合而成的信息；GPT-4o在此基础上新增语音处理能力，在文本、图像以及语音处理方面均取得进一步提升。运行速度也大大提升，最大亮点在于语音交互模式采用了新技术：以往ChatGPT的语音模式因延迟问题影响对话沉浸感，GPT-4o则让聊天机器人的响应速度大幅提升。

　　演示环节直观呈现了「流畅」二字。演示者提问结束后，GPT-4o几乎可以即时回应，并通过文本转语音功能进行朗读，让对话感觉更加自然逼真；另一个演示中，GPT-4o可根据指令调整说话时的语气，从夸张戏剧到冰冷机械，展现了出色的可塑性，最后还展示了唱歌功能。「像打电话一样」的猜测在台上坐实。

免费开放：多模态走出付费墙

　　策略层面的变化比参数更受关注。以往OpenAI发布新版ChatGPT模型时，通常会将其置于付费墙之后；这次GPT-4o将免费提供给所有用户使用，付费用户则可享受五倍的调用额度。

　　界面也在同步换新。OpenAI发布了新的用户界面，穆拉蒂解释，这些模型会变得越来越复杂，但希望交互体验更加自然、轻松，让用户无需将注意力放在界面上，而是专注于与ChatGPT的协作；全新网页界面的截图显示，主页以及消息布局都进行了轻微调整。

Mac版先行：桌面端与「所见即所答」

　　桌面应用是同场另一主角。OpenAI宣布首先向Plus用户推出macOS版ChatGPT应用，并在未来几周内向更广泛的用户开放；Windows版本计划今年晚些时候推出。即日起开始的测试阶段仅限ChatGPT Plus用户，新应用最终将同时向免费用户和付费用户开放。

　　交互形态是桌面版的看点。演示显示，用户可以将处于最小化窗口的ChatGPT桌面应用与其他程序并排打开，通过输入或语音的方式提问屏幕上显示的内容，ChatGPT则能根据其「所见」进行回答；用户还可通过Option+空格键向ChatGPT提问，并在应用内截取和讨论屏幕截图。

　　先Mac后Windows的顺序引来疑问，毕竟微软向OpenAI投资超过100亿美元，Copilot服务也在使用OpenAI的技术。穆拉蒂的解释是「优先考虑用户所在的平台」：尽管Windows在PC市场份额上遥遥领先，OpenAI自家用户中使用Mac的占大多数；工程师Javi还透露，公司正在招聘Windows工程师，或许就是为了开发Windows版原生ChatGPT应用。

登陆Azure：速度翻倍、价格减半

　　企业侧在当天下午跟进。微软宣布已通过Azure OpenAI服务提供GPT-4o的预览版本：相比先前版本，GPT-4o速度提升一倍，价格降低50%，百万token的处理成本降至7美元，支持每分钟处理高达千万token的数据量；该模型拥有128K的上下文记忆能力，知识截止时间为2023年10月。

　　与以往的模型不同，GPT-4o能够无缝处理文本、图像和音频信息，未来将加入音频和视频的支持，不过初始版本只支持文本和图像。美国部分地区的Azure OpenAI用户可以率先通过Azure OpenAI Studio的预览功能试用；微软将在本月晚些时候的Build 2024大会上分享更多有关GPT-4o和Azure人工智能的新消息。

竞技场旧账：「gpt2-chatbot」原是GPT-4o

　　发布会当天还翻出一段「旧账」。OpenAI员工William Fedus周一在社交平台X证实，近期在LMSYS聊天机器人竞技场上表现优异的神秘聊天机器人正是GPT-4o；从今年4月份开始，多个版本的GPT-4o先后以gpt2-chatbot、im-a-good-gpt2-chatbot、im-also-a-good-gpt2-chatbot的名称接受测试，并登顶竞技场排行榜，取得有史以来的最高分。

　　榜单数字同样直观：截至IT之家发稿时，im-also-a-good-gpt2-chatbot的Elo分数为1309，领先GPT-4-Turbo-2023-04-09的1253分和Claude 3 Opus的1246分，「gpt2-chatbot」系列以约50 Elo的显著优势超越了所有其他模型。

　　从鸽掉搜索引擎、改升级GPT-4，到凌晨揭晓GPT-4o，再到当天登陆Azure与竞技场登顶，一天之内走完了发布与落地。真正的分野在于价格标签：当与GPT-4同等水平的智能对所有人免费开放，语音、文本、图像的融合推理不再是订阅专属，付费与免费的差距从此更多体现在调用额度，而非能力本身。