北京
分享至
Greg Brockman 发了条推特，3小时20万转发。内容是 GPT-4o 的演示视频——能同时听、看、想，延迟低到像真人对话。
这事的蹊跷之处在于：多模态实时交互不是新技术，但之前没人做得像打电话一样自然。之前的语音助手像在对讲机里传纸条，你说完一句，它愣两秒，再回一句。GPT-4o 把"愣两秒"砍到了几百毫秒，中间还插入了视觉理解——你举着手机乱晃，它能跟上你的镜头。
Brockman 的推文本身也很产品化。没讲参数，没堆术语，就一个30秒视频：人边说话边展示手写公式，AI 同步读题、讲解、纠正。用户看完的反应是"原来可以这样"，而不是"原来参数这么大"。
20万转发里，一半是惊讶，一半是焦虑。惊讶的是交互终于不像在用软件；焦虑的是，这个"终于"背后，OpenAI 显然早就做出来了，只是选了个周四下午放出来。
评论区有人贴了一张图：Siri 的发布会Keynote，2011年。底下回复："它当时也这么说。"
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
