前言

美国时间 5 月 13 日，在 Sam Altman 缺席的情况下（为什么缺席，猜测是可能后面还有更重磅的消息，这次的产品只是一个中间过渡产品），OpenAI CTO Mira Murati 介绍了新的 ChatGPT 产品 ChatGPT-4o。这个缩写中的o代表omni(到处，遍及，一切)

在这次发布会前夕，多家中外媒体外对 OpenAI 新的发布会有颇多谣传以及质疑。一周前，外媒及国内的自媒体谣传这次OpenAI 要发布的是一款搜索引擎，意欲颠覆搜索引擎行业（笔者觉得ChatGPT颠覆搜索引擎市场的现实可行性很大），另外，OpenAI没有推出 GPT-5，引来外界对其创新乏力的质疑。如果无法拿出足够有创新力的技术和产品，OpenAI将难以实现活跃用户的持续增长、满足整个市场对它的期待。

OpenAI自 2022 年底推出 ChatGPT 后，用户访问量经历了大起大落。其在 2023 年 5 月达到 18 亿次峰值全球访问量。但进入 2023 年下半年后，其用户量则有所下降，至今都没有追平去年 5 月创造的全球访问量峰值记录。

无论是最初的 GPT-3.5，还是去年年中的GPT-4和年底的 GPTs，以及年初的 Sora。OpenAI一直引领着人工智能领域的科技创新，OpenAI每次发布会都不会让世人失望，也包括这次。让我们看看，这次都发布了哪些新功能。

ChatGPT-4o新功能介绍

无延迟语音实时对话

在GPT-4o发布之前，与ChatGPT对话，GPT-3.5和GPT-4平均延迟分别为2.8秒和5.4秒。那时，为了实现与ChatGPT以语音进行对话，设置了三个独立模型管线：

1. 第一个模型将音频转录成文本
2. 第二个模型就是GPT-3.5或GPT-4，接收文本并输出响应文本
3. 第三个模型将文本转换成音频

这个过程走下来，不仅导致了延迟时间较长，而且造成ChatGPT不能观察说话者语气、说话者的背景噪音，无法表达情感。但现在，GPT-4o让一切都发生得很自然。GPT-4o 能在 232 毫秒内对音频输入做出反应，平均反应时间为 320 毫秒，这与人类在对话中的反应时间相近。未来，就变成了我们讲话比 ChatGPT 慢半拍了……

高情商，没有AI的机械和僵硬感

工程师要求ChatGPT讲一个睡前故事，主题是恋爱中的机器人。ChatGPT没讲几秒，就被工程师粗暴地打断了：多点情绪，故事里来点戏剧性行不

ChatGPT随即用起伏的声调、夸张的语气绘声绘色的开始讲起了故事。

结果没几秒，它又被挑刺的工程师再次打断：不行不行，再多点情感，给我最大程度的表达可以吗

接下来，ChatGPT语气夸张的仿佛一个在舞台上表演莎士比亚戏剧的演员。

随后，挑剔的工程师依旧不依不饶，又多次打断它，它很有耐心地按照工程师的要求，切换到机器人声和改变唱歌模式。

尤其是ChatGPT听到要求自己唱歌时，表现得像人类一样，甚至叹了口气，然后心情平和的开启了优美的歌喉。

多亏ChatGPT脾气好，要是真人，估计要被暴揍一顿，哪那么多事。整个过程，自然连贯得犹如坐在你对面的真人，完全没有AI的机械和僵硬感！ChatGPT完胜反应迟钝、没法打断还缺少情商的Siri等语音助手。

视觉推理

工程师手写了一个一元一次方程，打开摄像头拍照发给ChatGPT，让它扮演在线导师的角色帮助自己解题，要求只能给提示，不能直接说答案。

工程师在纸上写了一个方程式3x+1=4。问ChatGPT自己写的是什么方程，ChatGPT语调自然地回答出来了。工程师在摄像头中解题，ChatGPT实时地给出了鼓励和引导。ChatGPT反应很快，工程师还在计算，ChatGPT就实时给出了评价和反馈。与之前谷歌剪辑版的Gemini演示相比，高下立判。

其它

GPT-4o是OpenAI首个端到端训练的跨越文本、视觉和音频的新模型，所有多模态及其任意组合输入和输出都由相同的神经网络处理。用户可以上传各种图片、视频，以及包含图片和文字的文档，和ChatGPT讨论其中的内容。Altman说GPT-4o是OpenAI有史以来最好的模型，它很聪明，速度很快，是天然的多模态。并且，所有ChatGPT用户都可以使用，完全免费！ChatGPT免费用户可以访问新模型加持下的功能，包括：

• 体验GPT-4级别的智能
• 从联网后的模型得到响应
• 分析数据并创建图表
• 畅聊你拍的照片
• 上传文件以帮助总结、撰写或分析
• 发现和使用GPTs和GPT Store
• 用记忆构建更有用的体验

感想

看完GPT-4o的发布会，感觉GPT-4o把人机的互动，打磨得格外舒服自然。推进到一个新高度。这么好的工具，而且是免费的，我们不能停留在了解ChatGPT-4o的一些新特性之后就把它束之高阁，而应该把它用起来，给自己带来实实在在的好处。能用它来干什么，才是我们真正需要思考的问题。笔者结合自己的实际情况，觉得可以用它来给孩子辅导家庭作业，尤其是初中之后的作业，现在的考试题出的很灵活，向课外延伸了好多，有些题目，夸张一点说博士生第一次看到也不一定立刻就能做出来。使用它能很好的给家长救场。还有可以使用它进行模拟面试，你当面试官，看看它是怎么回答一些专业问题的，取长补短。还有就是你在写文章时，可能需要插入流程图，你可以手绘一个粗略版本，让它给你转化成标准的流程图，还有就是涉及到跨语言的程序片段时，如果你看不懂，你可以发给它，让它给你解释一下一段代码想要实现的功能。还有你在看国外电影时，听不懂片中人物对话的内容，可以让它帮你实时翻译。你还可以把它当作一个智囊，生活中，工作中遇到不能解决的问题，都可以直接向它提问，寻求启发与帮助。你会怎样使用它，我们留言区讨论。

实战

我用ChatGPT-4o解开了一个网上需要付费才能查看答案的算法题。题目如下： 给定一个由纯数字组成以字符串表示的数值，现要求字符串中的每个数字最多只能出现2次，超过的需要进行删除,删除某个重复的数字后，其它数字相对位置保持不变。如”34533”，数字3重复超过2次，需要删除其中一个3，删除第一个3后获得最大数值”4533”请返回经过删除操作后的最大的数值，以字符串表示。

js
复制代码
测试用例1：
输入:
34533
输出:
4533
测试用例2：
输入:
5445795045
输出:
5479504

ChatGPT给出的代码片段如下：

js
复制代码
function removeExtraDuplicates(s) {const stack = [];const count = {}; // 当前栈中每个字符的数量const total = {}; // 整个字符串中每个字符的总数量// 统计每个字符在整个字符串中的总数量for (const char of s) {if (!total[char]) {total[char] = 0;}total[char]++;}for (const char of s) {// 如果当前字符在栈中的数量已经达到2次，则跳过if (count[char] && count[char] >= 2) {total[char]--;continue;}// 保证在添加当前字符时，如果栈顶字符可以被删除（剩余字符还够用），则删除栈顶字符while (stack.length > 0 && stack[stack.length - 1] < char && total[stack[stack.length - 1]] > 0) {const top = stack.pop();count[top]--;total[top]--;}// 将当前字符加入栈中stack.push(char);if (!count[char]) {count[char] = 0;}count[char]++;total[char]--;}return stack.join("");
}// 测试用例
console.log(removeExtraDuplicates("34533")); // 输出 "4533"
console.log(removeExtraDuplicates("5445795045")); // 输出 "5479504"

这道题我自己解来解去，只能通过测试用例1，测试用例2成为无法逾越的坎。在ChatGPT-4o的帮助下，终于把这道题破解了。与通义千问对比了一下，在同样的提示下，多次求解多次纠正与提示，但就是解不出来。不得不说，还是ChatGPT-4o强。此外，ChatGPT-4o回答问题的速度超快，交互体验很舒畅。果然是工欲善其事，必先利其器。有个好使的工具，解决问题会快速和高效很多。

如何系统的去学习大模型LLM ？

作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。

但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的 AI大模型资料 包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

😝有需要的小伙伴，可以V扫描下方二维码免费领取🆓

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。
• 内容：
  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
    - L1.4.1 知识大模型
    - L1.4.2 生产大模型
    - L1.4.3 模型工程方法论
    - L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
• 内容：
  • L2.1 API接口
    - L2.1.1 OpenAI API接口
    - L2.1.2 Python接口接入
    - L2.1.3 BOT工具类框架
    - L2.1.4 代码示例
  • L2.2 Prompt框架
    - L2.2.1 什么是Prompt
    - L2.2.2 Prompt框架应用现状
    - L2.2.3 基于GPTAS的Prompt框架
    - L2.2.4 Prompt框架与Thought
    - L2.2.5 Prompt框架与提示词
  • L2.3 流水线工程
    - L2.3.1 流水线工程的概念
    - L2.3.2 流水线工程的优点
    - L2.3.3 流水线工程的应用
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
• 内容：
  • L3.1 Agent模型框架
    - L3.1.1 Agent模型框架的设计理念
    - L3.1.2 Agent模型框架的核心组件
    - L3.1.3 Agent模型框架的实现细节
  • L3.2 MetaGPT
    - L3.2.1 MetaGPT的基本概念
    - L3.2.2 MetaGPT的工作原理
    - L3.2.3 MetaGPT的应用场景
  • L3.3 ChatGLM
    - L3.3.1 ChatGLM的特点
    - L3.3.2 ChatGLM的开发环境
    - L3.3.3 ChatGLM的使用示例
  • L3.4 LLAMA
    - L3.4.1 LLAMA的特点
    - L3.4.2 LLAMA的开发环境
    - L3.4.3 LLAMA的使用示例
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
• 内容：
  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

学习计划：

• 阶段1：1-2个月，建立AI大模型的基础知识体系。
• 阶段2：2-3个月，专注于API应用开发能力的提升。
• 阶段3：3-4个月，深入实践AI大模型的应用架构和私有化部署。
• 阶段4：4-5个月，专注于高级模型的应用和部署。

这份完整版的大模型 LLM 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

😝有需要的小伙伴，可以Vx扫描下方二维码免费领取🆓