OpenAI 的 CEO Sam Altman 最近在一次访谈中，聊了不少关于 GPT-4o 和 GPT-5 的猛料。先说说 GPT-4o，这款多模态大模型能同时处理文本、视频和音频，实现跨模态推理。Altman 提到，他早就有个想法——用语音直接控制计算机，而 GPT-4o 的综合推理能力，终于让这个愿望变成了现实，用户体验和现有语音助手（比如苹果的 Siri）完全不在一个量级上。它在语义理解上的表现更自如、也更聪明。

图源备注：图片由AI生成，图片授权服务商Midjourney

Altman 在体验 GPT-4o 时发现了一个特别惊喜的用法：过去需要频繁切换应用和浏览器才能完成的任务——比如实时翻译、语音交互、视频分析——现在可以在一个平台上搞定。对于需要保持专注和效率的开发者和专业人士来说，这无异于一次工作流的巨大碘伏。

GPT-4o 的低延迟也是一大亮点，平均延迟只有 200 到 300 毫秒左右。这个特性让它非常适合实时翻译、医学图像解析、医疗记录分析等高时效性场景。Altman 直言，医学领域将是 GPT-4o 最大的受益群体之一。

至于 GPT-5，Altman 透露的信息更吊人胃口。他表示 GPT-5 会是一款非常特别的产品，甚至可能采用全新的命名。按照他的描述，GPT-5 可能类似于一个“虚拟大脑”，能够像个全能助手一样帮用户处理各种任务。和之前的 GPT 系列相比，这绝对是一次巨大的尝试和飞跃。

从 GPT-4o 到即将到来的 GPT-5，OpenAI 在人工智能领域的创新步伐越来越快。这些多模态大模型正在为不同领域的人群带来更智能、更高效的体验——不只是技术迭代，更是实实在在的服务升级。