OpenAI迭代，快了还是慢了

　　时隔三个月，OpenAI又上新了，这次是GPT-4o，一个“更有人味儿”的AI。

　　还是熟悉的“炸场”节奏。听说读写速度丝滑如真人、识别人类情绪并进行音视频交互、所有用户均可免费使用、API使用价格降低一半速度却提升两倍……不到30分钟的线上发布会，重磅内容一个接着一个。

　　但在一系列震惊声中，也有讨论认为，此次缺席的GPT-5，恰恰印证着OpenAI的降速。而突然推出的GPT-4o，甚至此前盛传的搜索产品，也是OpenAI为了GPT-5的“围魏救赵”之举。

　　OpenAI的迭代到底是快了还是慢了，成为又一个充满关注与争议的话题，关系着技术的演进，也关系着OpenAI的用户焦虑乃至商业化进程，复杂又尖锐。

　　寻找这个问题的答案，需要从产品本身入手。OpenAI最被诟病的，无外乎比起ChatGPT能够使用的直接体验，Sora至今仍未面向公众开放，承诺的“惊艳”到底有几分真假也不得而知。

　　而随着时间的流逝，围观的情绪也在OpenAI持续的“遥遥领先”中发酵出了些微妙的变化，比如对OpenAI开始“祛魅”。

　　GPT-4o的出现，或许也同样解答了关于OpenAI的争议，正如颠覆性之于创新，迭代的快慢也并非看待AI进步的唯一标准。

　　不积跬步无以至千里。即便是AI的发展逻辑，也遵循最朴素的哲学。GPT-4o清晰的技术特点和可能的商业模式以及后续发展的潜力，不会因为数字“4”没有超越“5”被否决。

　　于国内大模型发展而言，也是一样。比起追赶速度或者弯道超车，找准节奏、找准方向、找准场景，往往更有意义。

　　技术的长期积累和前瞻的创新，是OpenAI毋庸置疑的优势，但AI的发展，也在大洋两岸同频共振。

　　从最初的花式聊天、吟诗作对，到现在的赋能产业、提质降本，国产大模型进步也是一日千里。月之暗面的Kimi、生数科技的Vidu等现象级产品的出现，在各自领域脱颖而出。

　　在创新中前进，在前进中发展，可能就是技术最好的演变状态。不用刻意追求速度也不用偏执于迭代，人类面对AI，或许也要有一颗平常心。

　　人们对于算力缺口的弥补还在继续，人机交互延时的缩短和幻觉的减少，也促使人类与AI的距离感变得越来越小，整体体验越来越好。

　　而在商业化方面，成本的下降也已成为必然趋势。比如API使用方面，相比GPT-4-turbo，GPT-4o价格降低一半，速度提升两倍。

　　不久前，百度创始人李彦宏也提到，文心大模型的推理性能提升了105倍，推理的成本降到了原来的1%，“也就是说，客户原来一天调用1万次，同样成本之下，现在一天可以调用100万次”。

　　AI一直在路上，不妨给速度一点耐心。