今天是OpenAI直播第6天，终于来了个能看点的。Day4是个很无聊的canvas的极小更新以及向全量用户开放，昨晚Day5完全就是给苹果做下PR，都是纯粹的垃圾时间。而今天，4o的实时视频通话，终于来了。是不是感觉有点陌生？没想到吧，4o居然还有实时视频通话。鸽了7个月，快被人忘干净了。总结一下今天的直播，有三个东西：1. 实时视频通话。2. 实时理解屏幕。3. 圣诞老人限定语音。一个一个说吧。一、实时视频通话今年5月14日，OpenAI的春季发布会上，他们正式掏出了GPT-4o。其中最酷的东西，当然是他们的原生多模态。大家也都见识到了，高级语音模式的威力，能模仿情绪、能唱歌、能演戏。在小红书和X上，已经看到无数人，在用它来做情感陪伴、练口语等等。在教育领域，绝对是一个巨大的大杀器。但是其实，当时最让人兴奋的，还是实时视频。能实时对话，能理解你的连续性动作，能知道你在干啥。也有记忆。比如你跟他聊桌子上的一杯冰美式咖啡，这杯冰美式长的无头六臂奇奇怪怪颜色还是红色的，你们聊的很开心，然后切到了另一个话题，过了一分钟后，你突然问他，咱们刚才聊的咖啡是啥颜色。它会很准确地告诉你，是红色。就像，AI第一次，有了跟人类一样的眼睛。他们自己也演示了一个很有趣的例子。就是先让ChatGPT跟在座的人聊了一圈，然后问它：而GPT回答得很好，直接把女生的名字回答得很准确，它记住了她。然后又演示了另外一个当场教人做咖啡的场景。我一直觉得，真正的实时视频理解，比语音和文本都重要得多。因为对于我们人来说，从诞生到世界的第一天，当你还不会说话、还读不懂文字的时候，你理解这个世界，全靠视觉。这是我们理解世界的基石。而现在，当你举起一张手写的便签，它能立马看懂；当你给它看一本杂志上的广告，它能分析背后的设计意图和话术风格；你对着镜头摆弄一件家里的小物件，它能指出其用途、历史，甚至给出改造建议。这个东西，我觉得还是挺酷的。12月12日晚上，他们正式宣布即将上线了。没错，是即将上线。一周以内，对Pro和Plus用户开放。OpenAI你是真的狗。其实感觉以OpenAI这段时间直播的节奏，理论上这种功能，应该是跟o1pro和Sora类似，直播完后就直接全量上了。但是有可能是受到了Gemini2的冲击（他们也有视频理解），又或者是因为前几天早上ChatGPT的全线崩溃。导致这一波节奏混乱，甚至，我都觉得12月12日晚的直播，都是为了不显得自己丢人，临时换上来的。二、实时理解屏幕一个基于实时视频理解的变种。只不过一个是通过摄像头，看外部的现实世界，一个是通过类似于屏幕共享的方式，让它来看你的屏幕。跟视频实时理解一下，一周内上线。这个东西，我觉得非常有用，类似于给你一个随时待命给你建议的牛逼助理。随时看着你的屏幕，然后给你指点。比如说一些我能想到的最简单的应用场景。你在写PPT，感觉这页怎么做怎么丑，有点卡壳时，你就可以问它：“这页的视觉排版逻辑是不是有点问题？”或者“这个配色看起来怪怪的，有没有更好的推荐？”它就能直接指出核心问题，比如某一页的文字太密集，这个标题应该放在左上角，配图应该换个写实风格的，甚至它还能现场给你一个最优方案，把问题瞬间解决。再比如，在你写代码的时候，屏幕共享开着，它能实时看你代码的进展，指出可能的错误，甚至直接告诉你哪些变量命名不规范，哪些逻辑可以优化。你都不用自己debug，它直接化身你的leader，边看边指正。还有一个我自己觉得最实用的场景，就是处理表格数据。因为我经常会做各种奇奇怪怪的数据分析，打开Excel的时候真的满屏的数据让你头晕脑胀，这个时候你只需要说一声：“这份报表有啥什么异值？”或者“能不能帮我画个趋势图？”当它立马就能帮你分析数据并给出结论的时候，我觉得，这就是帮了我大忙了。当然，我理想中的最完美的形态，还是跟类似于那种Computer Use的Agent结合，直接帮我把事干了，那才是我最想要的。比如，我们在用Figma做界面设计的时候，设计到一半，感觉排版不太对劲，于是就可以直接对它说一句：“整体简约一点，字体换成无衬线体。”它立马接管设计，调整了文字间距、对齐方式，还推荐了几种更适合的字体供选择，最终完成一个更专业的设计方案。甚至，它还能帮你理解背后的设计逻辑那就更屌了。比如你问它：“为什么这个排版显得更舒服？”它还能从用户体验的角度出发，解释黄金分割、留白运用等理论，带你快速提升审美和技能。这个，可能才是我最想要的未来。也是我觉得，屏幕实时理解的终极形态。三、圣诞老人限定语音一个挺抽象的更新，在高级语音里面，新加了一个新的音色。叫Santa。其实就是个，圣诞老人的语音。目前已经实时上线了，都可以在高级语音模式里体验到。也挺抽象的，给大家听一听，我跟他的对话。您目前设备暂不支持播放就，真的抽象。可能对于老外来说，这个“吼～吼～吼”，真的有节日氛围吧。四、写在最后OpenAI直播，已经进行一半了。稍微盘点一下。Day 1：满血o1上线，ChatGPT Pro会员上线，o1 pro推出。Day 2：基于o1的强化微调。Day 3：Sora正式发布。Day 4：ChatGPT Canvas全员开放以及小功能更新。Day 5：给苹果站台，宣传苹果全系接入GPT。Day 6：4o的实时理解上线。说实话，非常的低于预期，非常的不尽人意，非常的想让我骂他。每天晚上，都是如坐针毡、如芒刺背、如鲠在喉。Dalle 4呢？AI Agent呢？AI搜索浏览器呢？猎户座新模型呢？你这都是些啥啊。最绝望的不是这个，最绝望的是，还有6天。每天晚上我都会在小群里开腾讯会议，第一天来了80个人，第二天40个，第三天因为预告Sora也有40个，第四天20个，第五天11个。而第六天，只有5个。真的，已经越来越没有人在乎了。希望在后面的6天里，奥特曼你能改变一下我对于你的怨气，让我们觉得，OpenAI这么玩，都是策略，是在降低大家预期。牛逼的东西，其实都放在后面。真的，求求了。为了你们自己。也为了我们这些，每天熬夜的兄弟。本文来自微信公众号：数字生命卡兹克，作者：数字生命卡兹克