本周，谷歌和 OpenAI 都宣布，他们已经构建了“超级”人工智能助手。这些工具可以实时与你交谈，并允许你随时打断它们，还能通过实时视频分析你的周围环境，并即时翻译对话。
当地时间5月13日，OpenAI 首次展示了其最新旗舰模型 GPT-4o。
在现场演示中，它能阅读睡前故事并帮助解决数学问题，所用的声音听起来就像电影《她》（Her）里华金·菲尼克斯（Joaquin Phoenix）的人工智能女友。
显然，OpenAI 的 CEO 山姆·奥特曼（Sam Altman）一直惦记着电影中的这一点。
当地时间5月14日，谷歌宣布了一系列新的人工智能工具，包括一款名为 Gemini Live 的对话助手，它能做的事情和 GPT-4o 相似。
谷歌还透露，它正在构建一种“无所不能”的人工智能代理，目前正在开发中，但要到2024年晚些时候才会发布。
很快，你将能够自己探索这些工具，看看是否会像开发者所希望的那样，在日常生活中使用这些工具，或者它们是不是更像那些早晚会失去吸引力的小把戏。
以下是你应该了解的关于如何访问这些新工具、使用它们的目的以及相关费用的信息。
OpenAI的 GPT-4o
它的功能：该模型可以实时与你交谈，响应延迟约320毫秒，OpenAI 表示这与人类的自然对话不相上下。
你可以让该模型解释你用手机摄像头拍摄的任何东西，它可以帮助你完成写代码或翻译文本等任务。它还可以汇总信息，生成图像、字体和3D 渲染。
如何访问：OpenAI 表示，它将开始在网页和 GPT 应用程序中推出 GPT-4o 的文本和视觉功能，但日期尚未公布。该公司表示，将在未来几周内增加语音功能，但也尚未确定具体日期。
开发人员现在可以通过官方 API 使用文本和视觉功能，但语音模式最初只对“一小部分”开发人员开放。
费用：使用 GPT-4o 将是免费的，但 OpenAI 将设置使用上限，用户可以通过订阅来增加上限。
对于那些加入 OpenAI 订阅计划（每月20美元起）的人，GPT-4o 的消息容量将增加五倍。
谷歌的 Gemini Live
什么是 Gemini Live？这是谷歌直接与 GPT-4o 竞争的产品，你可以与之实时对话。谷歌表示，在2024年晚些时候，你还可以使用该工具通过视频进行交流。
该公司承诺，它将成为一个有用的对话助手，用于准备面试或练习演讲。
如何访问：Gemini Live 将在未来几个月加入谷歌的高级人工智能计划 Gemini Advanced。
费用：Gemini Advanced 提供两个月的免费试用期，此后每月费用为20美元。
那么 Astra 项目是什么？Astra 是一个构建无所不能的人工智能代理的项目。谷歌在 I/O 大会上演示了该项目，但要到2024年晚些时候才会发布。
谷歌 DeepMind 研究副总裁奥里奥尔·维尼亚尔斯（Oriol Vinyals）告诉《麻省理工科技评论》，人们将能够通过智能手机和台式电脑使用 Astra，但该公司也在探索其他选择，例如将其嵌入智能眼镜或其他设备。
（来源：STEPHANIE ARNETT/MITTR | GOOGLE, OPENAI）
哪个更好？
就目前来看，我们还无法体验这些模型的完整版本，所以很难判断哪个更好。谷歌通过一段精心制作的视频展示了 Astra 项目，而 OpenAI 选择通过看似更真实的现场演示展示了 GPT-4o。
但在这两种情况下，模型都被要求做开发者可能已经练习了很多次的事情。真正的考验将在它们首次面向数百万有独特需求的用户时到来。
也就是说，如果你将 OpenAI 发布的视频与谷歌的视频进行比较，这两个领先的工具看起来非常相似，至少在易用性方面是如此。
整体上看，GPT-4o 似乎在音频方面略微领先，展示了逼真的声音、对话，甚至是唱歌。而 Astra 则展示了更先进的视觉能力，比如能够“记住”你把眼镜忘在哪里了。
OpenAI 可能会更快地推出新功能，这意味着它的产品一开始会比谷歌的产品得到更多的使用，而谷歌要到2024年晚些时候才能完全推出其产品。
现在判断哪个模型产生“幻觉”或虚假信息的频率较低，哪个模型能产生更有用的回应还为时过早。
它们安全吗？
OpenAI 和谷歌都表示，它们的模型经过了很好的测试。OpenAI 表示，GPT-4o 由70多位错误信息和社会心理学等领域的专家进行了评估。
谷歌表示，Gemini“拥有迄今为止谷歌人工智能模型中最全面的安全评估，包括偏见和毒性。”
但这些公司正在构建一个未来，让人工智能模型搜索、审查和评估真实世界的信息，为我们提供问题的答案。与相对简单的聊天机器人相比，更明智的做法是对它们告诉你的信息保持怀疑。
支持：Ren
运营/排版：何晨龙
热门跟贴