OpenAI首次开发者大会，GPT-4 Turbo首秀，价格直降

距离ChatGPT的首次亮相即将满一年，在这近一年的时间里OpenAI一直是全球科技圈当之无愧的“当红炸子鸡”，推动着全球进入了AIGC与大模型时代，并开启了新一轮的技术创新与创业热潮。7日凌晨两点，OpenAI首次发布会由CEO，Sam Altman（山姆·奥尔特曼）主讲并配合现场演示，展示了多款新产品。整场发布会45分钟，内容紧凑而真诚。想想上周苹果的半小时发布会，果然是字越少事越大。

发布会亮点摘要：

1.OpenAI公布开发者数据：全球目前已有超过200万开发者在使用OpenAI的开发者服务，其中90%来自世界500强企业，OpenAI的周活跃用户数目前突破一亿；

2.GPT-4 Turbo：发布产品GPT-4 Turbo，支持128K上下文窗口，Token的费用比GPT-4更便宜，输入低至之前的1/3，输出则是1/2；知识库更新至2023年4月；API现在支持图片和文本输入；新版本中的JSON模式可以强制GPT以纯JSON格式响应；集成DALL-E 3、语音合成等新能力。

3.版权保护功能：承诺为 API 用户与企业客户提供版权保护服务及侵权赔偿服务。

4.定制化 GPT & GPTs 应用商店：每个人都可以构建自己的 GPT，GPTs 应用商店即将于本月晚些时候正式发布，开发者可上传自己的 GPT 并获得收入。

5.辅助性API：开发者可以通过辅助性API提供的各类工具如检索、代码解释器、Python、提供沙箱环境构建等，高效创建AI Agents。

6.多模态能力提升：GPT-4 Turbo with Vision、DALL-E 3和TextToSpeech工具现已上线，发布语音合成模型tts-1、tts-1-hd和语音转文字模型Whisper 3。

一、GPT-4 Turbo正式亮相

GPT-4 Turbo最大的亮点在于知识库的更新至今年四月，这比过去截止到2021年九月的知识库无疑是一大进步。另外GPT-4 Turbo也支持128k的上下文窗口，相当于300多页文本的内容。奥尔特曼还强调经过本次优化性能后，GPT-4 Turbo相比前作还极大的压缩了Token的使用成本，输入端压缩至1/3，输出端则是1/2。

此前网络中一直有传言，说OpenAI将在本次开发者大会上正式发布GPT-5，最终的事实是GPT-4 Turbo。虽然不能打消网上对GPT-5的遗憾与猜疑，但是也能感受到OpenAI在重大版本更新上的谨慎，这点倒是与苹果颇为相似，即从来不干赔本赚吆喝的事情。

二、GPT版应用商店即将上线

自ChatGPT去年底亮相以来，很多人就拿它与苹果的iPhone作对比。iPhone不是手机的发明者却开创了智能机时代，ChatGPT不是AI时代的第一款程序却可能是实现AGI的第一步，这也是有此类比的主要原因之一。在今年早些时候，OpenAI就曾放风说要开发应用商店。在这次发布会的GPTs这部分，就能够感受到OpenAI想通过AIGC与大模型技术建立更大生态的雄心壮志。

按照奥尔特曼的解释，GPTs是针对特定目的，或特定领域进行自定义的ChatGPT版本，即使没有任何写代码的经验，完全靠自然语言的输入，就可以创造出属于自己的GPTs。目前已有部分自定义GPTs，支持ChatGPT Plus和企业版用户试用。在本月晚些时候，OpenAI将会正式推出GPT商店功能，主要用于分享用户构建的自定义GPT助手。

和苹果App Store一样，用户可以搜索自己感兴趣的应用并下载，开发者也可以将自己的GPTs在商店中上架。最受欢迎的应用不仅能登上排行榜，开发者还能与OpenAI进行收入分成。

三、Assistants API（辅助性API）

Assistants API是帮助开发者在自己的程序中构建Agent的第一步，是一种专门构建的AI产品，具有特定的指令，利用额外的知识，并且可以调用大模型和工具来执行任务。全新的Assistants API提供了代码解释器和检索以及函数调用等新功能，可以处理过去必须自己亲自完成的大量繁重工作，并允许开发者能够构建高质量的AI应用程序。

代码解释器：在沙盒执行环境中编写和运行 Python 代码，可以生成图形和图表，并处理具有不同数据和格式的文件。它允许开发者迭代运行代码来解决复杂的代码和数学问题等等。

检索：利用模型之外的知识来增强助手，例如专有领域数据、产品信息或用户提供的文档。这意味着开发者不需要计算和存储文档的嵌入，或实现分块和搜索算法。Assistants API 根据在 ChatGPT 中构建知识检索的经验，优化了要使用的检索技术。

函数调用：使助手能够调用你定义的函数并将函数响应合并到其消息中。

目前Assistants API Beta版可以通过Assistants Playground试用。

四、多模态能力的持续演进

多模态与跨模态的交互融合能力，作为当前各家AIGC相关企业重点关注和发展的技术，受到的重视正与日俱增，OpenAI自己也开发了用于文生图的DALL-E并且不断推进。在此次发布会上，OpenAI允许开发者可以利用文本转语音API，从文本生成人类质量的语音，也可以通过图像API将 DALL-E 3直接集成到他们的APP和其他产品中，并将DALL-E 3指定为默认大模型。与之前版本的DALL-E类似，该API内置OpenAI官方的审核功能，可帮助开发人员保护其APP免遭滥用。目前提供不同的格式和质量选项，每生成一张图像的起价为四美分。

此外还有GPT-4 Turbo with vision，开发者可以通过API中的GPT-4-vision-preview来访问。OpenAI打算为新发布的GPT-4 Turbo提供视觉支持，具体价格取决于输入图像的大小，例如像素1080×1080的图像需要的成本为0.00765美元。另外，OpenAI本次新发布的文生语音模型提供六种预设声音可供选择，以及两种模型变体tts-1和tts-1-hd，都针对实时用例进行了优化，tts-1-hd还针对质量进行了优化。

发布会结束后，网上很快就有人说，虽然只有短短四十多分钟，但这个夜晚足够令很多AIGC与大模型开发者、从业者甚至企业都彻夜无眠。开发者大会上的一系列产品亮相或升级，OpenAI再次以实际行动告诉世人，距离每个人都能有一个甚至多个专属私人助理、使用自然语言就能开发软件、还能像浏览应用一样，这样的一个未来，在加速向人们走来。

ChatGPT，经过一场发布会后就将裂变成无数个GPT。近期有不少传言说OpenAI与微软不合，在许多事情上矛盾丛生的传闻，为此OpenAI也特意拉来了微软CEO纳德拉站台表态。纳德拉在现场亲口表示，微软与OpenAI两家公司有着科技圈里最好的关系:“我们负责做最好的基础设施，你们负责做最好的大模型。”但对两家未来可能的合作动向，两位掌门人在现场都未提及。

从GPT-4到GPT-4 Turbo和GPT Store，OpenAI只用了半年多的时间。而也就在这半年多内，全球的科技和AIGC行业，已经发生了多轮洗牌，说是天翻地覆也毫不过分。与开发者大会同步的，是美股科技股集体上涨，也可能影响太平洋的对岸。尽管从长期来看，OpenAI不甘于做大模型厂商，将逐步在应用端下沉，浅层的AI应用开发商或面临退出风险，但短期来看，此次开发者大会为AI行业打开了空间，推动行业情绪高涨。

当长文本、多模态交互、跨模态融合等技术特征，以及更便宜、自定义等等这些其他企业旨在和OpenAI大模型错位竞争的特点，现在都被OpenAI拿来率先完成自我革命。当GPT在B端和C端都体现出强大的吸引力与生命力、并且还将利用GPT Store率先笼络住全球的开发者时，不知道它的对手们的会做何感想？作为旁观者，亲眼看着技术进步总是令人兴奋的，而OpenAI所采用的商业策略，又有着超出一般创业公司的成熟。我们正目睹着一个行业的兴起，也可能正在见证一个新巨头的诞生。时代潮来潮往，科学技术是第一生产力仍是至理。