GPT-4o 一段时间了，简单聊聊 GPT-4o 我的一些体会。
在《OpenAI不再遥遥领先》一文中，提到了“如果发布的是GPT-5，那OpenAI依然遥遥领先。如果是AI Search或者是语音助手，那就说明OpenAI没落了。”从实际体验来看，GPT-4o 和 之前用的 GPT-4 除了快以外，没有任何区别。从模型侧来说，OpenAI 确实“慢了”下来。
关于这一块，不知道是数据+算力都达到了极限所导致的，还是其它什么原因，暂且不讨论。如果 OpenAI 今年内不发布GPT-5的话，按照现有开源的进步速度，Meta 等公司开源的大模型水平应该会迅速赶上 GPT-4 的水平。
对于 GPT-4o，比较让我惊讶的是他的产品力。经过这一年的发酵，大模型迟迟没有大规模推广开来的原因，主要有四点：精确性、成本、延迟、复杂度。
在之前，我一直想的是语音AI必须要经过3个阶段的推理：语音识别成文字、LLM输出文字和语音合成文字，这势必会很慢，而GPT-4o 通过使用端到端的模型，解决了延迟的问题。很好奇是，为什么之前没有听说有人用这个思路做出产品来，但是 OpenAI 使用了端到端的模型，还有从模型、硬件、推理工程等优化，把延迟问题解决到可以商用的水平。后来者应该会借鉴 OpenAI 的做法，把大模型推理的延迟问题彻底解决。
另外就是成本问题，现在 Gemini 1.5 Flash 的价格定为每 100 万个token 3.5 美元，DeepSeek v2的价格降到了每 100 万个token 1块钱人民币，豆包通用模型pro进一步把定价打成了1元=1250000 tokens，应用方使用成本在不断下降，再卷一年下去，不敢想象。特别是根据《OpenAI Is Doomed? - Et tu, Microsoft?》的推算，DeepSeek v2 这个价格甚至可能还有62%的毛利率。
即使大模型的精确性和复杂度依然没有得到很好的解决，但是延迟问题和成本问题在这一两年得到很好的解决，那么意味着就可以有一些爆款应用诞生了。
至于大模型能否像大数据一样，在各个公司大规模使用，甚至改变世界，还得看大模型的精确性能否做到像搜索一样，99%以上的准确性。至于复杂度，按照大数据的历史发展轨迹，从刚开始 MapReduce 的非常难用再到一句 SQL 可以解决大数据计算的问题，只花了短短的几年时间，大模型复制大数据系统的路径应该不太难。
虽然说 OpenAI 这次的 GPT-4o 产品力确实惊人，但是已经不像 GPT-4 那样，让大家觉得不可超越的。在 GPT-5 发布之前，GPT-4o 对于现有的科技公司，是完完全全可以复制的，甚至卷到 OpenAI 无法承受市场竞争带来的融资压力。
