GPT-4o 发布：免费用户也能用的多模态

插图来源：Storyset

OpenAI 的春季发布会没有憋大招，而是甩出一个"o"——GPT-4o。“o"代表 omni，全能。这次更新有几个点值得所有人关注，老司机先划重点。

这次发布的 5 个关键点

#

1. 免费用户也能用

这是最大的变化。GPT-4 级别的模型能力，第一次向免费用户开放（有用量限制）。之前 ChatGPT Plus 值不值得开 的纠结，现在可以先白嫖再决定。

2. 原生多模态

文本、音频、图像统一在一个模型里处理，不再是"语音转文字再理解"的拼接方案。实际体验：对话延迟大幅降低，几乎可以实时打断——发布会演示的语音对话流畅度，确实像科幻片。

3. 语音能力质变

新版语音模式支持情感语气、可以被打断、多语言切换更自然。学外语、练口语的场景，体验提升最明显。

4. 视觉能力增强

拍照问问题、屏幕共享实时讲解，4o 的图像理解更快更准。修东西、认植物、看报表，直接拍一张问它。

5. 速度更快、价格更便宜

API 价格直接砍半，开发者狂喜。普通用户感知到的是：响应更快了。

普通用户第一时间试什么

#

1. 语音对话：找个安静环境，跟它聊 5 分钟，感受"能打断"的区别。
2. 拍照问答：拍一张看不懂的说明书/报错界面，让它解释。
3. 多语言：中英混杂着说，看它能不能跟上。
4. 免费额度：先别急着开 Plus，用免费额度摸清自己的使用强度。

免费 vs Plus：2024 年 5 月版对比

#

决策建议：先用免费版一个月，统计自己的使用频率。每天高频用→开 Plus；偶尔问问→免费版够了。之前纠结的可以重看 Plus 值不值得开，结论依然适用。

对开发者的意义：API 降价一半

#

4o 的 API 价格直接砍半，输入输出都便宜。这意味着：

• AI 套壳应用的成本下降，会有一波新产品。
• 个人开发者也能玩得起 GPT-4 级别的 API 了。
• 中转 API 的价格战会更激烈（参考 API 中转避坑，便宜没好货依然适用）。

语音模式：最值得期待的部分

#

发布会演示里最惊艳的是高级语音模式：

• 实时打断，像真人对话。
• 能听出情绪，调整语气。
• 多语言无缝切换。

但注意：这是分批开放的功能，第一天没收到很正常。等推送到了，找个安静环境试 10 分钟，你会理解什么叫"交互革命”。

冷静的两点提醒

#

• 发布会演示≠日常体验：高级语音模式是分批开放的，第一天没收到推送很正常。
• 网络和账号门槛还在：国区用户依然需要科学上网 + 海外账号，ChatGPT 注册教程的流程没变。

一句话总结

#

GPT-4o 不是"更聪明的 GPT-4"，而是"更好用的 GPT-4"：免费、多模态、低延迟。AI 助手从"打字机"变成"对讲机"，交互方式的变化比参数提升更值得关注。

附：4o 发布后的 AI 格局（2024 年 5 月版）

#

2024 年的 AI 竞赛，从"谁更聪明"变成"谁更好用"。4o 的免费策略，把门槛直接打穿。

附：4o 的 5 个隐藏技巧

#

1. 图片+问题：拍了照再问，比纯文字准。
2. 语音打断：说话说一半，直接打断它。
3. 多语言：中英混说，它跟得上。
4. 自定义指令：设好人设，回答更对味。
5. 免费额度：每天有量，用完等重置。