奧特曼：認為自己比o1更聰明的請舉手。
（臺下一些人舉手）
奧特曼：到了o2你們還會這么想么？
（汗流浹背了）

這一幕，剛剛在OpenAI開發(fā)者日最后一個環(huán)節(jié)——奧特曼爐邊談話中上演。

對話由奧特曼和OpenAI首席產(chǎn)品官Kevin Weil進行，奧特曼還對未來作出如下判斷：

• 無限上下文長度將在十年內(nèi)發(fā)生
• o1正在推動智能體應(yīng)用，人們將要求AI在一小時內(nèi)完成以前人類數(shù)月或數(shù)年的工作
• 然后每個人將擁有10個智能體，再然后擁有1000個
• 擔心科幻（Sci-fi）是我們最重要的事之一

除此之外，活動上宣布了OpenAI API大量重磅更新：

• 實時語音API：每個APP里都可以擁有“Her”
• 視覺微調(diào)API：只需100張圖提升GPT-4o特定任務(wù)圖像理解能力
• 自動提示詞緩存：模型最近見過的輸入tokens統(tǒng)統(tǒng)打5折
• 模型蒸餾API：用前沿模型的輸出微調(diào)GPT-4o mini

圍繞這些功能的精彩現(xiàn)場演示，也引起眾人圍觀。

比如GPT-4o驅(qū)動的實時語音API， 配合函數(shù)調(diào)用+Twillio（云通訊服務(wù)），可以直接打電話訂外賣了。

訂購400個草莓裹巧克力醬甜點，參會者人人都有的吃。

看起來演示現(xiàn)場是OpenAI員工在臺上扮演食品店員工，真正的訂購過程是在幕后完成。

沒過一會，還有人曬會場外草莓快被領(lǐng)完了。

最新發(fā)布的推理大模型o1也露了一手，從頭編程操控無人機，現(xiàn)場蕪湖起飛。

這邊大會辦得熱鬧，與OpenAI相關(guān)的周邊消息也不斷傳出：

剛剛離職的幾位中，前研究VP Barret Zoph已決定要成立一家新公司。

前CTO Mira Murati還沒宣布下一步要干什么，但投資人開始圍追堵截她，希望她盡快成立自己的公司。

還有一位此前已離職的OpenAI聯(lián)合創(chuàng)始人Durk Kingma，宣布加入隔壁Anthropic。

OpenAI開發(fā)者日

與去年相比，今年的OpenAI開發(fā)者日活動不再現(xiàn)場直播，并拆分成三部分在不同地點舉辦（美國、英國、新加坡）。

剛剛在舊金山舉辦的第一場，宣布了多項API更新。

Realtime API

實時語音API為公開測試版，所有開發(fā)者都能在自己的APP中構(gòu)建與ChatGPT高級語音模式類似的體驗。

價格也不貴，每分鐘音頻輸入約0.06美元，每分鐘音頻輸出約0.24美元。

語言學習應(yīng)用Speak已使用Realtime API開發(fā)AI角色扮演練口語功能。

，時長00:15

此外還在Chat Completions API中增加了音頻輸入和輸出，可以用在對時延要求不高的地方，將在未來幾周內(nèi)作為gpt-4o-audio-preview發(fā)布。

視覺微調(diào)

開發(fā)者現(xiàn)在可以用圖像對GPT-4o微調(diào)，以提高視覺能力。

可以用來增強視覺搜索功能、改進自動駕駛汽車或智能城市的物體檢測以及更準確的醫(yī)學圖像分析等應(yīng)用。

如外賣和共享出行公司Grab，將車道計數(shù)的準確性提高20%，將限速標志的定位提高13%。

在UI設(shè)計上，微調(diào)過的GPT-4o生成的網(wǎng)頁區(qū)域也能更好匹配整個頁面的風格。

視覺微調(diào)的過程與文本微調(diào)類似，按照OpenAI指定的格式準備圖像數(shù)據(jù)集，然后將數(shù)據(jù)集上傳到OpenAI開發(fā)平臺

只需使用100張圖像就能提高GPT-4o在視覺任務(wù)中的性能，當然用的更多提升也能更大。

GPT-4o的微調(diào)費用為$25/100萬tokens，微調(diào)后推理費用為每 100 萬個輸入tokens 3.75美元，每100萬個輸出令牌15美元。

不過在2024年10月31日之前，每天免費為視覺微調(diào)提供100萬個訓(xùn)練token。

羊毛薅起來～

提示詞緩存

許多開發(fā)者在構(gòu)建人工智能應(yīng)用程序時，會在多個API調(diào)用中重復(fù)使用相同的上下文，例如在編輯代碼庫或與聊天機器人進行長時間、多輪對話時。

提示詞緩存功能可以在降低成本的同時降低推理延遲。

OpenAI推出這個功能是比較晚的，此前谷歌Gemini、Claude，以及國內(nèi)DeepSeek，Kimi等都已上線。

不過OpenAI搞出來的特色在于：一切都是自動的。

從今天起，提示詞緩存已適配最新版本的GPT-4o、GPT-4o mini、o1-preview和o1-mini，以及這些模型的微調(diào)版本。

只要是AI見過的token，自動統(tǒng)統(tǒng)打五折。

緩存將在閑置5-10分鐘后清除，最多保留1小時。

模型蒸餾

讓開發(fā)者可以用o1-preive和GPT-4o等前沿模型的輸出，對GPT-4o mini等小模型微調(diào)。

此前，模型蒸餾是一個多步驟、易出錯的過程，需要開發(fā)人員在互不關(guān)聯(lián)的工具中手動協(xié)調(diào)多個操作，從生成數(shù)據(jù)集到微調(diào)模型和評估性能。

由于蒸餾本質(zhì)上是迭代的，需要反復(fù)運行每個步驟，大大增加了工作量和復(fù)雜性。

這次OpenAI推出了新的集成工作流程，可自動獲得前沿模型生成的輸入-輸出對、運行自定義評估、以及完成微調(diào)。

同樣在10月31日之前，在GPT-4o mini上每天提供200萬個免費培訓(xùn)token，在GPT-4o上每天提供100萬個免費訓(xùn)練token。

離職高管被資本熱捧，聯(lián)創(chuàng)加入Claude團隊

OpenAI持續(xù)發(fā)布新模型、新功能的壓力，讓OpenAI內(nèi)部研究和安全團隊疲于奔命，難以跟上步伐。

此前已有消息證實GPT-4o發(fā)布前，團隊只有9天時間做安全評估，每天工作20多個小時。

財富雜志最新消息表示，o1發(fā)布前也遇到了同樣的情況，并且在公司高層之間引發(fā)了摩擦。

許多向前CTO Mira Murati匯報工作的團隊都認為o1還沒有做好發(fā)布的準備，還沒有真正形成產(chǎn)品，不過他們的反對意見被駁回了。

除了奧特曼之外唯一還在的聯(lián)創(chuàng)Woijceich Zarembra發(fā)聲，承認了在o1開發(fā)階段他和后訓(xùn)練團隊負責人Barret Zoph發(fā)生激烈沖突，但沒有透露詳細細節(jié)。

現(xiàn)在后訓(xùn)練團隊仍在繼續(xù)完善o1，但Barret Zoph已經(jīng)辭職了。

Barret Zoph目前表示將成立一家新公司，但目前尚不清楚他具體會做什么，也不清楚他是否會和Murati合作。

再看Murati這邊，她本人還沒有宣布下一步任何計劃，但投資人爭相與她會面，希望她盡快創(chuàng)辦自己的公司。

據(jù)Business Insider消息，許多投資人正在試圖接近她，即使以前沒有聯(lián)系過的也會給她發(fā)冷郵件。

作為去年11月奧特曼被短暫趕下臺的余波，OpenAI高層持續(xù)動蕩，已經(jīng)流失不少研究和管理人才。

與此同時，OpenAI 一直在瘋狂招聘，規(guī)模相比去年擴大了一倍多，員工人數(shù)從不到800人增加到1800人。

有老員工開始抱怨：新員工的涌入改變了OpenAI的氛圍和文化。

關(guān)于研究的對話少了，關(guān)于產(chǎn)品或向社會部署的對話多了。

離職的OpenAI研究人才中，有相當一部分去了隔壁Anthropic。

聯(lián)合創(chuàng)始人John Schulman、超級對齊負責人Jan Leike跳槽加入之后，Anthropic又吸引來一位早年已經(jīng)離職的OpenAI聯(lián)創(chuàng)Durk Kingma。

Durk Kingma博士畢業(yè)于阿姆斯特丹大學，師從機器學習大牛Max Welling。

兩人合作開發(fā)了變分自編碼器VAE，相關(guān)論文于今年獲得ICLR首屆時間檢驗獎。

Durk Kingma于2018年離開OpenAI，做了一段時間天使投資人，后加入谷歌大腦，再后來被合并進了Google DeepMind。

這次他加入Anthropic將主要在荷蘭遠程辦公，沒有透露他將具體加入哪個團隊或負責哪部分工作。

總之OpenAI變得不像以前的自己，但隔壁Anthropic越來越像以前的OpenAI了。

還有人提出，如果去年11月奧特曼真的下臺了，OpenAI現(xiàn)在會不會更好呢？

健康的公司，有優(yōu)秀的CEO，不會用報酬威脅員工簽封口協(xié)議，也不會有高管辭職，更不會有那么多丑聞。

OpenAI發(fā)布https://openai.com/index/introducing-the-realtime-api/
https://openai.com/index/introducing-vision-to-the-fine-tuning-api/
https://openai.com/index/api-prompt-caching/
https://openai.com/index/api-model-distillation/