nexai的休息室里，迈克尔低声骂了一句：“该死。”

山姆侧过身，看向旁边的一位研究员。

“接下来，是我们今天非常兴奋的一部分。我们认为未来的人机交互不应该被文本框限制，所以我们带来了gpt-voni。”

旁边的电视连上了山姆手机的投屏，显示出他的手机画面。

山姆在chatgpt的app里面点了一个键，对话框消失，变成了一个实时视频画面，视频中出现的是手机前置摄像头的画面——山姆，两个研究员，他们背后的沙发和背景。

研究员接过手机，举起来扫了一圈。

“你现在能看到什么？”

电视里响起了一个略显呆板的女声。

“我看到一个发布会舞台。沙发上坐着三个人，中间的人是山姆奥特曼。桌上有一杯水，旁边还有一台电视正在显示我的实时画面。台下应该有观众，因为我能听到环境声和偶尔的说话声。”

现场起了一阵巨大的骚动。

实时互动，这是从没出现过的交互方式。

研究员把摄像头对准山姆。

“他现在的表情怎么样？”

chatgpt毫无停顿地说道：“他看起来有点儿紧张，可能在期待什么评价，根据我们现在的场景，也许他在等观众的反应。”

台下笑了起来，山姆也笑了。

瑞恩看着屏幕上的直播画面，已经很久没有说话了，他的手指在椅子上一下一下的、有节奏的敲击着。

发布会现场，山姆等掌声结束后，再次开口。

“gpt-voni可以实时理解文本、语音、图像和视频，它不是把多个系统拼在一起，而是世界上第一个端到端的多模态模型。”

现场和线上的观众们已经理解了oni的含义，它是一个源自拉丁语的前缀，代表“全”、“总”的意思。这个模型，是一个全能模型。

“gpt-voni将在未来几周逐步向开发者和企业用户开放。我们也会把它的部分能力集成到chatgpt里，让更多用户能够体验自然的多模态交互。”

最后，电视的画面定格在两个模型的名字上。

gpt-v

gpt-voni

一个旗舰通用模型。

一个原生多模态模型。

两个模型并排出现的时候，发布会现场的氛围已经彻底被openai掌控。

山姆这才轻描淡写地说出了总结语：“我们尊重所有同行在ai能力上的探索，但我们也认为，只是专注于刷新榜单，并不能有助于实现agi的到来。”

这句话没有指名道姓，但是所有人都听得出来是在针对谁。

nexai的金星模型专注刷榜，还刷不过gpt-v，而openai还带来了世界首个原生多模态。

openai不愧是openai，你爸爸还是你爸爸。

这场发布会比nexai的那场还要短，很快就进入了媒体提问环节。

第一个站起来的记者来自theverge。

“山姆，两个小时前nexai宣布ven模型在多个榜

章节内容不完整，请退出阅读模式查看完整内容！