時間在變,空間随着時間也在變,不變的唯有真知灼見。
2024年12月24日  星期二
首頁
财經
參考
ESG
公告
市場
研究
IPO
公司
周報
動态
推薦
首頁 > 觀察

又熱鬧了!OpenAI的加強版“Her”正式開放,壓過了Gemini的“生産級”大升級…

來源:真灼财經 時間:2024-09-25 14:18:37

字号

文章來源:矽星人Pro

 

作者:Jessica

 

今天真是AI圈久違了的熱鬧一天啊!

 

昨天剛被奧特曼發的那篇AI小作文搞得一頭霧水,現在他這波操作的意圖就呼之欲出了。

 

奧特曼想臨門狙擊的正是宿敵Google,更确切地說,是Google今天剛剛更新的兩款升級版Gemini模型:Gemini-1.5-Pro-002和Gemini-1.5-Flash-002。

 

狙擊方式簡單粗暴:直接宣布萬衆期待的GPT語音功能今天起正式開放。

 

兩個小時不到,就雙叒搶走了Google好不容易的高光時刻。我要是Google我得氣吐血吧。

 

1.png


GPT高級語音來了,會50多種語言

 

OpenAI稱,ChatGPT的高級語音模式(Advanced Voice Mode)将在本周内逐步向所有Plus和團隊用戶推出。

在人們耐心等待的同時,團隊完善了部分功能,包括新增自定義指令、記憶功能、5種新聲音,并改進了口音。


2.png


 

由于實在被大家念叨了太久,OpenAI特别表示了一下:“它能用50多種語言說出’抱歉,我遲到了‘。”

 

并且放了一個從英文切換到普通話的示例:“奶奶對不起,我遲到了。我不是故意讓您等這麼久的,我可以怎麼補償您呢?”

——好家夥,這一下子都當上GPT的奶奶輩了,硬逼着我原諒你啊。

 

語音模式現在以一個跳動的藍色球體表示,而不是OpenAI在5月展示技術時使用的黑色動畫點。

 

當獲得訪問權限時,應用内會彈出一個提示。先是對Plus和Teams層級用戶開通,下周起擴展到企業和教育用戶。

 

3.jpg


ChatGPT還添加了五種新語音以供體驗:Arbor、Maple、Sol、Spruce和Vale。至此,加上之前的Breeze、Juniper、Cove和Ember,ChatGPT的語音總數已達到了9種(Google的Gemini Live語音數量為10種)。

 

可能你也注意到了,這些名字都是從大自然中汲取靈感的,從“楓樹”、“微風”到“太陽”、“山谷”,也許是為了讓使用感覺更加自然。一個缺席的聲音是Sky,也是OpenAI在春季發布會時展示的語音,因涉及與電影《Her》主演斯嘉麗·約翰遜的法律争議而下架。

 

OpenAI還将ChatGPT的一些定制功能擴展到了高級語音模式,包括允許用戶個性化回應的「自定義指令」功能,以及允許ChatGPT記住對話供以後參考的記憶功能。

 

比如下面視頻裡,在系統設置的自定義ChatGPT菜單中,輸入 “我的名字是夏洛特,我住在舊金山灣區。”再詢問周末戶外活動時,GPT就會以夏洛特稱呼用戶,提供符合本地天氣和交通的建議。

 

OpenAI稱團隊改進了部分外語中的響應速度、流暢性以及口音。語音會根據對話語氣進行調整,你可以創建場景,提示它扮演不同的角色。聲音延遲非常低,理解力也更強,真的像是和另一個人自然對話。

 

不過OpenAI四個月前展示過的視頻和屏幕共享功能此次并未更新。當時工作人員向GPT詢問紙上的數學題和電腦屏幕上的代碼,通過自然語音對話獲得了實時解答。目前,OpenAI尚未提供這項多模态功能的推出時間表。

 

此外高級語音模式也暫時不對歐盟、英國、瑞士、冰島、挪威和列支敦士登等地區開放。

 

盡管如此,終于能親自上手OpenAI版的“her”,對已經混AI圈混到審美疲勞的人們來說,确實算一件值得興奮的事了。加上才制造了一波熱潮的o1-preview,OpenAI又妥妥硬控業界一周。

 

4.png

 

這一激動也把大夥兒整地間歇性失憶了:

 

話說Google今天是發了個啥來着?



Gemini 1.5 升級兩款新模型,價格減半,速率提升


Google這次的更新其實也很重磅,至少對于開發者來說。


根據Google Blog,這次他們更新了兩個生産級Gemini模型:Gemini-1.5-Pro-002 和 Gemini-1.5-Flash-002。所謂“生産級”,是指AI模型經過了充分的開發、測試和優化,已準備好商業化部署,能處理大量用戶請求、應用于産品服務中,而不僅僅是用于實驗或研究。

 

作為今年5月I/O大會亮相的Gemini 1.5系列模型的重大升級,新模型更快、更強大,也更具成本效益。

 

5.png

主要亮點概括為:

 

1.  價格大幅降低:1.5 Pro的輸入和輸出價格下降約50%,大幅降低了構建成本,尤其是對小于128K token的提示。

6.png

 

2. 整體質量改進:尤其在數學、代碼生成、長文本上下文和視覺任務上的性能提升顯著,包括在MATH、HiddenMath等基準測試中提高約20%,視覺和代碼應用提高2%-7%。

 

7.jpg

 

3. 速率限制提高:1.5 Flash和1.5 Pro的速率限制分别從每分鐘1000RPM(Requests Per Minute)和360RPM提高至每分鐘2000 RPM和1000 RPM,使開發者能夠更快構建和處理任務。

 

4. 更快輸出和更低延遲:輸出速度提升2倍,延遲降低3倍,為更高效的應用場景提供支持。

 

8.png

 

5. 更簡潔的響應:響應風格更簡潔、成本更低,輸出長度縮短5%-20%,同時在許多話題上減少了拒絕和回避的次數,并保持高有用性。

 

6. 多模态和長上下文支持:1.5 Pro的200萬token長上下文窗口支持處理長文本和多模态任務,如1000頁PDF或長視頻的内容生成。

 

7. 更新的過濾設置:模型的默認安全過濾器不再自動應用,開發者可以根據需要定制模型的安全設置。

 

開發者可以通過Google AI Studio和Gemini API免費訪問這兩個最新模型。大型組織和Google Cloud客戶也可在Vertex AI上使用新模型。


 


籠罩在GPT陰影下的Gemini


 

但在同行對比下,不少普通用戶對Google這次動作表達了失望,覺得這甚至算不上真正意義的“發布”。


Abacus.AI CEO、知名博主Bindu Reddy說,“唉,OpenAI發布了通過智商測試的o1,而Google隻是對Gemini 1.5進行了一些小更新。他們擁有100倍的資源、10倍的人才和10倍的所有東西,怎麼會這樣呢?”

 

9.png


盡管開發者中還是有些人為Google說話,比如Reddit讨論區就有網友表示:

“對于那些實際在構建應用并試圖降低成本、增加利潤的人來說,這些都是有用的東西。我正在做的應用有一個每次操作的固定成本,由token長度決定,這讓我的利潤提高了大約30%以上。這對大多數人來說可能沒什麼意思。我知道很多人會因為谷歌的這個“公告”而生氣——但實際上這對開發人員來說是一個不錯的更新。”

 

10.png

 

價格對半砍、速率提升、延遲降低,這些确實正中開發者下懷。但正如大家所說,吸引力也許僅限于開發者群體了。

 

11.png

 

甚至連一些開發者也嗤之以鼻:“我沒看到跟Claude或o1的比較,而我們馬上就要迎來下一代OpenAI和Anthropic模型。DeepMind其實擁有遠超目前的模型,但他們在走直接面向企業的路線,繞過了大衆。Gemini令人印象深刻嗎?完全不,簡直令人失望透頂。”

 

Google對于模型的糟糕命名也被網友群嘲,認為其冗長且易混淆。

 

12.png


The Information近期發布了一篇名為《Why AI Developers Are Skipping Google’s Gemini》的文章。其中通過對多位AI公司創始人和Google内部員工的采訪,講述了Gemini如何被開發者“抛棄”,在追趕ChatGPT時遇到的阻滞和困境。

 

比如,相比競争對手的技術,調用Gemini對于開發者和企業來說過于複雜。Topology創始人Aidan McLaughlin表示,他首次使用OpenAI的API僅用了30秒,而使用Gemini則花了4個小時。同時Google的大模型性能卻排在OpenAI和Anthropic之後,并不值得他跨過這些障礙。

 

相較于ChatGPT,Gemini在開發者中的不受歡迎似乎是現實世界公開的秘密。

 

企業軟件初創公司Retool在6月份對750多名科技員工進行的調查發現,僅有2.6%的受訪者表示他們最常使用Gemini來構建AI應用,超過76%的人選擇使用GPT。

 

Similarweb追蹤的網站流量數據顯示,6月至8月期間,OpenAI的應用開發者頁面訪問量達8280萬次,而谷歌的頁面訪問量為840萬次。

 

較小的非正式調查也提供了類似的證據。上月底,Finetune的創始人Julian Saks向他在舊金山聯合辦公空間的50名AI初創企業開發者詢問他們最常使用的對話式AI模型。幾乎所有人都表示,他們主要使用的是Anthropic或OpenAI的模型,沒有人提起Gemini。

 

盡管Gemini模型在分析長文檔或長代碼庫時非常有用,但許多開發者表示,谷歌的模型選項種類繁多,步驟複雜,開發者系統也與OpenAI的不同,更難使用。并且有時,Google提供的不同服務還會在它自己的搜索結果中互相競争,使得人們在試圖搞清楚這些工具時很容易被“絆住”。

 

Gemini因此經常在X上被嘲笑。安全初創公司Xbow的AI研究員Brendan Dolan-Gavitt本月早些時候發了一條推文,詳細介紹了他通過Vertex開始使用Gemini所需的衆多步驟,迅速走紅。其他開發者紛紛評論區表示同情。

 

在一個“世界上領先的工程師都在使用OpenAI、Claude或Cursor”的環境中,開發者們确實沒有必要再去嘗試其它。而反過來說,使用量的走低又無法讓Gemini獲得ChatGPT一樣多的數據反饋,緻使Google在改進模型上會面臨更模糊的路線圖。

 


失望是因為人們對Google期待很高



Google正試圖改變這種看法,包括通過在X上回應對Gemini的批評,将更多OpenAI等公司的明星技術專家納入麾下、将部分重疊的開發功能合并等。他們還通過舉辦開發者活動來宣傳Gemini。


今天與Gemini-1.5-Pro-002推出同步進行的,還有一場Gemini for Work的線上活動,Google花了大量篇幅宣講Gemini目前在Best Buy、Snap、UPS Capital、Wayfair等公司的應用案例。 據悉,他們正試圖通過提供一定程度的“白手套”服務來拉攏更多大企業客戶。

 

隻是在根深蒂固的市場份額面前,Google的反擊之路可能沒那麼好走。

 

AI Studio的産品負責人Logan Kilpatrick今年4月加入前曾于OpenAI負責開發者關系,他表示:“實際情況是,OpenAI在LLM API開發者工具方面領先于谷歌。我們必須與他們當前在開發者中根深蒂固的市場份額作鬥争。”

 

稍早前AI圈知名博主Rowan Cheung曾預告,自己完成了一個關于AI模型重大升級的采訪,今天開發者們将迎來一個大日子。

那篇推文下面,Logan Kilpatrick的笑臉字符表情在一大片“怎麼不是Claude Opus 3.5”的遺憾聲中略顯尴尬。

 

保守、争議、滞後是今天Google這位AI巨頭給社區留下的刻闆印象。Gemini-1.5-Pro-002的推出似乎也并未打破這一僵局。

人們對這家公司的失望,都是來自對它的期待很高:這麼強的實力和人才儲備,卻無法給世界更多的“替代”OpenAI的選項,誰都會感到遺憾。

 


微信掃碼 > 右上角點擊 > 分享