OpenAI 2024 发布会第 9 天：迄今为止内容最丰富的一天(对于开发者来说)

注：本文长 2000 字，阅读 6 分钟，推荐观看下方视频。

TL,DR:

今天是 OpenAI 2024 年末 12 场发布会的第 9 场，也是迄今为止内容最丰富的一场。简而言之更新了四件事：

  1. OpenAI O1 正式版模型发布，并且支持 Function Calling、开发者消息（System Message 的升级版）、结构化输出以及视觉识别功能。
  2. Realtime API 升级，从 Socket 改为 WebRTC，链接配置更简单更稳定，GPT-4o 音频模型降价 60%，推出价格仅为之前 1/10 的 GPT-4o mini 音频模型。
  3. 发布偏好微调功能（Perference Fine-Tuning），帮助开发者在特定的场景下获得更好的输出。
  4. 更新 SDK，发布 GO 和 Java SDK。

不得不承认，OpenAI 最近发布的内容真的是已经被 Google 压着走，有空我也会跟着更新一些关于 Google 发布的信息。包括大家现在仍然可以免费在 erlich.fun 上体验免费的（我认为比 GPT-4o 更好的全模态）Gemini 2 Flash 模型。

我们一个一个还是简单过一下细节以及意义。

OpenAI O1 模型正式版发布

  1. 目前的版本响应速度更快；
  2. O1 模型支持新的“思考时间”参数—— Reasoning Effort ，可以根据处理任务的难度调整输出速度和算里的消耗，从而最优化成本；
  3. 支持一个新的 Developer Messages，过去的 Messages 只分为 System Messages、Assistant Messages、User Messages，现在把 System Messages 替换为 Developer Messages，可以实现更好的模型控制；
  4. 支持视觉识别能力、Function Calling 能力、结构化输出能力。

目前只针对最高一级的开发者提供，也就是 Tier 5 级别的开发者账户开放，未来几周会对全部的开发者开放。

Realtime API

  1. 支持 WebRTC，开发者接入更简单，需要优化和处理的部分更简单，也可以更好的跟物联网设备集成（比如最近比较火热的 AI 眼镜这个赛道）。

  2. 降低成本：GPT0-4o 的音频模型成本降低 60%，推出了价格仅为之前 1/10 的 GPT-4o mini 音频模型。并且触发缓存的价格也降低了，目前价格：

    模型降价幅度新的输入价格新的输出价格新的触发缓存输入价格
    GPT-4o 语音模型60%$40/ M tokens$80 / M tokens$2.5 / M tokens
    GPT-4o mini 语音模型90%$10/ M tokens$20 / M tokens$0.3 / M tokens

  3. 会话时间延长：从过去的一个会话时长 15 分钟延长至 30 分钟。

这次降价和推出新的模型确实意义很大。我在没有降价之前尝试过几次，但无奈价格太贵，根本不敢拿来做开发使用，我当时测算的平均成本大概是 1 小时 300 元人民币左右的成本。Realtime API 是个非常好的工具，也可能最能贴近用户并大量使用的 AI 形态，但是过去由于成本太高，导致能做到 300/小时成本的场景就很有限。目前价格虽然降低了 60% ，但是对于国内用户来说仍然价格太高；不过目前还有价格仅为 1/10 的 GPT-4o mini 语音模型可选，成本开始变得更加可以接受。比如英文或其他语言学习场景会开始首先爆发，30元/小时的成本也变得可以接受。

我预计最近因该就会有厂商可以推出最低 150 元/月的口语学习产品，效果还会远好于过去的任何产品。

偏好微调（Perference Fine-tuning）

这个功能更偏向于处理一些带有“主观”性的任务，比如直播当中提到目前已经跟金融分析公司合作来优化输出结果。怎么理解这种主观性呢？比如我们现在上传一份财报给 ChatGPT，让它来评价这家公司在这份财报当中的表现，大概率 ChatGPT 会更加的左右逢源，不会给出太多的个人偏好和判断结果。但是在这种场景下，其实我们要的就是一些观点（或者说偏好），那么我们就可以对这样的内容进行 Fine-tuning，比如在这些场景下给出更有偏好性的结果，这样 ChatGPT 就会产生更大的价值。

SDK 更新

  1. 支持 GO SDK 和 Java SDK，过去大家完全是依赖自己封装的版本，现在为了让大家更快的进行开发，OpenAI 官方开始提供对应的 SDK。对于新的开发者和开发项目而言，可能是更快的，但是对于老的项目，尤其是有一定用户量和基础的，可能大家也不会去更新，毕竟完全自己可控更靠谱一些。

非常利好新项目和小型开发者，未来可能会有更复杂 API 的情况下，可能会价值更高。

期待

这一轮基于 WebRTC 的 Realtime API 的更新，最期待的可能就是更多的基础设施层级的开源项目会更快提供支持，国内应该短期还有不少的新机会和新的产品生长空间，就看谁的场景找的又快又准了。

并且这一轮的更新跟我最近一直在学习和要做的产品也十分相关，我也会积极的做一些最新发布的 Realtime API 的尝试，未来可能还会跟大家分享更多。

本次的内容就到此结束啦，如果你喜欢本篇内容，欢迎转发给你的朋友。

作者：Erlich Liu

微信号：geekthings