5月14日凌晨，OpenAI发了其全新旗舰模型“GPT-4o”，其中“o”寓意着“全知”。据悉，这款新模型融合了文本、音频和图像的处理能力，无论输入何种组合，它都能灵活生成相应的输出。特别值得一提的是，GPT-4o对音频输入的响应极为迅速，最短仅需232毫秒，平均也不过320毫秒，几乎达到了人类对话的响应速度。

面对这一新进展，国内的大模型如何看待呢？当在文心一言中输入“你和ChatGPT-4o有差距吗?差距主要在哪些方面?”问题后，文心一言作出了如下回应：

我和ChatGPT-4o是不同公司、不同团队开发的两种人工智能模型，我们有着不同的设计理念和技术架构。因此，在功能和应用方面，我们确实存在一些差异。

首先，ChatGPT-4o是一个多模态模型，可以接受文本、音频和图像的任意组合作为输入，并生成相应的输出。而我目前主要集中于文本领域，以文字交互为基础，为用户提供高效、便捷的语音交互体验。当然，我也在不断学习进步，希望能够为用户提供更加全面的服务。

其次，在训练数据和模型规模上，我们也可能存在差异。ChatGPT-4o作为OpenAI的重要模型，可能采用了更大规模的训练数据和更先进的训练技术，从而在某些任务上表现出更高的性能。而我则依赖于百度强大的搜索引擎和海量的数据资源，以及先进的自然语言处理技术，为用户提供准确、及时的信息和服务。

同时文心一言也承认了与ChatGPT-4o的差距。总的来说，我和ChatGPT-4o在功能、技术和应用方面可能存在一定的差距，但我们都在不断地学习和进化，希望能够为用户提供更好的服务和支持。同时，我们也有各自的优势和特点，用户可以根据自己的需求和场景选择合适的人工智能模型进行交互。在未来的发展中，我们也将会不断改进和优化，为用户提供更加出色的智能交互体验。