James2099

谷歌为了不翻车全是录屏，ptt 发布会

特斯拉做的 FSDV12 现在应该就是端到端的视觉，八个摄像头输入,然后输出控制，还有他的人形机器人

现在的视觉是基于多帧图片不是真正的视觉，后面算力足够应该会加上 sora 级别的视觉感知，从视觉到视觉，有对物理世界的理解，现在只是平面图片级别的理解

之前是文本视觉音频分开训练的，现在文本、音频、视觉丢到一起训练，用的的是一个神经网络，以前要互相转换文字转语音，音频转文字，中间的时间就更久，还有会丢失细节，现在延迟几百毫秒

在 OpenAI 周一上新之前
最后做一次预测，或者说是趋势猜想：

- GPT-4 的新版应该会按照参数规模不同分化成多个版本，这个和 Claude 还有 Gemini 多版本的逻辑一样；

- 前两周出现在 llmsys 上的 gpt2-chatbot 应该是 OpenAI 官方故意放出让大家感受的轻量级的 GPT-4 新版；

- GPT-3.5 的历史使命结束了，GPT-4 的轻量版可以在 ChatGPT 中免费使用，而且 API 的价格会大幅下降；

- 这次 OpenAI 应该为大家准备了一个 GPT-4.5 级别的高级模型，提升了推理能力，能够自主执行 Agent 任务，也就是记忆更强、具备规划能力的 GPT-4 Auto （这应该就是 Sam 说的 Magic ）；

- ChatGPT 在新模型的支持下，可以自动分配任务给不同规模的模型，这个过程丝滑而且准确，Search 功能实际上是新的 Agent or Auto 的子集而已；

- 最后 OpenAI 估计会发布新的 AI Assistant 助手（集成到 ChatGPT or 独立），全语音交互，电影 HER 走进现实！

不是 GPT-5 或搜索引擎

北京时间比平洋时间快 15 个小时。所以，中国时间（北京时间，CST ）是 5 月 14 日星期二凌晨 1 点。在 http://openai.com 上进行直播，演示一些 ChatGPT 和 GPT-4 更新。

太平洋时间 5 月 13 日星期一上午 10 点在 http://openai.com 上进行直播，演示一些 ChatGPT 和 GPT-4 更新。