文｜AI鯨選社 陳佳惠
編輯｜楊曉鶴
OpenAI揭開草莓模型神秘面紗，能不能算GPT-5，坊間爭議聲音很大。
這就是今日凌晨一點，OpenAI發(fā)布的兩個模型：o1 mini，o1 preview。
據(jù)官方消息，與GPT-4一樣，OpenAI o1也以AI對話和API接口的形式呈現(xiàn)；而與GPT-4系列不同的是，o1可以解決比GPT時期的科學(xué)、編碼和數(shù)學(xué)模型更難的問題。具體來看，之前的GPT模型旨在模仿其訓(xùn)練數(shù)據(jù)中的模式，而o1的訓(xùn)練旨在讓其獨立解決問題。
意味著o1模型可以像人一樣，需要花更多的時間去思考問題，嘗試不同的策略，甚至能意識到自己的錯誤。
聽著很厲害對不對？但實際4O、O1等大模型“寄生”的AI對話類產(chǎn)品，他們的用戶數(shù)并不高。
而據(jù)QuestionMobile，AIGC APP在工作日期間的活躍度高于雙休日，推測現(xiàn)階段AI與用戶辦公場景的適配性更強，AI主要圍繞工作場景，為用戶生成文本、圖片等內(nèi)容信息。
o1模型雖在物理、化學(xué)、生物、編程等領(lǐng)域表現(xiàn)得像博士生一樣好，但對與編程能力來說，755萬程序員占國內(nèi)人口不足1%，可用武之地并不多，對C端大多數(shù)用戶來說帶來的效益并不高。
尤其近日，AI對話類App的用戶留存問題被推至風(fēng)口浪尖，更衍生出了“大模型六小虎泡沫即將破滅”的說法，AI對話的處境岌岌可危。盡管阿里原技術(shù)副總裁賈揚清已經(jīng)提出質(zhì)疑，下圖30日國產(chǎn)5大AI對話類產(chǎn)品留存率接近0，這一數(shù)據(jù)應(yīng)該不準(zhǔn)確，但AI對話現(xiàn)在確實有一點“盛名之下，其實難副”
圖源：賈揚清朋友圈
根據(jù)QuestMobile 權(quán)威數(shù)據(jù)顯示，頭部AIGC APP運營數(shù)據(jù)活躍率低，均在20%以下；忠誠度方面，3日留存均在50%以下；流失風(fēng)險高，部分APP的卸載率在50%以上。
坐擁數(shù)億注冊用戶但日活很低的AI對話類產(chǎn)品，新的草莓大模型能否拯救呢？
9.11還是9.9大？AI界的亙古難題
曾經(jīng)AI對話因回答錯“9.11還是9.9大”被熱議，現(xiàn)在國內(nèi)各家都迭代了多代大模型，文心、豆包、Kimi等都能答對這道簡單的數(shù)字題。但是OpenAI新更新的o1模型卻還是沉迷自己不知名的邏輯怪圈里，找不到正確答案。
但國內(nèi)大模型也并沒有領(lǐng)先多少，但當(dāng)我們問對話大模型一些客觀的問題，如“草莓的單詞里有幾個r”、“打了警犬算襲警嗎”等問題時，就會發(fā)現(xiàn)，這個剛剛還無所不能的AI助手突然變得手舞足蹈、不知所云了起來。
目前來說，對話大模型在簡單的場景仍易漏洞百出，網(wǎng)友戲言：就這？取代我們?nèi)祟悾?/p>
誠然，大模型幻覺率高的問題，始終制約著AI對話在C端的滲透。專注于用戶體驗的研究機構(gòu)Nielsen Norman Group在23年9月發(fā)布的一篇研究文章中提到，在曾經(jīng)使用過AI工具的人中，大多數(shù)（78%）將 AI 工具用于工作和個人目的；8%的人僅將 AI 用于個人用途。
而在精益求精的工作用途中，大模型幻覺顯得更加致命。不僅如此，工作場景中精確的指令反而更易讓大模型“發(fā)懵”，AI對話的表現(xiàn)也并不出色。
在十字路口與脫口秀演員毛東的播客中，毛東提到，在用AI對話啟發(fā)脫口秀文本創(chuàng)作的過程中，需要提前對對話模型進行5分鐘左右的預(yù)訓(xùn)練，而預(yù)訓(xùn)練后對話AI生成的稿件也并不能直接起作用。輸入一些稍復(fù)雜的指令，如要求大模型同時將“模仿路易·C.K.脫口秀風(fēng)格”、“加入結(jié)婚話題的段子”、“帶一些北京方言”融入文本創(chuàng)作，大模型就會分不清重點，生成的脫口秀文本索然無味。
同樣的，Nielsen Norman Group的用戶研究也指出，在使用對話AI時用戶幾乎總是進行多步迭代，因為人工智能無法準(zhǔn)確提供用戶想要的東西——它只能猜測意圖。假如問對話AI“從上海出差到北京，近十五天有什么天氣變化？有哪些穿衣建議”，則需要先對AI下達查詢近15日天氣的指令，然后引導(dǎo)其回答上海與北京的溫度差異，以及針對北京溫度進行穿衣建議。
然而，對于同一問題，似乎國內(nèi)AI對話還有部分進步空間，Claude、ChatGPT的回答更精準(zhǔn)一些。
對話AI的記憶也限制了其用戶體驗。通常在與AI進行超過7-10輪對話后，AI的回答開始變得混亂或不連貫。這就像你在跟一個注意力持續(xù)時間只有5分鐘的人聊天，每過一會兒就得重新介紹一遍背景，導(dǎo)致AI對話用戶體驗感平庸。
正如我們所見，無論是線性的還是非線性的回答，人們在滾動對話記錄，尋找合適的回答時都容易迷失方向。這個過程中，對話大模型理解和表達能力有限，整體用戶體驗平庸，大多數(shù)用戶們也經(jīng)歷了從新鮮感到失望，AI對話也難以高效留存住用戶。
多模態(tài)交互技術(shù)不夠成熟，距離“Her”實現(xiàn)尚遠？
電影《Her》中的人工智能不是一個簡單的對話式AI，她不僅能通過聲音表現(xiàn)出極為復(fù)雜的情感，比如幽默、溫柔、關(guān)懷甚至是嫉妒，還具有高度的情感智能和自主學(xué)習(xí)能力，能夠理解人們的情感需求，并根據(jù)互動不斷優(yōu)化自己的言行。
仿真的語音對話交互、流暢的多模態(tài)體驗，使故事的男主人很快忘記了面前的“女聲”只是一團冰冷的算法，深陷愛河。
而5月，OpenAI的ChatGPT-4o發(fā)布會結(jié)束后，Sam Altman在Twitter上發(fā)了一個簡短的詞：“her”，暗示著OpenAI已接近于完成科幻電影《Her》中，那位女性語音智能機器人的能力。
GPT-4o支持文本、音頻和圖像的任意組合的輸入和輸出。Mark Chen演示GPT-4o的多模態(tài)成果時，他告知ChatGPT自己正在做演示，詢問GPT自己非常緊張應(yīng)該怎么辦。ChatGPT提示他：“深呼吸一下吧，記住你是個專家！”隨后，Mark Chen用非常急促的幾聲喘息回應(yīng)，ChatGPT則用吃驚語氣下的“慢點呼吸，你可不是個吸塵器！”來回答他，幽默的回答令人忍俊不禁。
GPT高效的生成速度，帶來流暢的多模態(tài)交互體驗，雖然暫時還不能如《Her》中一樣流暢地進行視頻對話，但演示案例中的語音對話已非常接近。
現(xiàn)實是，4o語音能力還沒發(fā)布，o1還不具備瀏覽網(wǎng)頁或處理文件分析功能。盡管它具備圖像分析功能，但該功能暫時關(guān)閉，等待進一步測試。
但國內(nèi)月活第一的豆包APP的互動能力卻稍顯遜色。豆包雖然能識別語音，并進行對話，但其生成速度卻不及GPT，百度的文心生成速度則更慢。不僅如此，豆包也無法識別對話過程中的語氣。AI鯨選社在與豆包交流時，用很沮喪的語氣說“今天天氣可真好啊”，可豆包卻判斷出對話者的情緒是不錯的。
圖注：與豆包語音交互過程的文字記錄
百度的文小言語音對話，雖有AI虛擬角色豐富用戶的視覺體驗，但其生成內(nèi)容實在是慢，用戶在交互過程中盯著虛擬角色遲遲不“說話”，很容易“跳戲”。
圖注：文小言語音交互界面截圖
智譜清言于9月5日上線了“視頻通話”功能，向著Her的目標(biāo)又邁進了一步。然而，智譜的視覺能力不太完善，把圖中的紫色看成粉色，綠色誤認(rèn)為灰色，堪稱一位“色弱”的AI助手。不過，它的視頻對話機器人非?；钴S，善于引發(fā)話題，它會夸贊你的窗簾很有設(shè)計感，還會自己找話題，問你有沒有什么拿手的菜。值得一提的是，智譜的生成速度比文心和豆包都稍快一些，交互體驗還不錯。
圖注：智譜清言視頻聊天截圖
雖然現(xiàn)階段語音、圖像識別等技術(shù)正在快速發(fā)展，但真正流暢、自然的多模態(tài)AI對話體驗仍然任重道遠，目前來說，國內(nèi)AI對話的多模態(tài)交互還不夠成熟。
但無論是“her”還是GPT-4o，可見的是，具備多模態(tài)交互的AI對話產(chǎn)品，是AI對話發(fā)揮能力的關(guān)鍵。
AI對話對“Her”的向往，也是能留住用戶的關(guān)鍵。這種最接近人類的聊天方式，才是打破只有專業(yè)人士用Prompt，才能和AI對話產(chǎn)品交互的桎梏。
AI對話還在尋找自己的killer feature
現(xiàn)在的AI對話應(yīng)用確實有不少花哨的功能。它可以回答我們?nèi)粘Ｋ鶈枺梢詭臀覀儗懬闀?，甚至還能和它玩角色扮演......
但據(jù)《2024年中國移動互聯(lián)網(wǎng)半年報告》，國內(nèi)AIGC用戶不穩(wěn)定，AIGC行業(yè)人均使用時長同比下滑了23.5%。AI對話類APP功能雖多，卻都是一些“花拳繡腿”，獲客成果并不理想。
周鴻祎曾指出，通用大模型留存率低的原因主要在于承諾什么都能做的同時，卻什么都做不精。也正是因為功能過多過于繁雜，AI對話類APP還沒有找到那個讓用戶欲罷不能的killer feature。
互聯(lián)網(wǎng)時代，使支付寶、微信、抖音、美團真正殺出重圍的，是它們都找到了自己的“殺手锏”。購物支付會想到支付寶，社交聊天會想到微信，閑暇時間會想要看看抖音，“飯來張口”會想到美團外賣......反觀AI對話呢？它好像什么都能做，又好像什么都做不好。
目前，國內(nèi)AI對話產(chǎn)品中，Kimi是較早找到應(yīng)用場景的。知識高效獲取一直都是職場、學(xué)生和科研人士的痛點問題，用戶們拿到的資料往往都是大段資料，知識獲取速度較慢。
Kimi抓住用戶這一痛點，主打長文本和文檔處理兩個功能，能幫用戶快速抓取文檔重點，取得了還不錯的用戶體驗。據(jù)AI數(shù)智源發(fā)表的8月國內(nèi)AI榜單來看，Kimi仍以22.85M的數(shù)據(jù)領(lǐng)先其他家。但是實際上Kimi預(yù)訓(xùn)練較弱，模型本身能力并不強。但正是抓住了有效場景，Kimi的數(shù)據(jù)穩(wěn)居國內(nèi)大模型前列。
數(shù)據(jù)來源：Similarweb
目前其他家大模型，包括豆包、文心等，也都跟進了長文本處理和文檔解讀功能，能夠滿足用戶日常工作所需。不僅如此，百度專門推出“橙篇”對標(biāo)Kimi（橙篇提供專業(yè)的知識檢索和問答、超長圖文理解和生成、深度編輯和跨模態(tài)自由創(chuàng)作等功能）。這么看來，Kimi曾經(jīng)的專長也并不顯優(yōu)勢了。
而在龍頭OpenAI內(nèi)斗的這些日子里，Anthropic暗暗發(fā)力。據(jù) Datos對ChatGPT調(diào)用場景的調(diào)查數(shù)據(jù)，編程問題占據(jù)了 29%，在所有使用場景中排名第一。Claude 3.5 Sonnet更新的“工坊模式”，強化編碼能力，使生成代碼速度更快，效率超過之前的GPT-4。編程作為最高頻、剛需的AI應(yīng)用場景之一，給市場帶來了機會與收入。
OpenAI不放手編程場景。這次更新的o1模型主打強推理、強編碼能力，有網(wǎng)友體驗稱其代碼正確率確實有提升，“以前很少能一次run成功的”。o1還未正式開放，其效果究竟如何還待檢驗。
Claude 3.5的文本生成能力也在新Prompt“漢語新解”中得到了詮釋。Claude于6月24日發(fā)布3.5模型，六月底，Claude流量激增135%。
找到殺手級場景的AI對話產(chǎn)品風(fēng)光創(chuàng)收，不禁讓其他家焦慮了起來，各大AI公司都在絞盡腦汁找辦法。
近日的外灘交流會上，阿里發(fā)布了“支小寶”全家桶，布局AI生活管家。百度也暗中轉(zhuǎn)變戰(zhàn)略，升級文心一言，并更名為“文小言”，定位“新搜索”智能助手。值得一提的是，百度改名的“文小言”，頗有“轉(zhuǎn)戰(zhàn)搜索”的意味。9月11日，字節(jié)也被爆出布局AI硬件的消息，開發(fā)與豆包大模型和豆包APP聯(lián)動的智能耳機、智能眼鏡，探索大模型與硬件結(jié)合的賽道。大家都在努力找殺手級場景，形成自己的特色能力。
AI對話現(xiàn)在像是一個天賦異稟但還在青春期的少年，有著無限的潛力，卻還不知道如何施展自己的才華，正四處嘗試。
但是，似乎行業(yè)的共識也正如周鴻祎所表達的，AI對話的未來不在于創(chuàng)造一個通用的超級助手，而在于為每個特定的人類需求打造契合的AI解決方案。也許這才是AI對話類產(chǎn)品，自己被用戶新鮮感過后月拋，這一難題的的核心解決辦法。