ChatGPT语音模式基于GPT-4o模型：性能与训练方法的深度解析
Simon Willison2026/04/10 23:56机翻/自动摘要/自动分类
1 阅读
内容评分
技术含量
7/10
营销水分
6/10
摘要
本文揭示ChatGPT语音模式实际采用GPT-4o旧模型，与Codex等高级模型存在显著性能差异。通过对比分析，指出语音交互与代码处理等任务在训练机制和应用场景上的本质区别，强调强化学习奖励函数设计及商业价值对模型能力的直接影响，为开发者理解不同模型定位提供技术视角。
正文
对于许多用户而言，OpenAI的语音模式可能并未显式说明其底层模型的局限性。尽管人们普遍认为语音交互能实现与最先进AI的高效沟通，但实际情况并非如此。当询问ChatGPT语音模式的知识更新截止日期时，系统会显示'2024年4月'，表明其仍基于GPT-4o架构。这一观察源于Andrej Karpathy在Twitter上的分析，指出不同应用场景下AI模型的能力差异：免费的高级语音模式在简单任务中表现欠佳，而付费Codex模型却能在一小时内完成代码库重构或发现系统漏洞。这种性能鸿沟主要源于两个因素：1) 具有明确奖励机制的领域（如单元测试的二元结果）更易通过强化学习训练；2) 商业价值更高的应用场景获得更多资源投入。