OpenAI开发者日，o1驾驶无人机后空翻！2分钟爆改代码写App

编辑：桃子 好困

【新智元导读】OpenAI伦敦开发者日上，首次曝出了o1五大核心能力，还有图像理解。o1两分钟构建应用驾驶无人机、电话订餐、讲解太阳系，现场演示让所有开发者沸腾。

完整版o1的解禁，离我们不远了！

就在刚刚举办的OpenAI伦敦开发者日上，开发者体验主管Romain Huet带着o1模型来秀场了。

o1 mini联动Cursor在不到2分钟时间内，搭建了一个可以交互的应用，驾驶无人机表演后空翻。

现场数百名开发者， 掌声不断。

还有利用RealTimeAPI，构建的实时语音AI智能体向人一样，电话卖家订购200个派。而且，o1还不忘了幽默风趣，对话情商非常高。

不仅如此，有了o1构建的太阳系可视化介绍应用，想必未来的教学一定非常有趣。

这还仅仅是预览版+mini版o1的功能，在演讲末，一张PPT展示了未来o1的五大能力：

函数调用、开发者message、流式传输、结构化输出、图像理解。

o1演示炸场，台下观众欢呼不断

写代码搭App，驾驶无人机后空翻

整场最让人震撼的是，用o1 mini+Cursor搭建应用驾驶无人机飞行。

Romain Huet告诉o1，我现在有一架无人机，还缺少一个用JavaScript编写的交互界面，但是我不会如何编程。

接下来，他要求o1去构建这个应用，并设定好所有的交互按钮和组件。

并且，他向模型发送了一个样本视频，作为参考。

o1收到请求后，开始执行所有的任务。

在这过程中，为了确保应用程序搭建能够实时更新，Huet通过在UDP数据库上发送可能与用户-按钮交互相关信息，从而实现实时数据传输。

并且，这个操作也非常简单，只需要点击每个按钮，并发送更改评论，便可以在应用中得到更新。

最后，我们就得到了这样的一个交互界面。

左边黑的的框框是无人机摄像头显示屏，右边就是各种交互的按钮了。

见证奇迹的时刻到了，Huet将无人机放置在地面上，打开终端，开始运行o1搭建的应用。

只见o1驾驶的无人机演讲台上飞起，与台下的观众来了一张大合影。

更惊喜的是，无人机现场还来一个360度的运镜。

整个应用构建，用了不到2分钟的时间。

AI实时语音订购派，堪比真人

另外，Huet还秀了一波用RealTimeAPI构建实现实时语音的能力。这一功能实际上在上个月已经推出。

他表示，现在能够实现更长时间、更稳定的对话。

旅行应用程序Wanderlust中，Huet假设自己正计划伦敦和新加坡之旅，假设下周就要去新加坡。

他问道，你能给我提供一些游览的景点吗？

随后，在屏幕右边可视化图中，展示除了新加坡一些著名打卡点。

紧接着，Huet又让他为自己推荐酒店，以及更多细节。

实时语音一边说，一边给出了结果。

接下里，他又让o1在伦敦chiswell街区的当地商店订购一份pie。

OpenAI开发者论坛负责人Spencer Bentley分享

Huet：我们台下有数百位开发者，他们可能喜欢吃一些甜点，你能帮我看看附近这儿可能有哪些商店？

o1：这是一些关于pie商店更多的细节。

不过，o1给出的结果中，第二个并非是真实存在的商店，只有其余两个是。

为了方便演示，让现场工作人员担任卖家，Huet邀请同伴上台，一起来完成这个任务。

「在预算允许的情况下，帮我们订购200个pie，可以是肉和蔬菜的混合馅料」。

o1直接给IIan's Poah Pies打去了电话，并像人一样主动订购。

介绍太阳系，让教学更有趣

另外一个用RealTimeAPI构建太阳系导航应用程序，利用o1实时语音能力介绍星系。

从太阳系中最大的木星，到地球，再到火星深入介绍，o1全部都能娓娓道来。

OpenAI研究员表示，这一功能教会了自己：在教女儿新知识时如何成为有趣的父母。

奥特曼QA环节，自曝最敬佩Cursor

没有Sam Altamn的开发者日，就不算是完整的。在整场演讲结束后，最后一个环节，就是Altamn QA问答了。

在线上，奥特曼抛出了一个深刻的思考：

人们总是倾向于用历史上的技术革命来类比当前的AI革命。

但这种类比方式本身是存在问题的。比如说，互联网革命就与现在的情况有很大的不同。

也许拿晶体管来做比较会更恰当。

晶体管是物理学领域的重大发现，它具有惊人的规模化潜力，并且迅速在全球范围内得到应用和普及。

虽然晶体管技术让整个人类社会受益，但现在人们并不会把那些最早开发晶体管的公司仅仅定义为「晶体管公司」。

「我不祈求上帝站在我这边，而是祈求自己能够站在上帝这边。在开发这些人工智能模型的过程中，我确实感觉自己是在追随光明与正义的道路。」

问：我们应该期待像o1这样的模型还是更大规模的模型？

奥特曼：希望全面提升大语言模型的性能，但这个推理思路很重要。

「不方便透露太多细节...但我预计视觉模型领域会有突破性进展。」（这似乎暗示即将推出比GPT-4更强大的视觉模型）

问：在技术整合方面会达到什么程度？基于OpenAI构建产品的AI创业公司应该如何规划？

奥特曼：建议创始人应该打造这样的公司——既能充分利用当前大语言模型的优势，又能在未来模型升级时获得更大发展空间。

问：开源的定位是什么？

奥特曼：答案表明开源确实有其存在空间，但同时也需要很好地整合专有模型。不过，这个回答似乎没有提供太多实质性内容。

问：什么是AI智能体（Agent）？

奥特曼：「一个可以接受长期任务并且在执行过程中只需少量监督的系统。」我认为Harrison Chase在Langchain的博客中给出的定义更加严谨，但从商业角度来看，这个定义很实用。

问：AI智能体能做什么？

奥特曼：它们能够完成人类因能力限制而无法完成的任务，比如同时与300家餐厅进行通话，让AI智能体在每家餐厅进行交谈并即时收集信息。

或者说，它像一位极其智慧的高级同事，你可以放心地交给他两天或一周的工作任务。

说实话，我很讨厌「agentic」这个词。不让我们一起边讨论边思考，然后创造一个新词吧！

问：在过去10年里，他的领导方式发生了哪些变化？

奥特曼：公司发展速度惊人，仅用两年时间就实现了数十亿美元的营收规模。从追求10%的提升转向追求10倍的突破，这需要进行大量的调整和改变。

问：对于Peter Thiel「要招聘30岁以下的员工」的建议，你怎么看？

奥特曼：我创立OpenAI时就已经过了30岁。团队需要不同年龄层的人才，真正重要的是要始终保持极高的人才标准。

问：你最担忧的是什么？

奥特曼：从整个行业角度来看，我们正在尝试解决的问题的系统性复杂度。

问：如果现在要创建新公司，他会选择什么方向？

奥特曼：专注于某个特定领域，比如开发AI法律顾问或AI工程师助手。

问：你觉得有什么重要信息需要让更多人知道？

奥特曼：一个能够全面了解并陪伴你生活的智能助手。

问：除了OpenAI的团队，你最敬佩谁？

奥特曼：Cursor团队——他们打造了一个极具突破性的AI应用体验。

问：如果能够实现理想中的未来，你觉得会是什么样子？

奥特曼：在接下来的5年里，我们可能会看到AI技术以难以想象的速度进步。但有趣的是，社会表面的变化可能并不会那么剧烈——真正的影响可能要在更长远的未来才会完全显现。