文 AI 鲸选社，作者陈佳惠，编辑杨晓鹤
OpenAI 揭开草莓模型神秘面纱，能不能算 GPT-5，坊间争议声音很大。
这就是今日凌晨一点，OpenAI 发布的两个模型：o1 mini，o1 preview。
据官方消息，与 GPT-4 一样，OpenAI o1 也以 AI 对话和 API 接口的形式呈现；而与 GPT-4 系列不同的是，o1 可以解决比 GPT 时期的科学、编码和数学模型更难的问题。具体来看，之前的 GPT 模型旨在模仿其训练数据中的模式，而 o1 的训练旨在让其独立解决问题。
意味着 o1 模型可以像人一样，需要花更多的时间去思考问题，尝试不同的策略，甚至能意识到自己的错误。
听着很厉害对不对？但实际 4O、O1 等大模型“寄生”的 AI 对话类产品，他们的用户数并不高。
而据 QuestionMobile，AIGC APP 在工作日期间的活跃度高于双休日，推测现阶段 AI 与用户办公场景的适配性更强，AI 主要围绕工作场景，为用户生成文本、图片等内容信息。o1 模型虽在物理、化学、生物、编程等领域表现得像博士生一样好，但对与编程能力来说，755 万程序员占国内人口不足1%，可用武之地并不多，对C端大多数用户来说带来的效益并不高。
尤其近日，AI 对话类 App 的用户留存问题被推至风口浪尖，更衍生出了“大模型六小虎泡沫即将破灭”的说法，AI 对话的处境岌岌可危。尽管阿里原技术副总裁贾扬清已经提出质疑，下图 30 日国产 5 大 AI 对话类产品留存率接近0，这一数据应该不准确，但 AI 对话现在确实有一点“盛名之下，其实难副”
图源：贾扬清朋友圈
根据 QuestMobile 权威数据显示，头部 AIGC APP 运营数据活跃率低，均在 20% 以下；忠诚度方面，3 日留存均在 50% 以下；流失风险高，部分 APP 的卸载率在 50% 以上。
坐拥数亿注册用户但日活很低的 AI 对话类产品，新的草莓大模型能否拯救呢？
9. 11 还是 9.9 大？AI 界的亘古难题
曾经 AI 对话因回答错“9.11 还是 9.9 大”被热议，现在国内各家都迭代了多代大模型，文心、豆包、Kimi 等都能答对这道简单的数字题。但是 OpenAI 新更新的 o1 模型却还是沉迷自己不知名的逻辑怪圈里，找不到正确答案。
但国内大模型也并没有领先多少，但当我们问对话大模型一些客观的问题，如“草莓的单词里有几个r”、“打了警犬算袭警吗”等问题时，就会发现，这个刚刚还无所不能的 AI 助手突然变得手舞足蹈、不知所云了起来。
目前来说，对话大模型在简单的场景仍易漏洞百出，网友戏言：就这？取代我们人类？
诚然，大模型幻觉率高的问题，始终制约着 AI 对话在C端的渗透。专注于用户体验的研究机构 Nielsen Norman Group 在 23 年 9 月发布的一篇研究文章中提到，在曾经使用过 AI 工具的人中，大多数（78%）将 AI 工具用于工作和个人目的；8% 的人仅将 AI 用于个人用途。
而在精益求精的工作用途中，大模型幻觉显得更加致命。不仅如此，工作场景中精确的指令反而更易让大模型“发懵”，AI 对话的表现也并不出色。
在十字路口与脱口秀演员毛东的播客中，毛东提到，在用 AI 对话启发脱口秀文本创作的过程中，需要提前对对话模型进行 5 分钟左右的预训练，而预训练后对话 AI 生成的稿件也并不能直接起作用。输入一些稍复杂的指令，如要求大模型同时将“模仿路易·C.K.脱口秀风格”、“加入结婚话题的段子”、“带一些北京方言”融入文本创作，大模型就会分不清重点，生成的脱口秀文本索然无味。
同样的，Nielsen Norman Group 的用户研究也指出，在使用对话 AI 时用户几乎总是进行多步迭代，因为人工智能无法准确提供用户想要的东西——它只能猜测意图。假如问对话 AI“从上海出差到北京，近十五天有什么天气变化？有哪些穿衣建议”，则需要先对 AI 下达查询近 15 日天气的指令，然后引导其回答上海与北京的温度差异，以及针对北京温度进行穿衣建议。
然而，对于同一问题，似乎国内 AI 对话还有部分进步空间，Claude、ChatGPT 的回答更精准一些。
对话 AI 的记忆也限制了其用户体验。通常在与 AI 进行超过7-10 轮对话后，AI 的回答开始变得混乱或不连贯。这就像你在跟一个注意力持续时间只有 5 分钟的人聊天，每过一会儿就得重新介绍一遍背景，导致 AI 对话用户体验感平庸。
正如我们所见，无论是线性的还是非线性的回答，人们在滚动对话记录，寻找合适的回答时都容易迷失方向。这个过程中，对话大模型理解和表达能力有限，整体用户体验平庸，大多数用户们也经历了从新鲜感到失望，AI 对话也难以高效留存住用户。
多模态交互技术不够成熟，距离“Her”实现尚远？
电影《Her》中的人工智能不是一个简单的对话式 AI，她不仅能通过声音表现出极为复杂的情感，比如幽默、温柔、关怀甚至是嫉妒，还具有高度的情感智能和自主学习能力，能够理解人们的情感需求，并根据互动不断优化自己的言行。
仿真的语音对话交互、流畅的多模态体验，使故事的男主人很快忘记了面前的“女声”只是一团冰冷的算法，深陷爱河。
而 5 月，OpenAI 的 ChatGPT-4o 发布会结束后，Sam Altman 在 Twitter 上发了一个简短的词：“her”，暗示着 OpenAI 已接近于完成科幻电影《Her》中，那位女性语音智能机器人的能力。GPT-4o 支持文本、音频和图像的任意组合的输入和输出。Mark Chen 演示 GPT-4o 的多模态成果时，他告知 ChatGPT 自己正在做演示，询问 GPT 自己非常紧张应该怎么办。ChatGPT 提示他：“深呼吸一下吧，记住你是个专家！”随后，Mark Chen 用非常急促的几声喘息回应，ChatGPT 则用吃惊语气下的“慢点呼吸，你可不是个吸尘器！”来回答他，幽默的回答令人忍俊不禁。
GPT 高效的生成速度，带来流畅的多模态交互体验，虽然暂时还不能如《Her》中一样流畅地进行视频对话，但演示案例中的语音对话已非常接近。
现实是，4o 语音能力还没发布，o1 还不具备浏览网页或处理文件分析功能。尽管它具备图像分析功能，但该功能暂时关闭，等待进一步测试。但国内月活第一的豆包 APP 的互动能力却稍显逊色。豆包虽然能识别语音，并进行对话，但其生成速度却不及 GPT，百度的文心生成速度则更慢。不仅如此，豆包也无法识别对话过程中的语气。AI 鲸选社在与豆包交流时，用很沮丧的语气说“今天天气可真好啊”，可豆包却判断出对话者的情绪是不错的。
图注：与豆包语音交互过程的文字记录
百度的文小言语音对话，虽有 AI 虚拟角色丰富用户的视觉体验，但其生成内容实在是慢，用户在交互过程中盯着虚拟角色迟迟不“说话”，很容易“跳戏”。
图注：文小言语音交互界面截图
智谱清言于 9 月 5 日上线了“视频通话”功能，向着 Her 的目标又迈进了一步。然而，智谱的视觉能力不太完善，把图中的紫色看成粉色，绿色误认为灰色，堪称一位“色弱”的 AI 助手。不过，它的视频对话机器人非常活跃，善于引发话题，它会夸赞你的窗帘很有设计感，还会自己找话题，问你有没有什么拿手的菜。值得一提的是，智谱的生成速度比文心和豆包都稍快一些，交互体验还不错。
图注：智谱清言视频聊天截图
虽然现阶段语音、图像识别等技术正在快速发展，但真正流畅、自然的多模态 AI 对话体验仍然任重道远，目前来说，国内 AI 对话的多模态交互还不够成熟。
但无论是“her”还是 GPT-4o，可见的是，具备多模态交互的 AI 对话产品，是 AI 对话发挥能力的关键。
AI 对话对“Her”的向往，也是能留住用户的关键。这种最接近人类的聊天方式，才是打破只有专业人士用 Prompt，才能和 AI 对话产品交互的桎梏。
AI 对话还在寻找自己的 killer feature
现在的 AI 对话应用确实有不少花哨的功能。它可以回答我们日常所问，它可以帮我们写情书，甚至还能和它玩角色扮演......
但据《2024 年中国移动互联网半年报告》，国内 AIGC 用户不稳定，AIGC 行业人均使用时长同比下滑了 23.5%。AI 对话类 APP 功能虽多，却都是一些“花拳绣腿”，获客成果并不理想。
周鸿祎曾指出，通用大模型留存率低的原因主要在于承诺什么都能做的同时，却什么都做不精。也正是因为功能过多过于繁杂，AI 对话类 APP 还没有找到那个让用户欲罢不能的 killer feature。
互联网时代，使支付宝、微信、抖音、美团真正杀出重围的，是它们都找到了自己的“杀手锏”。购物支付会想到支付宝，社交聊天会想到微信，闲暇时间会想要看看抖音，“饭来张口”会想到美团外卖......反观 AI 对话呢？它好像什么都能做，又好像什么都做不好。
目前，国内 AI 对话产品中，Kimi 是较早找到应用场景的。知识高效获取一直都是职场、学生和科研人士的痛点问题，用户们拿到的资料往往都是大段资料，知识获取速度较慢。
Kimi 抓住用户这一痛点，主打长文本和文档处理两个功能，能帮用户快速抓取文档重点，取得了还不错的用户体验。据 AI 数智源发表的 8 月国内 AI 榜单来看，Kimi 仍以 22.85M 的数据领先其他家。但是实际上 Kimi 预训练较弱，模型本身能力并不强。但正是抓住了有效场景，Kimi 的数据稳居国内大模型前列。
数据来源：Similarweb
目前其他家大模型，包括豆包、文心等，也都跟进了长文本处理和文档解读功能，能够满足用户日常工作所需。不仅如此，百度专门推出“橙篇”对标 Kimi（橙篇提供专业的知识检索和问答、超长图文理解和生成、深度编辑和跨模态自由创作等功能）。这么看来，Kimi 曾经的专长也并不显优势了。
而在龙头 OpenAI 内斗的这些日子里，Anthropic 暗暗发力。据 Datos 对 ChatGPT 调用场景的调查数据，编程问题占据了 29%，在所有使用场景中排名第一。Claude 3.5 Sonnet 更新的“工坊模式”，强化编码能力，使生成代码速度更快，效率超过之前的 GPT-4。编程作为最高频、刚需的 AI 应用场景之一，给市场带来了机会与收入。
OpenAI 不放手编程场景。这次更新的 o1 模型主打强推理、强编码能力，有网友体验称其代码正确率确实有提升，“以前很少能一次 run 成功的”。o1 还未正式开放，其效果究竟如何还待检验。
Claude 3.5 的文本生成能力也在新 Prompt“汉语新解”中得到了诠释。Claude 于 6 月 24 日发布 3.5 模型，六月底，Claude 流量激增 135%。
图源：数字生命卡兹克
找到杀手级场景的 AI 对话产品风光创收，不禁让其他家焦虑了起来，各大 AI 公司都在绞尽脑汁找办法。
近日的外滩交流会上，阿里发布了“支小宝”全家桶，布局 AI 生活管家。百度也暗中转变战略，升级文心一言，并更名为“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”，颇有“转战搜索”的意味。9 月 11 日，字节也被爆出布局 AI 硬件的消息，开发与豆包大模型和豆包 APP 联动的智能耳机、智能眼镜，探索大模型与硬件结合的赛道。大家都在努力找杀手级场景，形成自己的特色能力。
AI 对话现在像是一个天赋异禀但还在青春期的少年，有着无限的潜力，却还不知道如何施展自己的才华，正四处尝试。
但是，似乎行业的共识也正如周鸿祎所表达的，AI 对话的未来不在于创造一个通用的超级助手，而在于为每个特定的人类需求打造契合的 AI 解决方案。也许这才是 AI 对话类产品，自己被用户新鲜感过后月抛，这一难题的的核心解决办法。
