OpenAI 正式发布 o3 与 o4-mini
OpenAI 于 2025 年 4 月 17 日凌晨正式发布了全新推理模型 o3 与 o4-mini。
o3 模型在 Codeforces、SWE-bench、MMMU 等权威测试中得分均超 2700 分，全球排名前 200，外部专家评价其「接近或达到天才水平」。不过，这一智力提升的代价是算力需求达到 o1 的十倍以上。
o4-mini 则以小巧高效著称，在 2025 年 AIME 数学竞赛中配合 Python 解释器取得 99.5% 的高分，性能全面超越 o3-mini，适合高并发和成本敏感场景。
两款模型均已在 ChatGPT Plus、Pro 和 Team 用户端上线，并通过 API 向开发者开放。o3-pro 版本预计数周内发布。
（综合媒体报道）
OpenAI 于 2025 年 4 月 17 日凌晨正式发布了全新推理模型 o3 与 o4-mini。
o3 模型在 Codeforces、SWE-bench、MMMU 等权威测试中得分均超 2700 分，全球排名前 200，外部专家评价其「接近或达到天才水平」。不过，这一智力提升的代价是算力需求达到 o1 的十倍以上。
o4-mini 则以小巧高效著称，在 2025 年 AIME 数学竞赛中配合 Python 解释器取得 99.5% 的高分，性能全面超越 o3-mini，适合高并发和成本敏感场景。
两款模型均已在 ChatGPT Plus、Pro 和 Team 用户端上线，并通过 API 向开发者开放。o3-pro 版本预计数周内发布。
（综合媒体报道）
北京时间 2025 年 4 月 15 日凌晨，OpenAI 发布 GPT-4.1 系列模型，包括 GPT-4.1、GPT-4.1 mini 和 GPT-4.1 nano 三款产品。
这系列模型主要有三大特点：编程能力大幅提升、指令遵循更加精准以及支持高达 100 万 token 的超长上下文。
在 SWE-bench Verified 测试中，GPT-4.1 得分 54.6%，比 GPT-4o 提升 21.4 个百分点，比 GPT-4.5 提升 26.6 个百分点。
GPT-4.1 mini 表现超越 GPT-4o，同时较后者延迟降低近 50%，成本降低 83%。
最小型号 GPT-4.1 nano 是 OpenAI 目前速度最快、成本最低的模型，输入价格仅 0.7 元/百万 token。
GPT-4.1 系列目前仅能通过 API 使用，不会直接出现在 ChatGPT 中，但 ChatGPT 的 GPT-4o 已整合部分 GPT-4.1 功能。同时，OpenAI 宣布 GPT-4.5 Preview 将于 2025 年 7 月 14 日下线。
据传 OpenAI 还在开发类似费曼式的推理模型，能跨学科整合概念提出创新实验，甚至打算推出月费高达 14 万元的博士级研究服务。
（综合媒体报道）
本频测试，在不开启代理的情况下，仍然能打开登录页面，但是有几率登录失败。
（Github Discussion）
——————
4月14日更新：
根据 GitHub 官方状态页面发布的信息，由于一项配置变更产生了意外影响，未登录状态下尝试从中国访问 GitHub.com 的用户在过去一天内暂时无法访问该网站。
该事件于北京时间 2025 年 4 月 13 日凌晨 4:01 开始，直到当天晚上 22:55 才得到缓解，影响持续了近 19 个小时。
GitHub 官方表示，此次事件仅影响未登录用户，已登录的用户在此期间仍能正常访问平台服务。GitHub 在其官方状态页面上发布了回溯性报告，确认「导致此影响的配置变更已被撤销，用户在尝试访问 GitHub.com 时应不再遇到问题。」
（Github）
谷歌即将推出 Gemini 2.5 Flash
在 Google Cloud Next '25 活动上，Google 发布了其 Gemini AI 模型家族的新成员 Gemini 2.5 Flash。该模型被定位为「主力（workhorse）」模型，特别针对低延迟和成本效益进行了优化，旨在满足高容量、实时应用场景的需求。
Gemini 2.5 Flash 的一个关键特性是其动态可控的计算能力，模型能根据提示的复杂性调整其「思考预算」或推理深度，从而在速度、准确性和成本之间取得平衡。
该模型将很快通过 Google Cloud 的 Vertex AI 平台提供。
(Google Cloud Blog)
在 Google Cloud Next '25 活动上，Google 发布了其 Gemini AI 模型家族的新成员 Gemini 2.5 Flash。该模型被定位为「主力（workhorse）」模型，特别针对低延迟和成本效益进行了优化，旨在满足高容量、实时应用场景的需求。
Gemini 2.5 Flash 的一个关键特性是其动态可控的计算能力，模型能根据提示的复杂性调整其「思考预算」或推理深度，从而在速度、准确性和成本之间取得平衡。
该模型将很快通过 Google Cloud 的 Vertex AI 平台提供。
(Google Cloud Blog)
OpenRouter 于 2025 年 4 月 4 日上线一个匿名模型 Quasar Alpha。这是一个来自某个模型实验室的基础模型 (foundation model) 的预发布版本，目前已在 OpenRouter 平台上免费提供给所有用户试用。
Quasar Alpha 拥有 100 万词元 (Token) 的上下文长度，专为编码进行了优化，同时也具备通用能力 。用户报告称，尽管该模型并非主要设计为推理模型，但其在数学推理和竞技编程方面表现出色，并支持图像识别功能。根据 Aider 多语言编码基准测试，其得分率为 55%，与 DeepSeek V3 和 Claude 3.5 Sonnet 相当。
所有提交给 Quasar Alpha 的提示 (prompt) 和生成内容都将被 OpenRouter 及模型提供方记录，用于理解模型使用情况并进行改进。
关于 Quasar Alpha 的开发者身份，尽管官方保持沉默，但大量技术证据指向了 OpenAI。分析发现，该模型的 API 响应中包含 OpenAI 特有的「chatcmpl-」前缀，工具调用 ID 格式也与 OpenAI 完全一致，而与其他主要 AI 开发商 (如 Google、Mistral) 不同。此外，Quasar Alpha 分词器 (tokenizer) 中一个独特的中文响应错误，与 OpenAI 分词器系统已知的问题高度相似 。AI 研究员 Sam Paech 使用生物信息学聚类工具进行的分析也显示，Quasar Alpha 在模型家族树中与 GPT-4.5 Preview 最为接近。
(OpenRouter, Reddit)
2025 年 4 月 7 日上午，一张声称「微软停止中国区运营」的邮件截图在网络流传 。该邮件称，由于地缘政治及国际业务环境变化，微软将调整全球战略布局，并于 2025 年 4 月 8 日起正式停止在中国区的运营 。
经钛媒体向微软内部人士求证，该邮件实为微软在中国的众多外包服务商之一——上海微创软件股份有限公司（Wicresoft）发给其内部微软项目团队的通知 。邮件中提及的「停止在中国区的运营」实际上是指上海微创的微软项目团队将终止相关工作，而非微软中国（Microsoft China）停止运营 。上海微创软件股份有限公司是一家全球数字化转型服务商，于 2002 年由微软与上海市政府共同创办 。
此次上海微创微软项目团队的终止，与美国拜登政府于 2024 年 2 月 28 日签署并要求美国司法部制定具体规则的第 14117 号行政令 (Executive Order 14117, Preventing Access to Americans' Bulk Sensitive Personal Data and United States Government-Related Data by Countries of Concern) 有关 。该行政令及其最终规则旨在阻止包括中国（含香港和澳门特别行政区）、俄罗斯、伊朗、朝鲜、古巴和委内瑞拉在内的「受关注国家 (Countries of Concern)」以及相关「受涵盖人员 (Covered Persons)」访问美国人的「批量敏感个人数据 (Bulk U.S. Sensitive Personal Data)」和「美国政府相关数据 (United States Government-related Data)」。
根据 EO 14117 的最终规则，自 2025 年 4 月 8 日起，位于受关注国家（包括中国大陆）的个人（包括美国公司的员工以及外包团队成员）将被限制访问特定类型的美国敏感个人数据和政府相关数据，特别是托管在北美的数据中心的数据 。这项限制将在 2025 年 10 月 6 日进一步扩展至全球范围 ，即身在中国大陆的人员将不能访问其他地区的部分数据（内部业务、工具类等不包含个人、用户信息的数据除外）。
（综合媒体报道）
Meta 于 2025 年 4 月 5 日发布并开源了其最新的 Llama 4 系列人工智能模型，标志着 Llama 系列首次采用混合专家 (Mixture of Experts, MoE) 架构并原生支持多模态能力 。此次发布了 Llama 4 Scout 和 Llama 4 Maverick 两款模型，同时预告了更大规模的 Llama 4 Behemoth 模型 。
Llama 4 Scout 是一款拥有 16 个专家、170 亿激活参数 (总参数约 1090 亿) 的 MoE 模型 。其 Int4 量化版本可在单张 NVIDIA H100 GPU 上运行 。该模型最大的亮点之一是支持业界领先的 1000 万 词元 (token) 上下文窗口。
Llama 4 Maverick 同样拥有 170 亿激活参数，但配备了 128 个专家，总参数量达到 4000 亿。
这两款模型均通过知识蒸馏自 Llama 4 Behemoth，后者是一个拥有 16 个专家、2880 亿激活参数、总参数量近 2 万亿的教师模型，目前仍在训练中。
Llama 4 系列采用了多项新技术，包括 MoE 架构、通过早期融合实现的原生多模态、改进的基于 MetaCLIP 的视觉编码器、名为 MetaP 的超参数设置技术、FP8 精度训练、通过中期训练扩展上下文长度以及名为 iRoPE 的长上下文架构 。后训练流程也经过改进，采用轻量级监督微调 (SFT) > 在线强化学习 (RL) > 轻量级直接偏好优化 (DPO) 的策略 。模型在超过 30 万亿 词元 (token) 的多样化文本、图像和视频数据集上进行了预训练，涵盖 200 种语言 。
Llama 4 Scout 和 Llama 4 Maverick 模型目前已在 llama.com 和 Hugging Face 开放下载 。
(Meta AI Blog)
——————
Llama 4 发布后，互联网普遍表示失望。有自称 Llama 团队内部人士透露，Llama 项目倾尽了团队的所有资源，但仍然未能达到 SOTA，因此团队选择将其所有语料投入后训练中，目前看来仍然收效甚微。该网友表示，Llama 4 将成为自己「简历上的污点」。
与此同时，网友体验大多负面，认为 Llama 的体积与其性能严重错配，甚至不如体积小得多的 Qwen 模型。
腾讯云对昨日腾讯会议的故障发布了简短说明。
说明说，4月2日15时50分，腾讯会议由于存储系统的网络变更导致网络访问规则配置异常，进而影响存储系统的访问，发生腾讯会议运行故障，造成腾讯会议登录、预定会议、加入会议等功能受限，期间也收到客户侧的咨询投诉。 经采取对网络访问规则进行恢复并优化的应急处置措施，业务已全部恢复。
说明还指，腾讯云会在其后发布事故的详细复盘。本频会随后将复盘结果更新在本条消息中。
说明说，4月2日15时50分，腾讯会议由于存储系统的网络变更导致网络访问规则配置异常，进而影响存储系统的访问，发生腾讯会议运行故障，造成腾讯会议登录、预定会议、加入会议等功能受限，期间也收到客户侧的咨询投诉。 经采取对网络访问规则进行恢复并优化的应急处置措施，业务已全部恢复。
说明还指，腾讯云会在其后发布事故的详细复盘。本频会随后将复盘结果更新在本条消息中。
字节旗下即梦 AI 于 4 月 2 日开始灰度测试其 3.0 版本图像生成模型，预计将于 4 月 7 日全量上线。已经获得灰度测试权限的自媒体表示，新版本在中文文字表现上取得重大突破。
即梦 3.0 最突出的改进在于中文文字控制能力，不仅将大字的准确性、设计感和丰富度提升至新高度，同时解决了小字的稳定性问题。模型现可直出 2K 高清图像（16:9 分辨率达 2560×1440），远超同类产品，画面质感显著增强。
据自媒体测试，即梦 3.0 在电商产品图、摄影写真图、电影海报和艺术文字图等方面均有明显提升。
（数字生命卡兹克）
2025 年 4 月 2 日下午，腾讯云广州地域及部分非区域性服务出现大面积网络异常，导致云服务器、容器服务、数据库、腾讯会议等多项核心服务无法正常使用，影响持续近 4 小时。
腾讯云于当日 15 时 50 分首次确认故障，表示已启动应急预案并着手进行问题排查。根据官方健康看板显示，本次受影响的产品涵盖云服务器、云硬盘、容器服务、各类数据库服务、负载均衡、私有网络、实时音视频、云直播、腾讯会议等数十项关键服务。
在故障期间，腾讯会议官方微博于 15 时 58 分发布致歉声明：「当前用户入会受到影响，工程师们正在加速抢修，给您造成不便，非常抱歉。」
腾讯云团队在故障期间持续发布进展，17 时 19 分表示正在逐步执行修复动作，预计需要 30 分钟。随后，日志服务、流计算、云监控等部分服务率先恢复，接着容器服务、负载均衡、人脸核身、云直播等服务相继恢复正常。
最终，腾讯云于 19 时 59 分宣布完成全部修复工作，所有受影响服务均已恢复。此次事件从故障出现到完全恢复，总计历时约 4 小时。
（腾讯云）
电子商务平台 Shopify 于 2025 年 4 月 2 日 11 时 30 分（UTC+8）开始出现大规模服务中断，影响了全球范围内的商家、客户和合作伙伴。根据 Shopify 状态页面显示，几乎所有核心服务均受到影响。
故障监测平台数据显示，报告数量在短时间内激增至 6000 多起，表明此次宕机影响范围广泛。受影响的服务包括管理后台、结账系统、报表和仪表盘、店面前台、API 和移动端、第三方服务、客户支持、销售终端以及 Oxygen 等。
Shopify 官方确认正在调查这一问题，并表示：「我们正在调查一个导致商家、客户和合作伙伴在尝试访问 Shopify 服务时可能遇到问题的错误。我们正在调查并将持续提供最新进展。」
截至发稿时，Shopify 尚未公布具体原因。
（Shopify）
Runway 于 3 月 31 日发布了其最新 AI 视频生成模型 Gen-4，该模型已向公司的个人和企业用户开放。
Gen-4 解决了 AI 视频生成领域最大的难题之一：世界一致性。通过名为「References」的新工具，模型能够在不同场景中生成保持一致的角色、位置和物体。用户只需提供主体的参考图像并描述所需的画面构成，Gen-4 就能完成剩余工作。
该模型不仅能保持物体在整个视频中的一致外观，即使其他元素发生变化，还提供了改进的物理模拟能力。据 Runway 称，这代表了「视觉生成模型模拟现实世界物理规律能力的重要里程碑」。
目前，Gen-4 允许用户创建 5 秒和 10 秒长的 720p 分辨率视频。Gen-4 图像到视频功能已开始向付费用户推出，References 功能即将推出，之后将提供 API 访问。
据报道，Runway 正在谈判新一轮融资，可能将公司估值提升至 40 亿美元，并计划通过其 AI 视频模型 API 等产品实现 3 亿美元的年收入。
（综合Yahoo Finance、TechCrunch、No Film School）
阿里巴巴近日开源了端到端全模态大模型 Qwen2.5-Omni-7B，该模型支持文本、图像、音频、视频（无音频轨）的多模态输入，并能实时生成文本或自然语音的流式响应。目前，该模型已在 HuggingFace 平台以 Apache 2.0 协议开源，可免费商用。
Qwen2.5-Omni-7B 最突出的特点是支持实时语音和视频交互。用户可通过语音或视频直接与模型对话，而模型能实时输出文本和语音响应。该模型仅有 70 亿参数（70 亿语言模型参数加上 6.75 亿 ViT 及音频部分参数），最高支持 32K 输入长度和 8K 输出长度，响应速度非常快，官方演示显示时延极小。
在训练方面，Qwen2.5-Omni-7B 在 Qwen2.5-7B 语言模型基础上增加了 1.2 万亿多模态数据训练，包括 800B tokens 的图像和视频相关数据、300B tokens 的音频相关数据、100B tokens 的音视频同步数据，并使用额外的纯文本数据保持语言能力。
模型采用创新的 Thinker-Talker 架构，通过模块化分工实现高效协同。Thinker 模块作为「大脑」负责多模态信息的语义理解，集成了视觉编码器（ViT）和音频编码器（Qwen2-Audio），能动态处理各类输入；Talker 模块则专注于流式语音生成，通过因果式解码器和滑动窗口机制实现低延迟语音输出。
在性能评测上，Qwen2.5-Omni-7B 表现出色。在单模态评测中，其语音识别（ASR）能力在中文 CommonVoice-zh 数据集上的错字率仅为 5.2%，视频理解方面在 Video-MME 的评测达到 72.4，优于 GPT-4o-mini。在文本理解方面，MMLU Pro 的评测结果与 Llama3.1-8B 接近，虽然低于 Gemma2-9B 和 Claude 3 Haiku，但超过了 Qwen2.5 7B。
（DataLearner）
Open AI 更新了 GPT-4o 的图像生成功能，现在 GPT-4o 可以利用其多模态能力和上下文信息生成高质量图像。
这一功能无论是文字渲染还是风格控制上，都已达到图片生成的第一梯队。
这一功能最早于 26 日凌晨面向 Pro 用户可用，正逐步向 Plus 用户开放。
这一功能无论是文字渲染还是风格控制上，都已达到图片生成的第一梯队。
这一功能最早于 26 日凌晨面向 Pro 用户可用，正逐步向 Plus 用户开放。
谷歌称， Gemini 2.5是其最新的AI模型，具备推理能力，能够处理复杂问题，首次发布的实验版本Gemini 2.5 Pro在多个基准测试中表现优异，位列LMArena排行榜第一。
Gemini 2.5 Pro支持1百万个令牌的上下文窗口，能够处理来自文本、音频、图像和视频的复杂数据，提升了对多种信息源的理解能力。
该模型在编码方面取得了显著进步，能够创建视觉吸引力强的网页应用和代码转换，SWE-Bench Verified测试中得分为63.8%。
Gemini 2.5 Pro现已在Google AI Studio和Gemini应用中提供，预计不久后将在Vertex AI上线，定价将在未来几周内公布。
（Google）
深度求索发布了DeepSeek-V3-0324 模型。
官方称其「小版本升级」，目前官方 API 渠道和官网都已经同步更新新模型。
小道消息称本次新版本将知识截止日期更新到了2024 年 7 月，同时在上下文理解和编程能力上有所提升。截至发稿，官方暂未发布更新日志。
另据极客公园，新版 V3 的开源许可与 R1 一样，也更新变成了 MIT 开源许可（MIT License），这意味着新版 V3 有着比初代 V3 更宽松的开源使用条件。
https://huggingface.co/deepseek-ai/DeepSeek-V3-0324
官方称其「小版本升级」，目前官方 API 渠道和官网都已经同步更新新模型。
小道消息称本次新版本将知识截止日期更新到了2024 年 7 月，同时在上下文理解和编程能力上有所提升。截至发稿，官方暂未发布更新日志。
另据极客公园，新版 V3 的开源许可与 R1 一样，也更新变成了 MIT 开源许可（MIT License），这意味着新版 V3 有着比初代 V3 更宽松的开源使用条件。
https://huggingface.co/deepseek-ai/DeepSeek-V3-0324
huggingface.co
deepseek-ai/DeepSeek-V3-0324 · Hugging Face
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
腾讯发布混元 T1 推理大模型
腾讯于2025年3月21日正式推出混元 T1 推理大模型，这是全球首个基于 Hybrid-Mamba-Transformer 混合专家架构（MoE）的大型推理模型。该模型在保持高质量推理能力的同时，实现了首字 1 秒内响应，生成速度达 60-80 词元/秒，特别适合实时交互场景。
混元 T1 基于此前发布的 TurboS 快速思维基座，通过大规模强化学习进一步强化了纯推理能力。在训练策略上，96.7% 的算力被投入强化学习训练，并采用课程学习策略逐步增加数据难度和上下文长度。
在公开基准测试中，混元 T1 表现突出。在 MATH-500 评测中以 96.2 分接近榜首（DeepSeek-R1 的 97.3 分），在 AIME 2024 测试中更是获得 78.2 分，显著优于 GPT-4.5（36.7 分），展现出在数学逻辑与复杂问题求解方面的优势。不过，该模型在常识推理（GPQA Diamond 69.3 分）方面相对薄弱，低于主流模型均值。
在架构创新方面，混元 T1 通过 Mamba 模块优化了长序列处理能力，其高效计算方式在保证长文本信息捕获的同时，将解码速度提升至同类模型的 2 倍。
价格方面，混元 T1 的 API 服务定价为输入 1 元/百万词元，输出 4 元/百万词元，仅为 DeepSeek R1 的四分之一，是文心大模型 X1 的一半。目前该模型已在腾讯云平台上线，面向开发者提供 API 服务，普通用户可通过腾讯元宝 APP 体验，Hugging Face 平台也提供了 Demo 测试空间。
（综合媒体报道）
腾讯于2025年3月21日正式推出混元 T1 推理大模型，这是全球首个基于 Hybrid-Mamba-Transformer 混合专家架构（MoE）的大型推理模型。该模型在保持高质量推理能力的同时，实现了首字 1 秒内响应，生成速度达 60-80 词元/秒，特别适合实时交互场景。
混元 T1 基于此前发布的 TurboS 快速思维基座，通过大规模强化学习进一步强化了纯推理能力。在训练策略上，96.7% 的算力被投入强化学习训练，并采用课程学习策略逐步增加数据难度和上下文长度。
在公开基准测试中，混元 T1 表现突出。在 MATH-500 评测中以 96.2 分接近榜首（DeepSeek-R1 的 97.3 分），在 AIME 2024 测试中更是获得 78.2 分，显著优于 GPT-4.5（36.7 分），展现出在数学逻辑与复杂问题求解方面的优势。不过，该模型在常识推理（GPQA Diamond 69.3 分）方面相对薄弱，低于主流模型均值。
在架构创新方面，混元 T1 通过 Mamba 模块优化了长序列处理能力，其高效计算方式在保证长文本信息捕获的同时，将解码速度提升至同类模型的 2 倍。
价格方面，混元 T1 的 API 服务定价为输入 1 元/百万词元，输出 4 元/百万词元，仅为 DeepSeek R1 的四分之一，是文心大模型 X1 的一半。目前该模型已在腾讯云平台上线，面向开发者提供 API 服务，普通用户可通过腾讯元宝 APP 体验，Hugging Face 平台也提供了 Demo 测试空间。
（综合媒体报道）
OpenAI 发布三款音频模型
OpenAI 刚刚宣布在其 API 中推出全新一代音频模型，包括两款语音转文本模型和一款文本转语音模型，旨在让开发者能够轻松构建强大的语音 Agent。这三款模型全部基于 GPT-4o 架构，为语音交互带来了显著提升。
语音转文本模型
- gpt-4o-transcribe：每分钟 0.006 美元，单词错误率(WER)显著降低至 2.46%，在多种语言的基准测试中优于现有 Whisper 模型，特别适合处理口音多样、环境嘈杂、语速变化等挑战场景。
- gpt-4o-mini-transcribe：每分钟 0.003 美元（是前者的一半），基于 GPT-4o-mini 架构的精简版本，通过知识蒸馏技术从大模型转移能力，虽然 WER 稍高于完整版模型，但仍优于原有 Whisper 模型，速度更快、效率更高。
文本转语音模型
- gpt-4o-mini-tts：每分钟 0.015 美元，首次支持「可引导性」(steerability)，开发者不仅能指定「说什么」，还能控制「如何说」，包括预设多种语音风格或通过指令调整语音风格。
所有三个模型均通过 OpenAI 的 API 提供，用户也可以在 OpenAI.fm 体验并制作 gpt-4o-mini-tts 的相关音频，该演示网站提供多种预设模板，包括人设、语气、方言、发音等设置。
（综合媒体报道）
OpenAI 刚刚宣布在其 API 中推出全新一代音频模型，包括两款语音转文本模型和一款文本转语音模型，旨在让开发者能够轻松构建强大的语音 Agent。这三款模型全部基于 GPT-4o 架构，为语音交互带来了显著提升。
语音转文本模型
- gpt-4o-transcribe：每分钟 0.006 美元，单词错误率(WER)显著降低至 2.46%，在多种语言的基准测试中优于现有 Whisper 模型，特别适合处理口音多样、环境嘈杂、语速变化等挑战场景。
- gpt-4o-mini-transcribe：每分钟 0.003 美元（是前者的一半），基于 GPT-4o-mini 架构的精简版本，通过知识蒸馏技术从大模型转移能力，虽然 WER 稍高于完整版模型，但仍优于原有 Whisper 模型，速度更快、效率更高。
文本转语音模型
- gpt-4o-mini-tts：每分钟 0.015 美元，首次支持「可引导性」(steerability)，开发者不仅能指定「说什么」，还能控制「如何说」，包括预设多种语音风格或通过指令调整语音风格。
所有三个模型均通过 OpenAI 的 API 提供，用户也可以在 OpenAI.fm 体验并制作 gpt-4o-mini-tts 的相关音频，该演示网站提供多种预设模板，包括人设、语气、方言、发音等设置。
（综合媒体报道）
