支持 50 多种语言的 ChatGPT 将能够实时理解视觉场景，帮助你解决问题，甚至化身 AI 导师教你掌握新事物。

在这场同样不到 20 分钟的发布会上，由 OpenAI 首席产品官 Kevin Weil、Jackie Shannon、Michelle Qin 和 Rowan Zellers 等人向我们展示长了「眼睛」的 ChatGPT 究竟能干些什么？

比如说，当你入手了一套手冲咖啡设备却不知从何入门时，不妨给 ChatGPT 打一通「视频通话」。

它就能根据你面前的器具，手把手教你完成每一个步骤，从放置滤纸、倒热水、将磨好的咖啡粉放入滤纸中等等，包教包会。

卡壳了？随时提问 GPT 老师。这位 AI 老师不仅有问必答，偶尔还会人性化地给予鼓励，情绪价值拉满。

除了实时视频指导，ChatGPT 还支持屏幕共享功能。用户只需点击右下角的高级语音模式图标，在下拉菜单中选择分享屏幕，就能获得针对性的帮助。

当「看」到朋友穿着圣诞老人的装扮，调侃是否有资格应聘购物中心的圣诞老人岗位时，GPT 老师会给出得体的措辞建议以及高情商的鼓励。

嘿，Kevin，你的圣诞老人服装很有节日气氛。或许继续练习你的「Ho Ho Ho」，很快就能成为购物中心的圣诞老人了。

实际上，OpenAI 总裁 Greg Brockman 前不久也与安德森·库珀（Anderson Cooper）利用带视觉功能的 ChatGPT 进行了关于人体解剖学的知识小测验。

当库珀在黑板上画出身体部位时，ChatGPT 能够瞬间「理解」他所画的内容。

「位置非常到位，大脑就在头部那里。至于形状，这是一个不错的开始，但大脑更像是一个椭圆形。」甚至，ChatGPT 还能用英式口音演唱三角形面积公式。

但后续 ChatGPT 处理几何问题时却出现明显的纰漏，没能发现一个简单的标注错误，在理解平面几何的能力上仍有许多提升空间。

为了迎接圣诞的到来，OpenAI 还特别推出了「圣诞老人」预设语音，用户只需标，就能和 ChatGPT 圣诞老人聊天。

比如让圣诞老人讲个故事。

不得不说，每次「圣诞老人」开口的「Ho Ho Ho~」相当魔性，听着就很有节日气氛。

在直播活动过程中，主持人也向这位「圣诞老人」询问几个问题，包括但不限于最喜欢的圣诞传统、最喜欢的驯鹿等等。

有趣的是，当 Kevin Weil 戴上圣诞老人的假胡子询问如何保养时，给出建议的 ChatGPT 还会用圣诞老人的口吻回应道：

「朋友，这是我见过的最威武的胡子。」

这款语音将在今天推出，而为了让每个用户都能充分体验这个节日彩蛋，首次体验时 OpenAI 会重置用户的高级语音使用次数，即使用完额度，用户也能继续通过标准语音模式与「圣诞老人」互动。

或许是因为发布会战线拉得太长，网友的吐槽声也聚焦到了这款圣诞老人语音上。最典型的例子当属 X 网友@khoomeik。

Google Deepmind 研究科学家 Jonas Adler 更是直接呛声 OpenAI：

OpenAI 总能迅速对我们发布的产品做出回应，而且似乎总能在同一时间发布，这令人感到神奇。然而，我对他们将 Santa 模式作为对 Gemini 2.0 的回应并不太感冒，因为它似乎缺乏与 Gemini 2.0 相匹配的重要性和严肃性。

值得一提的是，昨天，Google 抢先一步推出了具备视觉理解能力的 AI 产品，能够理解并解析用户所处的实际场景，且收获网友的一众好评。

到了今天，OpenAI 也紧随其后，为 ChatGPT 装上了「眼睛」，这也意味着 ChatGPT 从相对单一的模态，进一步拓展至「视觉—语言多模态理解」。

换言之，ChatGPT 将不再局限于用户输入的文字指令与信息，而是能够通过视觉来理解用户所处的上下文环境，包括电脑屏幕上的页面、手机摄像头所捕捉的影像、甚至其他外设的实时画面。

如果说半个世纪前，施乐 PARC 实验室的科学家们幻想过一台能看懂人类行为的计算机。今天 AI 的发展，正在把这个梦想变成了显示器之外的现实。

从纸到键盘，从二进制到自然语言，人类一直在简化与机器的沟通方式。而 ChatGPT 的视觉能力也让我们看到了终极答案，那就是让机器像人一样「看」这个世界。

考虑到 Altman 和前苹果首席设计官 Jony Ive 一直在开发智能 AI 硬件设备，我更期待看到这项功能出现在这款新硬件上。

AI 睁开眼睛的那一刻，也终于走进了人类眼中的世界。