編輯 | 言征

出品 | 51CTO技術棧（微信號：blog51cto）

不久前，OpenAI 和 Microsoft 似乎是不可戰勝的。然而，現在，他們的競爭對手正在迎頭趕上。

巨頭支持方面，Anthropic 的 Claude 模型一點都不弱，甚至隱隱有了超越ChatGPT的趨勢。

前不久，Microsoft 支持的 GitHub 已將 Claude 添加到 Copilot，而Amazon 一早就已將 Claude 添加到 Q Developer （Code Whispherer） 中。

此外，Meta 的 Llama 現在在用戶方面可與 ChatGPT 相媲美，是開源及其他領域家喻戶曉的名字。

相比之下，OpenAI 早些發布的 o1 反饋確是喜憂參半。就連 OpenAI 首席執行官 Sam Altman 都不得不謙虛地將該模型稱為“用于推理的 GPT-2”，同時稱其“存在嚴重缺陷”。

1.Anthropic優先考慮工程，OpenAI更關注用戶

除了推理能力之外，OpenAI 似乎更關注語音功能，特別是迎合其最終用戶。相比之下，Anthropic 似乎優先考慮工程和 API 方面。OpenAI 最近推出了富有表現力的可控語音，用于語音轉語音體驗，并通過提示緩存降低成本。文本輸入折扣 50%，音頻輸入折扣 80%。此舉使高級實時 AI 更容易獲得。

來源：X

與此同時，Anthopric 還在嘗試在 Claude 移動應用上為特定用戶提供語音聽寫功能，最長可錄制 10 分鐘。

OpenAI 在 AI 編碼方面也面臨著來自 Anthropic 的日益激烈的競爭。該公司正在改進自己的工具來處理復雜的編碼任務和自動化代碼生成等操作，盡管 Anthropic 最近推出的“計算機使用”功能使其具有優勢。“AI 編碼還不能完全取代工程師，需要'一些指導'，”Anthropic 聯合創始人 Daniela Amodei 分享道。她還指出，他們的 Claude 模式顯著提高了生產力，有可能重塑招聘策略。

隨著兩家公司都在推動 AI 主導地位，OpenAI 即將發布的版本可能會影響市場，可能會對 GitHub Copilot、Cursor 和其他編碼助手等產品構成挑戰。

2.用戶屏幕交互

Anthropic 通過專注于屏幕導航來增強用戶與 AI 的交互。上周，該公司推出了使 AI 能夠控制計算機屏幕的功能，使其能夠代理用戶進行瀏覽網頁或打字。

“計算機操作員”是一項實驗性的公開測試版功能，通過該功能，Claude 3.5 Sonnet 現在可以以類似于人類用戶的方式導航計算機界面。這意味著 AI 可以查看屏幕、移動光標、單擊按鈕和鍵入文本，從而允許它執行各種任務。

圖片

還有更多。Anthropic 還在 Claude 中推出了其分析工具。它允許用戶通過運行 JavaScript 代碼直接在平臺中執行數據分析。憑借這一點，Anthropic 在 AI 用戶體驗領域取得了成功。

此功能在預覽模式下也可用，使 Claude 能夠處理復雜的任務，例如數據清理和 CSV（逗號分隔值）文件的詳細分析。它旨在通過提供精確的洞察來幫助各個職能的團隊，旨在幫助營銷人員分析客戶行為，并幫助財務團隊創建儀表板。

圖片

上個月，Anthropic 向 iOS 和 Android 上的所有用戶提供了 Claude Artifacts，使任何人都可以輕松創建應用程序，而無需編寫任何代碼。

Anthropic 無疑將人類與 AI 的交互方式提升到了一個新的水平。 

“雖然 Anthropic 構建了一些仍然需要計算機作為界面的東西，但在未來，我們很可能會離開屏幕，使用一種新的設備或界面與 AI 代理進行交互。”

OpenAI 也沒有放棄。 在倫敦舉行的 OpenAI DevDay 2024 上，該公司的開發人員體驗主管 Romain Huet 展示了 o1 預覽版演示，揭示了希望和挫折。

經過三次嘗試后，Swift 地圖應用程序編碼停滯不前，但后來，一個演示 o1-mini 和 Cursor 的演示成功地控制了一架無人機，并完成了令人印象深刻的后空翻。

圖片

OpenAI 還在 ChatGPT 桌面應用程序上發布了一項高級語音功能，不久前，它發布了一項功能，現在允許用戶從 ChatGPT 上之前對話中搜索內容。

此外，OpenAI 昨天推出了其搜索引擎。ChatGPT 搜索現在提供改進的網絡搜索功能，以獲得及時、準確的答案，將自然語言交互與體育、新聞、股票報價等中的最新數據相結合。

3.Masters Voice 功能

最近，OpenAI 為開發人員推出了實時 API，使他們能夠為其應用程序添加高級語音和自然語音轉語音對話功能。此 API 使公司能夠構建語音驅動的客戶服務系統，這些系統可以處理復雜的任務，從預訂旅行到通過軟件指導用戶。

令人驚訝的是，Anthropic 的 Claude 在該領域幾乎沒有發展。

OpenAI 肯定正在扼殺它。這個新 API 是 ChatGPT 的視覺高級語音模式的擴展，在 API 更新前幾天發布。它提供了六種不同的聲音，以及流暢的音頻輸入和輸出選項。

例如，用戶現在可以通過展示冰箱的照片向 ChatGPT 詢問食譜創意，或者通過分享問題本身的圖片來獲得數學問題的幫助。

此更新類似于 Google 的對話式 AI 助手 Gemini Live。它聲稱可以幫助其用戶計劃活動、尋求建議、討論歷史事件，甚至探索新的本地話題和想法。

毋庸置疑，OpenAI 的 API 更新與依賴多個模型進行語音轉錄和響應的傳統方法形成鮮明對比。它使用 WebSocket 連接到 OpenAI 最新的 GPT-4o 模型，允許開發人員管理功能并根據用戶請求做出響應。

健康公司 Healthify Me 是早期采用者之一，他們通過他們的 AI 教練 Ria 使用 API 進行實時營養指導。它使用 OpenAI 的 GPT-4 Turbo 和名為 Whisper 的語音機器學習模型。

目前，Realtime API 根據文本和音頻令牌定價。音頻輸入的價格為每 100 萬個代幣 100 美元，輸出的價格為每 100 萬個代幣 200 美元。OpenAI 還在 API 中構建了強大的安全功能，包括自動濫用檢測和人工審核機制。

OpenAI 計劃在未來擴展 API 的功能。它旨在支持其他形式，如視頻和視覺輸入。

與 Anthropic 的 Claude Sonnet 3.5 Artifacts 相反，OpenAI 最近推出了 canvas。這是一個與 ChatGPT 一起編寫和編碼項目的新界面。

并不奇怪。OpenAI 用于 ChatGPT 的新畫布界面在編碼方面與 Anthropic 的 Claude Sonnet 3.5 相差無幾，開發人員一直喜歡 Claude 在快速生成、調試和學習代碼方面的能力。

Flexpa 首席技術官 Joshua Kelly 說：“按需軟件就在這里，”他與 Claude 一起在幾秒鐘內創建了一個自定義應用程序，強調了 Claude Artifacts 如何使用戶能夠快速開發定制的應用程序，并推動每個人作為潛在應用程序開發人員的愿景。

同時，GitHub 還通過其多模型陣容在編碼領域樹立了新標準——Claude 3.5 Sonnet、Gemini 1.5 Pro 以及 OpenAI 的 o1-mini 和 o1-preview。這為 VS Code、Xcode 等帶來了無與倫比的多功能性和開發人員選擇，將 GitHub 定位為滿足當今代碼生成需求的終極工具包。

4.有錢能使鬼推磨

雖然與去年相比，OpenAI 和 Anthropic 的用戶都出現了顯著增長，但它們的創收策略揭示了截然不同的方法。

根據上述分析，OpenAI 的大部分收入增長來自其 AI 模型（如 ChatGPT）的付費訂閱，而 Anthropic 的大部分收入是通過 API 服務獲得的。

圖源：AIM

實時 API 以及語音和語音控制等創新使 OpenAI 的收入在 2024 年飆升至 40 億美元，比去年增長 580%。他們的預測收益更令人印象深刻，預測表明他們在 2025 年可能達到 116 億美元。

對于 Anthropic 來說，可用性的飛躍促進了收入增長，今年達到 10 億美元，增長了 1000%，大部分收入來自 API 訪問，迎合尋求無縫 AI 集成的開發人員（這一點跟OpenAI今年在開發人員方面發力的做法是相類似的）。

如果沒有 Microsoft，OpenAI 幾乎無法生存。這家科技巨頭與 OpenAI 根深蒂固的合作伙伴關系，包括迄今為止投資超過 130 億美元，現在預計季度虧損將達到 15 億美元。Microsoft 將這一成本歸因于其在 OpenAI 中的股權，因為后者面臨不斷增加的費用以維持其快速增長。

本文轉載自??51CTO技術棧??，作者：言征