通过视频通话，我们给AI打了电话，发现它似乎什么都可以唠叨。。

三个月前的 OpenAI 新闻发布会，相信哥哥已经看过几次了。 GPT-4o ，就像真人一样视频对话能力丝滑了。

此外，谷歌紧随其后的推出。 Project Astra ，实力看起来也一点也不输 GPT-4o 。

那一阵子，几乎整个网络都在吹。 AI 互动能力的进化要有多强，什么史诗级别， Next Level 所有的单词都用上了。

结果怎样， GPT-4o 说好的视频通话功能是一拖再拖， Project Astra 已经好几个月没有看到身影了，一个接一个，差评君钓成了翘嘴。。

不过我发现 AI 圈子里似乎有一个规律，就是好东西不能让每个人都等太久。你们看 Sora 遮盖半年以上，结果可灵， Luma AI 、智谱清影都出现了。

这两天，远在巴塞罗那的数据挖掘大会 KDD 在全球学术界和行业面前，智谱，不但发布了最新的底座大模型 GLM-4-Plus ，与此同时，视频通话功能也升级到了智谱清言。

别的先不说，比较一下 OpenAI ，这个速度的智谱已经赢麻了。。

所以清言视频通话功能一推出，差评君就在第一时间抢先使用。打开清言 App ，点击右下角的通话按钮，进入后再转换成视频，直接玩。 ~

朋友们也应该知道， GPT-4o 之所以被吹得天花乱坠，一个很重要的原因就是它对视频的理解能力很强。

那么最基本的，清言的视频理解能力必须先试一试？

差评君给了清言，看了一下我们编辑部普通脑暴的会议厅，看看能不能根据周围环境猜到我在做什么，还特意晃了晃镜头，没有完全保持视频画面的静止。

你们猜怎么着，清言一句 " 哇，猜猜你在做什么 " ，差一点给我做不到。但坐在会议室的桌子旁边却没有说错，桌子上的纸杯、控制器、旁边的电视也都描述得相当准确。

再次将镜头放在后期同事的电脑上，甚至可以看出这是在视频编辑中。

别说了，这种对周围整体环境的感知，差评君之前只是在 OpenAI 和谷歌的 Demo 以前见过，今天亲身经历过，还真有点科幻照进入现实。

而且，清言跟 GPT-4o 同样的演示，可以随时打断对话过程，时不时还会有整点 " 哎哟 "" 嗐 " 语气词，说话前哈哈大笑，就像和真人聊天一样。

接着，我又尝试了具体的物体识别功能，看清言的知识储备。

从扫描最简单的过程开始，白色键盘、黑色鼠标、显示屏等大件物品几乎没有遗漏，物体前后左右的方向也描述得很清楚，甚至连插线耳机和玻璃上的卡通人物都没有放过。

不能说 100% 是的，但是这张桌子上至少 80%-90% 所有的东西，都被清言看到了。

而且清言还有一个功能，那就是画圈识别，在远处，我把同事那个大音箱圈起来，品牌，型号，甚至具体用途，它都知道。

虽然扬声器上标有文字，但每个人都应该能看到这种清晰度。人们看到它已经足够困难了。不得不说，这句话的眼神真的很好。。。

另外，我还发现，清言对物体的识别不仅仅停留在简单的类别上。

例如这款游戏手柄，你问到底是索尼还是微软，它可以根据摇杆的形状进行设计分析，这是微软的。 Xbox 。并非简单地告诉你这是一个游戏摇杆，或干脆糊弄过去说不清楚。

还有这种古老的功能机，诺基亚，型号规格是 N95 、 2007 年度经典款这些细节完全不在话下。

后来我让清言识别电脑系统，看托尼照片猜年龄，看名人照片猜名字。。。就这么说吧。自从我开始说清楚之后，我现在什么都抓住了，想打开视频聊天问一下。

好玩当然是好玩的，像视频聊天这样的形式其实有很多实用的情景。

以我们编辑部平时找题目看资料为例。这两天车圈的热点基本上离不开成都车展。这时候可以问一下关于成都车展的清言，在对话中找到选题的灵感。

主要是我还发现，清言包含记忆功能，上次视频聊天我跟它聊这件事，下次再打开，它上去就问我在车展上关注了哪些新能源车。

还有父母最头痛的作业辅导，以前的作业辅导 AI 互动还是拍照上传题目的那一套，但是如果换成视频聊天，那么和在线家教一对一作业辅导是一个逻辑。

我试着让清言做一些低难度的数学题，有些简单的代数题在小学和初中勉强能拿下。

不知道大家有没有注意到，清言在做题的时候不会把所有的过程都说出来，也不会只给一个结果。它会一步一步引导你，让你有一个思考的过程。

除数学外，我还逐一尝试过语文和英语，清言不能说是高级教师，但是，平时写作工作，背单词，背古诗，完全够用。

假如每个人都认为这些场景还不够，那么我们就再发挥一些想象力。

第一次没有做饭的经验，房间里的灯泡坏了，不知道怎么养绿色植物。。。如果你在生活中遇到类似的事情，不知道该怎么办，不妨问一下。

举例来说，许多小朋友可能暂时还分不清电池的正负极，我们就假装把计算器电池装反，清言一两句。 get 问题出在哪里，说明它还是很有生活常识的。

总而言之，这几天用清言，我有事就喜欢找。而这个小玩意也特别可以。提供情感价值，让它讲故事，讲笑话，也每一句都有回应。

跟朋友玩 21 点，它甚至可以当裁判。

不知以后能不能进化到打麻将三缺一，让 AI 来到顶部。这个不比原来的打字、语音对话有趣多了？

老实说，这次清言的大升级还是给我带来了很多惊喜，但是小瑕疵还是很多的，有时候会说话，认错物品，导出一些胡说八道。

就比如当 21 点击裁判，有一次 9 说成是 4 ，黑桃子被认为是梅花。。

然而，就凭抢在了 OpenAI 在和谷歌之前，先让国内使用。 AI 视频聊天这一点，我们还得给智谱竖起大拇哥。

另外，也许还有很多小伙伴对智谱不太熟悉，这么说吧，这家公司在 AI 这个圈子可以说是当红炸子鸡了。

尤其是今年，他们在模型上的动作被称为凶猛。从基础大模型的疯狂迭代到大模型使用的频繁落地，智谱的动作从未停止过。

这次 KDD 上面，他们的新大模型 GLM-4-Plus ，在语言逻辑和长文本等方面都有了很大的提高。

总而言之，智谱这次带头是这样的。 " 闹 " ，在国内甚至海外 AI 圈子，估计马上又要迎来一波商品的疯狂上新。

对于我们用户来说，这自然是一件好事。特别是 AI 视频聊天这一新的互动形式，越往后走应用场景的想象空间也越大。

比如把 AI 安装在眼镜、颈链上，以后可能连手机都不需要，或者安装在盲人的拐杖上，让它 AI 帮忙引路，或与具体智能相结合，让机器人真正理解所看到的。

借用智谱 CEO 张鹏的那句话： " 至少我们还没看见。（AI ）技术性天花板 " 。

未来的 AI 进化到什么程度，又会创造什么价值，大家也不妨开个脑洞想一想。

发文：西西

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com