#353 GPT-4o & Google Astra: Echtzeit Videotelefonie mit AI-Bot | Alibaba, SEA, OnRunning, HomeToGo Earnings

Philipp Glöckler (0:00)

Willkommen zum Doppelgänger Tech Talk Podcast Folge 353 am 15 Mai. Ich bin Philipp Klöckner und telefoniere zweimal die Woche mit Philipp Klöckner. Und heute am Tag der Aufnahme ist ein ganz besonderer Tag. Am 14 Mai hat eine Person Geburtstag, die das Leben aller Höheren in den letzten Jahren sehr geprägt hat. Eine Person, ohne die es diesen Podcast nicht geben würde.

Eine Person, die euch allen der Woche mindestens vier Stunden Zeit raubt. Pipp, ich freue mich sehr, dass wir heute widersprechen. Und ich wünsche Mark Zuckerberg alles Gute zu seinem 40 Geburtstag.

Philipp Klöckner (0:42)

Ja, ich ihm auch. Herzlichen Glückwunsch, Mark Zuckerberg. Ein hervorragender Tag, um geboren zu werden.

Philipp Glöckler (0:49)

Es ist tatsächlich so. Aber ich wünsche dir natürlich auch alles, alles Gute.

Vielen Dank, dass ich heute wieder mit dir zusammen feiern darf.

Philipp Klöckner (0:59)

Sehr gern. Was hast du mir als Geschenk mitgebracht? Was ich erwartet hätte, wäre ein eingesprochener Geburtstagscrew von Scott Galloway.

Philipp Glöckler (1:07)

Ja, das wäre gut gewesen.

Philipp Klöckner (1:09)

Das hättest du mit 11Labs oder so wenigstens nachbauen können, mit AI und mir verkaufen, als ich.

Philipp Glöckler (1:15)

Nächstes Jahr kann ich wahrscheinlich OpenAI sagen. Bitte die Stimme noch ein bisschen emotionaler machen.

Bitte die Stimme noch ein bisschen mehr wie Scott Galloway. Wahrscheinlich ist es dann möglich. Ich hätte ihn natürlich letzte Woche auch fragen können, nach einer Sprachnachricht, einem Geburtstagsvideo. Aber du hast ihn ja selbst gesehen und ihm selbst eine Frage gestellt, die er auch gut beantwortet hat. Damit hast du dir ja selbst ein Geschenk gemacht.

Aber ich überlege mir für nächstes Jahr was Besseres.

Heute ein bisschen AI-News, also viel AI-News natürlich wieder. Montag hat OpenAI ein Spring-Update gemacht. Ich hätte ein bisschen mehr erwartet, muss ich ehrlich sagen. Aber da gehen wir gleich nochmal mehr rein. Wenn wir mit der Aufnahme fertig sind, kommt der Gegenschlag von Google. Die I.O.-Konferenz bei Google mit Gemini und allem. Und sonst noch ein bisschen lockere Earnings am Ende. Und man munkelt, dass die Meme-Aktienzeit wieder zurückkommt. Das musste mir auch noch mal ein bisschen mehr erklären. Erstmal OpenAI, du hast in unserem Newsletter geschrieben, dass du glaubst, es wird Suche. Du hast auch letzte Woche auf der OMR und im Podcast erzählt, dass Suche das nächste große Ding sein sollte, was Microsoft und OpenAI machen wird. Warst du überrascht, dass Suche jetzt am Montag nicht announced worden ist?

Philipp Klöckner (2:48)

Hättest du den Newsletter ausführlich gelesen, hättest du ja gelesen, dass es zum Zeitpunkt des Verfassens des Newsletters schon feststand, dass es nicht Suche wird, sondern ein Sprachassistent, das stand ja im Newsletter drin, den du offenbar bestenfalls überflogen hast? Nee, das war, also ich glaube immer noch, dass Suche ein spannender Markt ist für Microsoft und OpenAI und dass ihr das weiter machen sollt. Und vielleicht ist der Sprachassistent ja sogar ein Weg dahin.

Aber das wurde quasi dementiert von Greg Brockman und Sam Altman, dass es GPT-5 nicht wird und dass es keine Suche geben wird. Da haben sie erst mal sozusagen dementiert, dass das der Fall sein könnte. Und stattdessen wird es was anderes spannendes sein. Und es wurde jetzt ein Sprachassistent, beziehungsweise ein neues Modell, das GPT-4O. O steht für Omni.

Und es ist halt im Input und Output multimodal. Das ist, glaube ich, die größte Neuung. Und es ist doppelt so schnell und halb so günstig. Das heißt eigentlich eine 4x Verbesserung. Wenn es halb so, doppelt so schnell ist, halb so günstig, dann ist es eigentlich eine vierfache Verbesserung. Aber der große Unterschied ist, dass man in quasi Real-Time hineinsprechen kann und Output wieder bekommt in Sprache.

Und damit ist es quasi ein Voice Assistant. Also bisher war es so, du konntest chat.gbt schon über Umwege mit Voice nutzen. Das hat aber zu einer sehr hohen Latenz von 3 bis 5 Sekunden geführt, weil es ein Modell gab, was deine Sprache in Text übersetzt. Der Text wurde dann von gbt verarbeitet. Dann wurde dann der Output wiederum vorgelesen von einem Text-to-Speech-Modell, was zu einer Gesamtlatenz von je nach Modell 3 bis 5 Sekunden geführt hat. Und diese Latenz hat man jetzt durch die direkte Multimodalität im Modell auf 200 bis 300 Millisekunden, und das ist kaum noch spürbar. Das ist, was man als normale menschliche Latenz vielleicht auch erkennen würde, reduziert. Und das macht es, ich würde einfach sagen, zum Siri-Killer. Also Siri kann einpacken. Wenn du das auf einen Button, also alles, was Apple noch tun könnte, wäre zu verhindern, dass irgendjemand sozusagen den AI-Assistent frei wählen kann im Handy und sagen, ihr müsst Siri nutzen, aber das würde, glaube ich, schnell zu neuem Wettbewerbsproblem führen. Deswegen denke ich, dass Apple wahrscheinlich so eine Art Auswahl-Menü machen muss, wie beim Browser oder bei der Suchmaschine. Und dann kannst du wählen, ob du Siri nimmst, was keiner tun müsste eigentlich. Chat GPT oder Google Gemini.