一图看透全球大模型！新智元十周年钜献，2025 ASI前沿趋势报告37页首发
发布仅三天，Sora APP便强势登顶美国App Store榜首，堪称「出道即顶流」！
就连谷歌Gemini、OpenAI自家ChatGPT，都得靠边站。
谁曾想，迭代后的Sora 2，竟彻底带火了一个APP。
据Appfigures估算，Sora iOS版上线仅两天，总下载量高达16.4万次，首发下载量达5.6万次。
虽不及ChatGPT和Gemini的首发成绩（8.1万和8万），但在第三天，Sora APP实现逆袭一举打破纪录。
真正引爆全网的是，Sora 2主打的「客串」（Cameo）功能，以及阶跃的物理智能，首次实现音画同步。
奥特曼亲自下场「以身试法」，结果被全网彻底玩坏。
从商店偷GPU被抓包、金字塔前热舞，到化身乖巧猫人、撒娇卖萌，人物一致性，细节逼真到惊掉下巴。
左右滑动查看
再来唱一段rap，各种形象的奥特曼在Sora笔下活灵活现。
如今，更强版的Sora 2 Pro效果更加炸裂。此前，奥特曼称ChatGPT Pro用户可使用Sora 2 Pro生成内容。
目前，ChatGPT Pro用户可选择新模型「Sora 2 Pro」：
· 最长可生成15秒视频
・支持高分辨率（High）生成
左右滑动查看
15秒意味着更长的叙事，而且一致性非常高，AI离拍出好莱坞级大片又近了一步。
值得一提的是，奥特曼今早发博文预告，Sora下一次两大更新：
一个是「互动式同人创作」模式即将上线，另一个是规划未来如何通过Sora实现盈利。
之所以这么做，是因为Sora以假乱真的视频，已经让人类肉眼无法分辨。
AI DeepFake再一次，席卷全网。
全球首个Sora生成的影片
就在今天，OpenAI放出了全球首个完全由Sora 2生成的剧情，时长近2分钟。
这部短剧名为《The Quack》，目前上线的是第一部。
剧情为无厘头喜剧风格，以创作者Gabrief为视角，讲述了他拿下「赛鸭」比赛冠军的台前幕后。
还记得Sora 2发布首日，奥特曼也曾在这部剧中亮相，参演观众中一员，激动惊呼。
另一边，网友放出的实测中，有不少令人惊艳的demo。
通过「意大利面」测试
还记得两年前，AI视频模型刚兴起之时，威尔·斯密斯吃意大利面鬼畜视频，全网疯传。
如今，Sora 2能够一键直出奥特曼吃意大利面的视频，看不出一点瑕疵。
再来看Veo 3，威尔·斯密斯吃意大利面，同样堪比真人。
直出15秒大片，Sora 2 Pro更强了
比起Sora 2，Pro版本更是惊艳了所有人。
它能够生成长达15秒的高质量视频，分辨率更高，所有ChatGPT Pro用户即可畅玩。
上线第一时间，网友们不出意外地再次玩起了「恶搞奥特曼」的经典桥段。
prompt：Sam Altman painting in an industrial loft and finishing with a bold readable “ Sora 2 ” on a two-meter canvas.
许多网友纷纷实测后惊呼，「Sora 2 Pro非常厉害」！
可以看出，在生成一部战争片时，Sora 2 Pro的表现真有一种大片的味道了。
手持自拍杆，以第一视角穿越千年，感受埃及金字塔的雄伟扑面而来。
未来不仅仅AI生成游戏，连动画片也能承包了。
想拍一部《速度与激情》？Sora 2 Pro同样能实现。
从人物特写到宏大叙事，它都能轻松驾驭，完整复刻出同款镜头。
以后，拍一个广告宣传片，Sora 2 Pro即可拿捏。
更多广告类视频，AI一键直出：LV、宾利、Burberry...
左右滑动查看
灵智觉醒？
Sora竟与GPT-4o「智商」相当！
虽然Sora 2是视频模型，但能够解答来自LLM基准测试的问题，
在GPQA问题的一个小子集上，Epoch AI测试了Sora 2，其得分为 55%，而GPT-5的得分为 72%。
GPQA Diamond是一个包含高难度多项选择题的科学测验基准，如下例所示。
两个量子态的能量分别为E1和E2，寿命分别为10^-9秒和10^-8秒。题目问：为了清楚地区分这两个能级，它们的能量差应该是多少？选项如下： A) 10^-9 eV B) 10^-8 eV C) 10^-11 eV D) 10^-4 eV
Epoch AI从该基准中随机选取了 10 道题目，并尝试为每道题生成四个对应的Sora视频。
为了在专为语言模型设计的测试上评估Sora，他们在提示词前添加了指令，要求生成一段视频，内容为教授在一张纸上展示答案字母（A–D）。对于未明确显示答案字母的视频，均视为回答错误。
既然Sora是视频模型，它又是如何解决这些问题的呢？
一种解释是：Sora用户的提示词可能在生成视频之前先被一个LLM重写。在这种情况下，LLM层可能会先解决问题，然后将答案明确地包含在重写的提示词中。
这种重新提示（re-prompting）层已被用于其他一些视频生成模型中，以提升输出的质量和多样性。
目前，尚不确定Sora是否也是如此，但即便如此也并不令人意外。
Sora如果仅凭一两句话的简单提示，就能达成现在的生成效果，那就意味着OpenAI取得了某种突破。
Sora 2懂得实在太多了——无论是歌词创作、上下文理解、世界观构建、风格把控、角色塑造都表现得太出色，对细节的把握精准得反常。
网友Andrew Curran对此非常好奇，希望OpenAI能明确说明到底是Sora的成果，还是中间层某个定制版GPT的功劳。
网友Smoke-away推测Sora使用的可能是个GPT-4o。
不仅因为GPT-4o的测试分数与Sora 2相当，而且测试中Sora 2偏爱GPT-4o。
运行4次下列提示词，Sora 2给出的结果3次是GPT-4o。
提示词：What is your favorite OpenAI model? Text on screen. 提示词大意：你最喜欢的OpenAI模型是什么？在屏幕显示文字。
总之，Smoke-away发现了一种和视频模型「聊天」的方式，并推测GPT-4o会处理初始提示词。