️️新智元报道

编辑：KingHZ 桃子

️【新智元导读】上线才三天，Sora一举登顶App Store全美榜首！Sora 2带着逆天「客串」功能彻底杀疯，人物细节逼真到让人瞳孔地震。最强版Sora 2 Pro同步上线，一次可拍15秒好莱坞级大片。

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

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

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

️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。

️奥特曼发文：同人创作新模式即将更新

奥特曼发文表示马上将推出两项更新。

️首先，OpenAI将赋予权利人对其角色生成更精细的控制权。

这类似于为（真人）形象设置的「选择加入」（opt-in）模式，但会提供额外的控制选项。

OpenAI收到了许多人的反馈。

他们对这种新型的「互动式同人创作」感到非常兴奋，并认为这种新颖的互动方式能为他们创造巨大价值。

但同时，他们也希望能明确规定其角色的使用方式（包括完全禁止使用）。

OpenAI预想不同的人会尝试迥然不同的方法，并最终找到适合自己的模式。但OpenAI希望对所有人都采用同一标准，让权利人自行决定如何推进（当然，目标是让这个功能极具吸引力，以至于许多人都愿意加入）。

这个过程中，可能会出现一些本不应生成的边缘案例内容，要让Sora技术栈稳定运行，还需要进行迭代完善。

️其次，OpenAI需要以某种方式通过视频生成来实现盈利。

目前，平均每位用户生成的内容量远超OpenAI的预期，并且大量视频的受众范围非常小。

OpenAI将尝试与那些允许用户生成其角色的权利人分享部分收益。

具体的模式需要通过反复试验来确定，但OpenAI很快启动计划。他们希望这种新的互动方式本身能比收益分成更具价值，当然，他们希望两者都能创造价值。

OpenAI将以极快的速度进行迭代，这让奥特曼想起了ChatGPT的早期岁月。

在此过程中，OpenAI会有正确的决策，也会有失误，但他们会听取反馈，并努力尽快修正失误。

OpenAI计划先在Sora中对不同方法进行迭代试验，然后将成功经验推广到他们所有的产品中。

️Sora三天伪造全球危机，无人能辨真假！

OpenAI的Sora让视频制作极其容易，生成的效果有极其逼真。

但狂欢之下，纽约时报则指出了背后的现实隐患：

Sora生成了商店抢劫、入室行窃甚至城市街道上炸弹爆炸的视频——而这些事件从未发生过。

专家表示，越来越逼真的视频更有可能加剧冲突、欺诈消费者、左右舆论，或诬陷他人犯下其未曾犯下的罪行，从而在现实世界中造成严重后果。

加州大学伯克利分校计算机科学教授、GetReal Security联合创始人Hany Farid表示：「消费者每天都在接触不知多少条这样的内容，这令人忧心忡忡。我为我们的国家担忧，为我们的经济担忧，也为我们的社会机构担忧。」

在该应用发布时，OpenAI在附件中写道：

Sora 2 生成超逼真视频和音频的能力，引发了人们在肖像权、滥用和欺骗方面的重要担忧。如上所述，我们正采取一种深思熟虑、逐步迭代的部署方法，以最大程度地降低这些潜在风险。

直到最近，即使照片和文字的逼真编辑已变得轻而易举，视频作为真实事件的证据仍相当可靠。

但专家表示，Sora 2动摇了观众对「眼见为实」的理念。

Sora视频带有一个移动水印以表明其为AI生成，但专家称，这种标记花点功夫就能被编辑去除。

Hany Farid表示，Sora是「持续发展过程的一部分」，自从谷歌在五月份发布其Veo 3视频生成器以来，这一趋势愈演愈烈。

Hany Farid说，即使是他这样一位毕生致力于识别伪造图像的专家，如今也难以第一眼就分辨出真假。