GPT-4 重磅发布：多模态 AI 的新里程碑

在 ChatGPT 发布仅仅四个月后，OpenAI 又扔下一颗重磅冲击波——GPT-4 正式发布了！ 本次更新带来了诸多令人惊叹的新功能，不仅能够总结文章、写代码、报税、写诗，甚至还能读图、做家教。作为普通用户或开发者，你很可能想知道：GPT-4 到底有哪些升级？它能做什么？ 下面我们带你逐一了解。

一、GPT-4 的核心新特性：多模态与超长文本

根据 OpenAI 官方介绍，GPT-4 是一个超大的多模态模型。这意味着它的输入不仅可以是文字（上限可达 2.5 万字），还可以是图像。这一突破让 GPT-4 具备了“看图说话”的能力，真正实现了语言与视觉的融合。

二、图像理解能力：GPT-4 看得懂、算得出、做得到

GPT-4 最亮眼的能力之一就是理解图像内容。我们来看看几个实际案例：

• 物理场景推理：输入一张图片，并提问“手套掉下来会怎么样？”GPT-4 能准确回答：“会砸到木板小球弹起。”再问“剪断图中的线会怎么样？”它回答：“气球会飞走。”
  
• 图表数据分析：GPT-4 可以理解图表中的数据含义，并做进一步计算。
  
• 论文摘要提取：直接把论文截图发给它，GPT-4 能识别其中的文字和图片，并给出整篇论文的总结摘要。
  
• 饮食建议：根据你拍的餐食照片，GPT-4 可以给出合理的用餐建议。
  
• 从草图生成网页代码：只需画一个非常粗糙的网站草稿图，拍张照片上传给 GPT-4，它就能在 10 秒内生成网站的 HTML 代码。
  
  甚至当程序出了问题，把 1 万字的程序文档丢给 GPT-4，再附上出现的问题，几秒钟内就能得到解决办法。 有程序员感叹：“原地失业了！”

三、性能表现：考试碾压人类，错误率大幅降低

OpenAI 表示：在各种专业和学术基准上，GPT-4 的表现与人类相当。它参加了多项标准化测试：

• 美国律师资格考试（Uniform Bar Exam）：成绩在考生中排名前 10% 左右。
• 法学院入学考试（LSAT）：同样取得高分。
• SAT 阅读部分：排名前 7% 左右。
• SAT 数学部分：排名前 11% 左右。

在内部评估中，GPT-4 产生正确回应的可能性比 GPT-3.5 高出 40%。并且 GPT-4 是多模态的（同时支持文本和图像输入）。OpenAI 称，GPT-4 比以前的版本“更大”，在更多数据上进行了训练，运行成本也更高。

四、注意：GPT-4 仍不完美

尽管强大，OpenAI 也警告：GPT-4 还不完美，在许多情况下能力不如人类。 它仍有许多已知局限性，例如社会偏见、幻觉（生成不准确信息）和对抗性提示（故意误导）。公司正在努力解决这些问题。

五、如何体验 GPT-4？

• ChatGPT 付费用户：新功能将开放给 ChatGPT Plus 用户（每月 20 美元）。
• API 开发者：开放 API，允许开发者付费将 AI 集成到自己的应用中。多家公司已集成，如 Duolingo、Stripe、Khan Academy 等。
• 免费尝鲜途径：如果你不是付费用户，微软 Bing 的 AI 聊天机器人已经集成了 GPT-4，可以直接使用 Bing 体验。