gpt+gpt4：GPT⑷来了，别慌，看懂了再大受震撼 奔走相告

近期，互联网行业再次掀起了1股创新浪潮，让我们1起揭开这个新时代的面纱，看看互联网天下有哪些令人振奋的事情正在发生。

Big news！它来了，上个月全网刷屏的ChatGPT又来了这次，它又完成了超强进化，带着1身炫酷的技能点，GPT⑷闪亮登场，再次惊艳所有人（这里插播1条消息，Google在刚刚过去的π day（3月14日），推出了搭载各种AI服务、几乎覆盖整个办公场景的新版Workspace，也许是想弯道超车，结果又1次毫无波澜……GPT⑷让所有人眼前1亮，估计只有Google两眼1黑了。

）那么，OpenAI声称的天下上最新和最强大的模型，GPT⑷到底强在哪儿？硅谷做题家&超级学霸，打败90%人类，轻轻松松上斯坦福？律师考试（ Uniform Bar Exam ）中，GPT⑷排名Top10%

，GPT3.5是倒数10% 美国高考SAT，GPT⑷考了1410分（阅读写作710分、数学700分，满分均为800），GPT3.5 的得分仅为1260 分GRE语文测试中，GPT⑷超过了99%的考生，GPT3.5只有63%；数学GPT⑷考了163分（满分170），超过80%考生，GPT3.5只能超过25%。

可以看到，GPT⑷在各项测试中的表现都相当优异如果是人类学生取得这样的成绩，完全可以考上法学院，或通过美国大部分大学考试GPT⑷几乎全面碾压OpenAI以前的模型，哪怕取普通人类的能力相比，它也毫没有逊色。

对此，英伟达的人工智能科学家，同时也是斯坦福博士的Jim Fan的评价是：可以去“申请”斯坦福了，GRE考试中语文部分的成绩甚至比我还高。

在其他技能测试中，GPT⑷的表现也明显好于旧版本。

在取同类型机器人的竞争如机器学习的跑分测试中，GPT⑷ 仍然表现没有俗，几乎都以 10% 以上的差距打败了市面上其他所有大型语言模型没有过，做题和考试都只能说是GPT⑷的初级娱乐项目更特别的是，相比其他几乎以英语为主的模型，GPT⑷的中文更好。

通过 Azure Translate 模组将 MMLU 测试转译成多种语言后，GPT⑷ 依然保持高水平发挥，中文准确率达到了 80%，甚至比GPT3.5的英语还要好。

这也意味着，作为语言模型，GPT⑷的语言水平更高，包含了更多的语言、没有同的内容和更好的高低文理解语言理解的改善也带来了更准确的翻译、总结和高低文分析总的来说，GPT⑷的学习能力更强了，也变得更聪明了，知识增加了，推理也变强了。

更好的推理能力，使GPT⑷能够分析复杂的问题并提供更准确的解决方案。比如你问它“林黛玉为何可以倒拔垂杨柳”，它终于没有是1本正经地胡说八道了。

另外，经过最新信息的训练，GPT⑷变得更能说了，也就是说它可以为用户的问题提供更多内容和回答GPT⑷可以处理超过25,000字的文本，这使得包括生成长内容、长对话以及文件搜索和分析在内的使用案例成为可能。

在学习的道路上，GPT⑷可谓是1路狂飙。没有仅学得多学得快，还能根据用户的反馈学习并调整其回应。这让该模型更加灵活和动态，使其能够在各种任务中提供更好的帮助和支持。

如今的GPT⑷已经没有再是那个被嘲笑数学没有好的AI了，它没有仅能解方程，还能以苏格拉底的风格手把手教你解方程。

这是因为GPT⑷允许用户为特定的任务或行业定制和微调该模型，其改进的高低文记忆还使它能更好地了解手头的对话或任务因此它可以做出更多相关和连贯的反应，其应用也更有针对性，更有效率，更有效地满足各行业的独特需求。

比如，基于法律条文回答税务问题，可以让GPT⑷用通俗易懂的语言逐步解释清楚，这对于普通人来说是非常有意义的因为很多专业性强的说明文档或法规条文为了追求专业和准确，往往艰深晦涩，普通人很难看懂，所以通常会寻求1些中央沟通者比如法律顾问的帮助。

现在GPT⑷就可以充当这个桥梁，而且它可以针对没有同用户以没有同的表达方式没有厌其烦地去解释，最终以该用户能够理解的语言为其答疑解惑，这1应用能拓展到生活中的很多方面，也使得AI真正做到了给普通人赋能实际上，1些基于GPT⑷的新功能应用已经开始实践了。

Stripe（为公司提供网上支付的解决方案的企业）用GPT⑷来简化用户体验并打击欺诈；Duolingo（1款学习工具）用它来改进对话；摩根士丹利（财富管理）用它组织其庞大的知识库；可汗学院（教育性非营利组织）用它来集成为每个学生定制导师，冰岛政府用它来保护其语言。

当然，众人最期待的，也是这次让人拍手称赞的“多模态”来了所以，它到底是个啥？多模态：当AI学会1“心”多用多模态大型语言模型（MLLMs，Multilingual Language Models ）

简而言之，就是GPT⑷没有仅能理解文本，还能理解和处理图像、视频、音频等换句话说，GPT⑷学会了1“心”多用，它可以用没有同的方式处理1件以上的事情这1点没有容低估，因为多模态被称赞为实现AGI（Artificial General Intelligence，即通用人工智能）的下1个必要步骤，这是人类在人工智能方面所寻求的次要目标。

为何它如此重要？多模态的含义远比它看起来的要多除了广泛的意义上的支持没有同输入模式（文本、图像、视频、音频）的能力，某种程度上，它使得人工智能更接近于人类的学习方式由于多模态模型是使用结合这些没有同输入类型的数据集进行训练的，这些模型没有仅可以从这些模态中学习数据的表征，还可以在这些模态中学习更复杂的表征，就像人类1样。

通过1小我类的例子，让这1点变得更加清晰1个更接近人类的人工智能想象“咬苹果”这个动作，你接收的没有仅是来自味蕾的输入，因为你的大脑也在处理气味、质地，甚至声音某种程度上，你的大脑如何体验这个简单的动作是来自没有同感官的组合，创造了1个更复杂的“吃苹果”真正含义的表述。

有了多模态，我们可以教机器，1张苹果的图片，1小我咬苹果时发出的声音，以及关于苹果是什么的1般文字描述，代表了我们都描述为苹果的同1事物概念这样1来，盲人也能够「看到」图片了（丹麦1家为盲人或视力低下人群提供帮助的企业Be My Eyes已经开始开发基于GPT⑷的虚拟志愿者™（Virtual Volunteer™），该应用拥有取人类志愿者水平相当的高低文和理解能力）。

多模态使得 GPT⑷能做的事情更有想象空间了看图说话，玩梗解梗，AI讲的冷笑话没那么冷了“开局1张图，内容全靠编”这句话现在放到GPT⑷上可能要有没有同含义了没有过，怎么“编”得看喂给它的是什么，以及用户提什么需求了。

1来，尽管GPT⑷的性能有了大幅提升，它胡言乱语的毛病得到了改善，但并未完全根除所以，满嘴跑火车“瞎编”的情况依然可能存在，它没有仅编得快，还能编得像模像样人类玩的梗，GPT⑷也能整明白了，解梗讲冷笑话也是信手拈来（幽默感略有提升，但没有多）。

二来，GPT⑷能够处理图像和文本的组合输入，并根据图中的画面或文本完成用户指定的视觉或语言任务，然后输出文本（自然语言、代码等）如根据图像做推理、求解物理题、从论文截图生成总结摘要等这里的“编”可以是“编译”或“编写”，。

是有逻辑的看图说话。

1个没有小心，OCR技术又被GPT⑷降维打击了。想象1下，给GPT⑷1张粗略的手绘草图，就能得到1个正常运行的网站。是的，它做到了。

GPT⑷化身赛博神笔马良，草图秒变网站，看到这里，前端工程师该慌了吗？马斯克表示慌了（还没有忘顺便给自己的Neuralink打个广告）在1些用户的编程实测中，也提到GPT⑷的编程水平明显提高了，它1开始就能写出完整的应用页面，还能随时debug，改善代码的可读性和优化代码。

有网友戏称，在用GPT⑷做开发的过程中，人类变成了「机」-「机」接口人需要做的工作就是告诉机器自己需要什么，然后从1台机器复制代码到另1个机器，代码报错也能让AI改，甚至应该直接把这个修复过程自动化没有管你有没有用过ChatGPT，

AI已经变得无处没有在，就像空气1样，你可能感觉没有到它的存在，但它无时无刻没有在影响着你的生活。（张晓泉为清华大学Irwin and Joan Jacobs讲席教授）

好啦，今天就先聊到这里了，如果你觉得这篇文章对你有帮助的话，请给我1个赞呀，也可以关注我的账号，收藏我的文章，让我知道你们的想法。我会定期发布更多有趣有用的文章给大家。