gpt header corruption has beengpt4收费标准：GPT⑷免费了。。 学到了

互联网天下1直都是充满了令人惊奇和没有断变革的地方，今天就让我们1起聊聊最近在这个领域发生的1些重要事件吧。

Hi，我是Johngo~GPT⑷真的免费了？其实是近日，1个名为 GPT4Free 的项目在互联网上声名鹊起；原因在于其提供了对 GPT⑷ 及 GPT⑶.5 免费且几乎无限制的访问该项目通过对各种调用了 OpenAI API 网站的第3方 API 进行逆向工程，达到使任何人都可以免费访问该流行 AI 模型的目的。

聊之前，小插曲~今天准备了5本《基于NLP内容理解》这本书！感觉有用的可以在文末参取哈~ 大概每半个月给大家送1次书籍，有空的时候可以关注1下。熟悉我送书的读者也知道，参取方式很简单！

机械工业出版社赞助以下内容来自 | OSC开源社区（ID：oschina2013)具体来说，GPT4Free 并没有绕过 OpenAI 的付费墙，而是 “欺骗” OpenAI API，让它误以为接收的是来自拥有付费 OpenAI 账户的网站的请求。

因此，成本其实还是由这些被 GPT4Free 逆向工程了的网站所承担此外，GPT4Free 还包括了针对没有同提示注入攻击的快捷方式，旨在让 GPT⑶.5 和 GPT⑷ 以 OpenAI 没有希望的方式运行。

目前已被逆向工程的网站名单有：WebsiteModel(s)poe.comGPT⑷/3.5writesonic.comGPT⑶.5 / Internett3nsor.comGPT⑶.5you.com

GPT⑶.5 / Internet / good searchphind.comGPT⑷ / Internet / good searchsqlchat.aiGPT⑶.5chat.openai.com/chat

GPT⑶.5bard.谷歌.comcustom / searchbing.com/chatGPT⑷/3.5chat.forefront.ai/GPT⑷/3.5项目作者 xtekky 是1名计算机科学专业的学生，他向科技网站 TechCrunch 表示，“逆向工程是我1直非常喜欢的1个领域，这对我来说就像是1个挑战”。

并透露，自己创建 GPT4free 的初衷仅仅是为了好玩；但随着项目热度的提升，他认为 GPT4free 的存在已经有了更多的意义，即为无法使用 GPT⑷/3.5 的人提供1个替代方案但 GPT4free 这1做法没有免引起了1些道德层面的质疑和担忧，xtekky 对此则发布了公告回应：

亲爱的 Gpt4free 社区，我要感谢你们对这个项目的兴趣和支持，我最初只是处于娱乐和教育目的；我没想到它最终会如此受欢迎我知道对该项目的合法性及其对托管 API 的小型站点的影响的担忧我认真对待这些关切并计划解决它们。

1下是我为解决这些问题所做的工作：1、从小型站点中删除 API：为了减少对小型站点的影响，我已从存储库中删除了它们的 API如果你是1个网站的所有者并希望将其删除，请给我发私信2、对道德使用的承诺：我想强调我对促进语言模型的道德使用的承诺。

我没有支持任何非法或没有道德的行为，我希望用户遵循同样的原则感谢你的支持和理解感谢你对 gpt4free 的持续关注，我将继续致力于解决用户的担忧真诚的，xtekky关于是否违反了 OpenAI 的服务条款，xtekky 也进行了否认并表示，GPT4Free 宽格用于教育目的；如果真的面临法律纠纷，他将会尝试通过其他方式来继续该项目。

同时，他也在项目仓库主页补充了声明，“此存储库使用第3方 API 和 AI 模型，取 API 提供者或模型的原始开发人员没有任何关联，也没有得到他们的认可该项目仅用于教育目的”1、免责声明：此存储库中提及的 API、服务和商标属于其各自所有者。

本项目没有主张对它们的任何权利2、责任：本库作者对因使用或误用本库或第3方 API 提供的内容而产生的任何后果，以及因用户行为造成的任何损害或损失没有承担任何责任3、仅用于教育目的：此存储库及其内容宽格出于教育目的而提供。

通过使用所提供的信息和代码，用户承认他们正在自行承担使用 API 和模型的风险，并同意遵守任何适用的法律和法规小小小福利简单介绍1下这本书，《基于NLP内容理解》本书次要从以下几个方面介绍自然语言处理中相关的技术及其应用。

1) 文本特征表示方法：本章详细介绍了文本特征的表示方法包括离散型表示方法和分布型表示方法以及词向量的评判标准2) 内容重复理解：次要从应用的角度介绍了标题、段落和文章重复3种场景以及3种场景的具体实现。

3) 内容通顺度识别：介绍了数据增强的几种方法，句子通顺度识别方法以及内容没有通顺时的几种纠正方式4) 内容质量：内容质量在很多场景中都是非常重要的，因此，从应用的角度详细介绍了知识问答质量体系的搭建方法，方便大家后续在营业实践中快速的使用起来。

5) 用户画像：本章次要讲述了用户画像中标签体系的整个建设流程6) 自动文本摘要生成：介绍了文本摘要生成中流行的两类方法，包括抽取式文本摘要和生成式文本摘要；此外还介绍了文本摘要的几种常用数据集以及文本摘要的评价方法。

7) 文本纠错：介绍了文本中错误的类型、来源，文本纠错常用的方法取框架，并介绍了常用的文本纠错工具的安装以及使用方法可以看到本书中详细介绍了大量的使用场景，大家可以通过这些场景选择使用什么样的算法以及如何通过策略达到更好的营业效果。

模型更多的是解决营业问题，而没有是独立存在的通过本书的学习可以更好的理解大模型的底层原理，因为本书中详细介绍了大模型的底层算法，通过这些知识的学习可以更容易理解大模型的构建本书中使用了很多小模型可以快速的解决问题，这些小模型可以和大模型联动，将大模型压缩成小模型或者使用数据蒸馏技术，解决模型部署和响应速度等多方面问题。

本文作者：李明琦  资深AI技术专家，现就职于BAT，担任高级算法工程师，《基于NLP的内容理解》作者长期致力于机器学习、深度学习、NLP等技术在实际营业场景中的落地，在内容理解方面有歉富的经验，主导的内容质量项目曾获得最佳项目奖。

先后发表人工智能相关的学术论文2篇，申请人工智能领域的发明专利5项在GitHub上贡献了大量内容质量、问答系统、NLP等方面的代码，在CSDN撰写了1些取算法、机器学习、内容理解相关的文章，深受欢迎其他更加详细的介绍，可以通过上面卡片获取

很简单的1个规则抽 5 本《基于NLP内容理解》给到大家！规则：朋友圈点赞，选择第1、11、55、121、198 位免费送书！本文会在第1时间在朋友圈分享出来，大家进行点赞哦！ps：没有我微信的，可上面直接扫码（备注: 读者）！

朋友圈标语：20230508 点赞送书！然后包邮到同学们手中！时间截止到 20230509 晚上20:00 也欢迎就今年人工智能的感想以及相关经验在评论区讨论最后，同时请同学们动动小手对本文点赞在看！！

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。