凭借ChatGPT掀起人工智能（AI）应用热潮的OpenAI发布了最新作品——GPT-4。得到这种新模型支持的ChatGPT将迎来升级。

美东时间3月14日周二，OpenAI宣布，推出大型的多模态模型GPT-4，称它可以接收图像和文本输入，输出文本，“比以往任何更具创造性和协作性”，并且“由于它有更广泛的常识和解决问题的能力，可以更准确地解决难题。”

OpenAI表示，已经与多家公司合作，要将GPT-4结合到他们的产品中，包括Duolingo、Stripe 和Khan Academy。GPT-4模型也将以API的形式，提供给付费版ChatGPT Plus的订阅用户。开发者可以注册，用它打造应用。

【资料图】

微软此后表示，新款的必应（Bing）搜索引擎将运行于GPT-4系统之上。

GPT-4全称生成式预训练转换器4。它的两位“前辈”GPT-3和GPT3.5分别用于创造Dall-E 和ChatGPT，都吸引了公众关注，刺激其他科技公司大力投入AI应用领域。

OpenAI介绍，相比支持ChatGPT的前代GPT-3.5，GPT-4和用户的对话只有微妙的差别，但在面对更复杂的任务时，两者的差异更为明显。

“在我们的内部评估中，它产生正确回应的可能性比GPT-3.5高40%。”

OpenAI还称，GPT-4参加了多种基准考试测试，包括美国律师资格考试Uniform Bar Exam、法学院入学考试LSAT、“美国高考”SAT数学部分和证据性阅读与写作部分的考试，在这些测试中，它的得分高于88%的应试者。

上周，微软德国的首席技术官（CTO）Andreas Braun在德国出席一个AI活动时透露，本周将发布多模态的系统GPT-4，它“将提供截然不同的可能性，比如视频”。这让外界猜测，GPT-4应该能让用户将文本转换为视频，因为他说该系统将是多模态的，也就在暗示，不仅能生成文本，还会有其他媒介。

本周二OpenAI介绍的GPT-4的确是多模态的，但它能融合的媒介没有一些人预测的多。OpenAI表示，GPT-4能同时解析文本和图像，所以能解读更复杂的输入内容。

在下面的示例中，我们可以看到GPT-4系统如何应答图像输入内容，比如像以下截图那样解释图片的不同寻常之处、图片的幽默之处、一个搞怪图片的用意。