微软德国首席技术官Andreas Braun确认,GPT-4将于2023年3月9日当周推出,且具备多模态能力。这意味着该模型能够处理视频、图像和声音等多种类型的输入。
GPT-4正式发布:性能对标人类专业水平
OpenAI于2023年3月14日正式发布GPT-4。作为一款接受图像和文本提示的多模态模型,其在多项专业和学术基准测试中展现出人类水平的性能。
“尽管在许多现实场景中仍不及人类,但在模拟律师资格考试等专业测试中,GPT-4成绩位于前10%的考生行列;相比之下,GPT-3.5仅处于后10%。”
团队耗时6个月,结合对抗性测试与ChatGPT的实践经验进行迭代对齐,使GPT-4在事实准确性、可控性及拒绝越界请求方面取得了显著进步。
核心突破:支持四种模态输入
GPT-4最大的亮点在于其多模态特性。不同于仅支持文本输入的GPT-3及GPT-3.5,GPT-4预计至少涵盖图像、声音、文本和视频四种模态。
微软业务战略总监Holger Kenn指出,多模态AI不仅能将文本转换为图像,还能生成音乐和视频内容。此外,微软正在开发“置信度指标”,旨在通过事实锚定提升AI输出的可靠性。
技术铺垫:微软Kosmos-1模型
在GPT-4发布前夕,微软于2023年3月初推出了多模态语言模型Kosmos-1。该模型集成了文本与图像模态,在图像分类、视觉推理、光学字符识别等任务中表现良好。
相较于Kosmos-1,GPT-4进一步扩展了能力边界,新增了视频和声音模态的支持,实现了更全面的多感官交互。
跨语言能力与知识迁移
GPT-4展现出强大的跨语言处理能力,支持几乎所有主流语言。例如,用户可用德语提问并获得意大利语回答。这一能力的关键在于模型能够跨越语言障碍提取知识,突破了单一语言的局限。
这与Google多模态AI MUM的目标类似,即利用其他语言(如日语)的数据源来回答英语问题,实现真正的全球知识互通。
行业格局:Azure集成加速AI落地
目前GPT-4的具体应用场景尚未完全公布,但Azure OpenAI服务已被特别提及。Microsoft通过将竞争技术深度整合至自身生态,吸引了大量市场关注。
相比之下,Google虽已在Lens、Maps等产品中应用AI作为辅助工具,但在面向消费者的AI领导力上显得相对滞后。Microsoft更为显眼的实施方式进一步强化了其在该领域的竞争优势。

