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。

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。