多模态输入
可同时接受图像和文本作为输入，产生文本输出。相比只处理文本的 GPT-3.5，多了一条图像理解通道，但输出端仍只生成文本。
价格官网未标价
平台Web / API
归类大模型与开发平台
收录2023-03-14
复核2023-03-14
编辑评分
4.2 / 5
★★★★☆
GPT-4编辑总结
GPT-4 是 OpenAI 在 2023 年 3 月 14 日发布的大规模多模态模型，可接受图像和文本输入并产生文本输出。相比 GPT-3.5，它回应违规内容的可能性降低 82%，给出事实性回答的可能性提高 40%。模型在 Microsoft Azure AI 超级计算机上训练，通过 ChatGPT Plus 和 API 两种方式提供。已知局限包括社会偏见、幻觉和对抗性提示，且官网未公开具体定价与上下文长度。
GPT-4是什么？
GPT-4 是 OpenAI 沿着 GPT、GPT-2、GPT-3 研究路径推出的新一代大语言模型，通过更多数据与更多计算量提升语言能力。它的定位是一个大规模多模态模型，可以接受图像和文本输入，产生文本输出；输出任务仍是自回归的单词预测。
GPT-4 在 Microsoft Azure AI 超级计算机上完成训练，Azure 的 AI 优化基础设施也用于向全球用户交付该模型。OpenAI 投入 6 个月时间提升 GPT-4 的安全性与对齐程度，引入更多人类反馈（包括 ChatGPT 用户提交的反馈），并与 50 多位来自 AI 安全与安保等领域的专家合作获取早期反馈。模型在 ChatGPT Plus 和 API 两个渠道可用。
普通用户可以通过 ChatGPT Plus 直接使用；开发者可以通过 API 把 GPT-4 集成到自己的应用与服务中。Duolingo、Be My Eyes、Stripe、Morgan Stanley 财富管理等团队已基于 GPT-4 构建功能，分别用于加深对话、改善视觉无障碍体验、优化用户体验与反欺诈、整理庞大知识库。
GPT-4核心功能
安全性提升
OpenAI 用 6 个月做安全与对齐，GPT-4 回应被禁止内容的可能性比 GPT-3.5 低 82%，在内部评估中给出事实性回答的可能性高 40%。
人类反馈训练
训练中引入更多人类反馈，包括 ChatGPT 用户提交的反馈，并与 50 多位 AI 安全与安保等领域专家合作获取早期反馈，用于改进模型行为。
持续迭代
沿用 ChatGPT 的做法，随着使用人数增加，以固定节奏更新和改进 GPT-4，把前代模型在真实使用中得到的经验用于安全研究与监控系统。
辅助安全研究
利用 GPT-4 的推理与指令跟随能力加快自身安全研究，包括生成用于微调的训练数据，以及在训练、评估、监控各环节迭代分类器。
Azure 基础设施
GPT-4 在 Microsoft Azure AI 超级计算机上训练，Azure 的 AI 优化基础设施同时承担向全球用户交付 GPT-4 的任务。
ChatGPT Plus 与 API
两个使用入口：个人用户可通过 ChatGPT Plus 使用，开发者可通过 API 构建应用和服务，把模型能力接入自有产品。
GPT-4值不值得用？
当需要图像加文本混合输入、并且对回答的事实性与安全性有要求时，GPT-4 是当时 OpenAI 体系里能力最强的一档。82% 与 40% 这两项对比 GPT-3.5 的改进，说明它在拒答违规请求和减少事实性错误上确有投入。但它仍有社会偏见、幻觉、对抗性提示等已知局限，不能当作事实核查工具直接采信。费用方面，需要先在 ChatGPT Plus 或 API 页面确认。
建议选它的情况
- 需要同时处理图像与文本输入的任务
- 对回答安全性与事实性要求高于 GPT-3.5 的场景
- 已经使用 ChatGPT Plus 想升级到更强模型的个人用户
- 希望通过 API 把大模型能力接入自有产品的开发者
不建议选它的情况
- 对价格敏感、需要先看明确费率再决策的用户
- 需要模型输出完全无幻觉、可直接采信为事实的任务
- 诉求是语音等多模态输出而不仅是文本输出的场景
GPT-4使用建议
入门先把路子走对
- 选对入口个人使用走 ChatGPT Plus 入口，团队集成走 API。两条路径能力相同，但计费与调用方式不同，先确定自己的使用形态再进入。
- 先从图像输入试起如果手头只是纯文本问答，GPT-4 与 GPT-3.5 的差距不一定明显。优先拿需要读图的任务测试，更容易看出多模态带来的差别。
- 留意已知局限包括社会偏见、幻觉和对抗性提示三类问题。涉及事实结论、敏感判断时，把模型输出当作初稿而不是终稿。
- 看行业落地案例Duolingo、Be My Eyes、Stripe、Morgan Stanley 财富管理四个案例覆盖教育、无障碍、支付反欺诈、知识库整理，可对照自己的场景找参考。
进阶省时间也省钱
- 指令跟随是强项涉及 GPT-4 的推理与指令跟随能力被用于加速自身安全研究。在需要严格按格式、按步骤执行的流程里，把要求写清楚能拿到更稳定的结果。
- 用分类器思路做质检官方用 GPT-4 在训练、评估、监控各环节迭代分类器。同样的做法可以搬到业务里，用模型先筛一遍输出，再由人工复核高风险项。
- 关注迭代节奏OpenAI 表示会像 ChatGPT 一样以固定节奏更新 GPT-4，行为与能力可能随版本变化。上线前跑过的效果，建议在版本更新后重测一次。
- 开发者关注 Azure 交付GPT-4 在 Microsoft Azure AI 超级计算机上训练，Azure 同时承担全球交付。如果已有 Azure 技术栈，可评估从这一侧接入的可行性。
GPT-4适合谁用？
需要读图的产品团队
推荐做截图问答、图片信息抽取、视觉辅助类功能时，多模态输入是硬需求，GPT-4 可以直接接图像而不必另配识别模块。
已用 ChatGPT Plus 的个人
推荐本来就是 Plus 订阅用户，升级到 GPT-4 不需要改变使用习惯，可直接在原有入口体会事实性与安全性的提升。
做 SaaS 集成的开发者
有条件通过 API 把模型接入自有产品，Duolingo、Stripe 等案例证明了这条路可行。注意，需先确认计费方式。
对价格敏感的小团队
有条件预算有限的团队在确定成本模型前可能难以拍板，建议先拿到官方费率再评估。
要求输出零错误的场景
不推荐官方明确列出幻觉是社会已知局限之一。医疗诊断、法律结论、财务核算这类不容错的场景，不适合把模型输出直接当作最终结果。
GPT-4优点和缺点
优点
- 回应被禁止内容的可能性比 GPT-3.5 低 82%
- 给出事实性回答的可能性比 GPT-3.5 高 40%
- 可接受图像和文本输入，输出文本
- 在 Microsoft Azure AI 超级计算机上训练
- 同时提供 ChatGPT Plus 与 API 两种使用方式
- 与 50 多位专家合作获取早期反馈
- 在 Duolingo、Stripe 等产品中已有落地案例
缺点
- 仍有幻觉，输出不可直接当作事实
- 存在社会偏见与对抗性提示问题
- 输出任务仍是文本生成，覆盖范围有限
GPT-4关键指标
| 指标 | 数值 | 数据来源 |
|---|---|---|
| 回应被禁止内容的可能性降幅（对比 GPT-3.5） | 82% | OpenAI GPT-4 官方页面 |
| 给出事实性回答的可能性增幅（对比 GPT-3.5） | 40% | OpenAI GPT-4 官方页面 |
| 安全与对齐投入时长 | 6 months | OpenAI GPT-4 官方页面 |
| 早期反馈合作专家人数 | over 50 experts | OpenAI GPT-4 官方页面 |
GPT-4常见问题
GPT-4 和 GPT-3.5 差在哪里？＋
官方给出的两项对比是：GPT-4 回应被禁止内容的可能性低 82%，在内部评估中给出事实性回答的可能性高 40%。另外 GPT-4 是多模态模型，可以接受图像和文本输入，输出仍然是文本。
怎么才能用上 GPT-4？＋
两个入口：个人用户可通过 ChatGPT Plus 使用，开发者可通过 API 构建应用和服务。官网还提供了一个「Try on ChatGPT Plus」的跳转入口。
GPT-4 有免费额度吗？＋
未公开价格档位与免费额度上限，需要到 OpenAI 官方页面确认当前的计费方式和可用额度。
GPT-4 会胡说八道吗？＋
会。明确列出幻觉仍在待解决的已知局限清单中，和社会偏见、对抗性提示并列。OpenAI 表示正在努力解决，并鼓励提升透明度与 AI 素养。涉及事实判断时不要直接采信输出。
GPT-4 是在什么硬件上训练的？＋
在 Microsoft Azure AI 超级计算机上训练。Azure 的 AI 优化基础设施也用于向全球用户交付 GPT-4。
有哪些公司已经在用 GPT-4？＋
列举了四个案例：Duolingo 用它加深对话，Be My Eyes 用它改善视觉无障碍体验，Stripe 用它优化用户体验并对抗欺诈，Morgan Stanley 财富管理用它整理庞大知识库。
GPT-4 会持续更新吗？＋
会。OpenAI 表示会像 ChatGPT 一样，随着使用人数增加，以固定节奏更新和改进 GPT-4，并把前代模型在真实使用中获得的经验应用进来。
GPT-4竞品对比
| 工具 | 编辑评分 | 价格 | 核心功能 | 平台 |
|---|---|---|---|---|
| GPT-4本工具 | 4.2 | 未标价 | 多模态输入；安全性提升；人类反馈训练；持续迭代 | Web / API |
| SmolVLM-500M-Instruct | — | 未标价 | SmolVLM-500M 是一个轻量级多模态模型，能够处理图像和文本输入并生成文本输出 | — |
| Phi-3.5-vision | — | 未标价 | 先进的多模态模型，支持图像和文本理解 | — |
| SmolVLM-256M-Instruct | — | 未标价 | SmolVLM-256M 是世界上最小的多模态模型，可高效处理图像和文本输入并生成文本输 | — |
| GPT-4o Guide | — | 未标价 | OpenAI 的 GPT-4o 模型指南，解释其功能和使用方法 | — |
| Magma-8B | — | 未标价 | Magma-8B 是微软推出的一款多模态 AI 模型，能够处理图像和文本输入并生成文本输 | — |
GPT-4最新动态
-
GPT-4 发布
OpenAI 发布 GPT-4，定位为当时最先进的系统，能产生更安全、更有用的回答，并同步开放 GPT-4 研究报告入口。
