OpenAI 升级 GPT-4 Turbo：视觉请求全面支持 JSON 与函数调用

本来以为是个大升级，没想到写代码的程序员们先炸了锅。

OpenAI 正式在 API 中上线了声称有「重大改进」的 GPT-4 Turbo 正式版，并且开始向 ChatGPT 用户推送。最核心的更新是 GPT-4 Turbo with Vision 正式全面商用（GA），视觉能力终于能直接配合 JSON mode 和函数调用（Function Calling）一起用了。

但这头官方还在推特上庆祝，那头开源 AI 编程工具 aider 就端出了一份让人尴尬的测试数据。

视觉功能终于补齐，但代码跑分却倒退了

对开发应用的人来说，新模型把视觉和结构化输出打通，确实解决了个大麻烦。以前想让模型看图再规规矩矩输出 JSON，往往得绕好几道弯，现在官方原生支持了。

然而，当终端用户把它拉去干重活时，情况有点不对劲。

AI 辅助编程工具 aider 拿 133 道 Python 代码编辑题目测了一圈。在两次尝试的机会下，这个带有视觉能力的新版 GPT-4 Turbo 仅拿到了 62% 的分数，成了所有 GPT-4 家族模型里得分最低的一个。

虽然比起其他版本的 63% 到 66%，差距看起来不算特别巨大，但指望它变强的开发者们显然扑了个空。

「偷懒」不仅没修好，反而更严重了

比单纯写错代码更让程序员头疼的，是模型的「偷懒症」。

去年 GPT-4 Turbo 刚出来时就因为老在代码里留注释敷衍了事被骂过。比如遇到复杂的逻辑，它不写完整实现，而是写上一行类似「请在此处实现具体逻辑」的注释，把活儿扔回给人类。

为了量化这种偷懒行为，aider 专门设计了由 89 个 Python 重构任务组成的基准测试。

结果显示，新版 GPT-4 Turbo 在这个测试里只拿到了 34% 的分数。用 aider 的话说，它以相当明显的差距，坐实了所有 GPT-4 Turbo 模型中「最懒程序员」的称号。

也正因为这样，aider 虽然第一时间支持了新模型的接口，但明确表示默认模型依然会坚守 gpt-4-1106-preview，因为后者依然是他们测过编程能力最强的版本。

为什么重要

这件事情给所有把业务押在模型上的开发者提了个醒：全功能大一统的模型，往往需要付出代价。

如果你做的是多模态产品，比如需要识别图表并转成标准 JSON 存入数据库，那这个版本非常值得立刻接入，它能帮你省掉一大堆胶水代码。

但如果你指望拿它来当主力编程助手，我们建议先别急着升级，或者干脆继续锁定老版本。

我们认为，OpenAI 这次暴露出一个很现实的权衡难题。当团队试图把视觉理解、函数调用和通用文本能力全部塞进同一个通用模型时，模型内部的能力权重看起来发生了某种稀释。在多模态方向大步前进的同时，高难度的长代码生成反而出现了性能倒退。

对于行业里的代码辅助工具来说，盲目追捧官方的「最新最强」正在变得越来越危险，针对细分场景做回归测试、甚至建立自己的专属评测集，已经成了逃不掉的硬成本。