OpenAI 釋出 GPT-4：支援圖文輸入，模擬法考考進前 10%

幾個月前，大家還在為 ChatGPT 隨口編造參考文獻而撓頭，現在 OpenAI 拿出的新傢伙，直接去把人類的職業考試給考了一遍。

OpenAI 正式釋出多模態大模型 GPT-4。它不僅能看懂文字，還能看懂圖片輸入，並且在一系列專業和學術基準測試中拿下了讓人瞠目結舌的成績。

最抓眼球的差距在於考試。在模擬美國統一律師資格考試裡，舊版 GPT-3.5 的分數排在倒數 10% 左右，而 GPT-4 直接衝進了前 10%。在沒有針對性刷題的情況下，GPT-4 在 AP 考試、奧賽題目以及絕大部分學術基準上，把前輩們遠遠甩在了身後。

能看圖，但真正的大招在底層

很多人最期待的是多模態。GPT-4 支援圖文混排輸入並輸出文本，你可以給它一張圖表、一張草圖甚至一張帶文字的截圖，讓它分析或者寫程式碼。不過 OpenAI 明確表示，圖片輸入目前還是研究預覽階段，只對一家合作伙伴開放，普通人暫時還摸不到。

文字輸入能力已經直接上線 ChatGPT Plus，API 也開啟了候補名單。

除了看圖，GPT-4 在語言廣度上也拉開了一個身位。OpenAI 把包含 57 個學科的 MMLU 基準測試翻譯成多國語言，在測試的 26 種語言中，GPT-4 在 24 種語言上的得分，甚至超過了 GPT-3.5 在純英語環境下的表現。即便是拉脫維亞語、威爾士語或斯瓦希里語這類低資源語言，它的成績也相當紮實。

OpenAI 透露，這次底層訓練跑得異常平穩。他們和微軟 Azure 從底層重新搭建了超算架構，一年前拿 GPT-3.5 當試驗田踩坑後，GPT-4 成了第一個可以在開跑前就精準預測最終效能的大模型。他們還順手開源了評估框架 OpenAI Evals，邀請外界一起給模型找茬。

開發者的自由度也變大了。這次 OpenAI 正式在 API 中強化了系統訊息功能。你不再只能忍受預設那種一本正經且囉嗦的 ChatGPT 語氣，而是能通過設定系統人設，牢牢控制它的說話風格和行事邊界。

關了 6 個月禁閉，依然有致命硬傷

為了不讓 GPT-4 變成脫韁野馬，OpenAI 在訓練完成後整整花了 6 個月時間做安全對齊。他們找了 50 多位涵蓋網路安全、生物風險、國際安全的外部專家做對抗性紅隊測試，並在強化學習中引入了專門的分類器進行安全獎勵。

官方資料顯示，相比 GPT-3.5，GPT-4 響應違規內容請求的機率降低了 82%，在事實性內部測試中的得分也高出了 40%。

即便如此，它依然無法擺脫幻覺。OpenAI 坦白交代，GPT-4 依然會一本正經地胡說八道，且知識庫只停留在 2021 年 9 月。

更有意思的是，基礎預訓練模型其實很清楚自己什麼時候在猜，但經過人類反饋強化學習（RLHF）調教後，模型的校準度反而下降了。換句話說，GPT-4 很容易自信地犯錯，甚至寫出看似完美但暗藏漏洞的程式碼，或者輕信使用者的錯誤假設。

為什麼重要

我們認為，GPT-4 的釋出把整個大模型競賽從能聊天的玩具階段，徹底拉進了生產力工具的深水區。

對普通使用者和開發者來說，如果日常只是拿 AI 潤色郵件或查常識，GPT-3.5 也許夠用。但在需要複雜邏輯、長推理、跨學科綜合思考的場景下，GPT-4 表現出的理解力完全是另一個維度的存在，現在花每月 20 美元去試絕對物超所值。開發者拿到了系統訊息這種精細調控工具，做垂直智慧體和落地應用的空間瞬間被打開了。

對整個行業而言，壓力全落在了 Google、Anthropic 等對手身上。GPT-4 不僅刷爆了學術榜單，更重要的是它證明了按比例縮放定律的可預測性，大算力堆砌不僅行得通，而且工程風險正在大幅降低。

OpenAI 這一步走得極其精明。他們沒有急著向所有人開放圖片能力，而是把半年的時間花在安全對齊和專家紅隊測試上，把合規門檻築得極高，既堵住了監管的嘴，又卡住了競爭對手的生態位。但隱患同樣明顯，幻覺問題並沒有從底層根除，過度自信的胡說八道在醫療、金融和高風險開發場景裡，依然是一顆隨時可能引爆的地雷。