OpenAI 发布新一代大型多模态模型 GPT-4

OpenAI发布新一代大型多模态模型GPT-4GPT-4是一个大型多模态模型，可以接受文本和图像输入。GPT-4在各种专业学术基准上有着人类水平表现，例如模拟律师考试中，GPT-4的得分约为前10%，而GPT-3.5的得分约为倒数10%。在多语言测试中，GPT-4优于GPT-3.5和Chinchilla(来自DeepMind)还有PaLM(来自谷歌)，包括英语性能还有拉脱维亚语、威尔士语和斯瓦希里语等低资源语言。OpenAI还开放了角色扮演和性格定制能力，开发人员和用户可以自定义他们的AI风格，而不是具有固定冗长、语气和风格的经典ChatGPT个性。ChatGPTPlus订阅用户现可直接GPT-4，未来将对免费用户开放一定数量的GPT-4体验。GPT-4API需要候选名单，每1kprompttokens的价格为$0.03，每1kcompletiontokens的价格为$0.06。目前图像输入处在研究预览阶段，仅对少部分客户开放。微软在GPT-4发布后也正式BingChat基于GPT-4运行，同时BingChat的Edge边栏功能上线。与数据停留在2021年9月的GPT-4离线版本不同，BingChat可联网获取实时信息并且免费。——投稿：@ZaiHuabot频道：@TestFlightCN

微软：多模态大模型GPT-4下周就出

微软：多模态大模型GPT-4下周就出最新消息是，万众期待的GPT-4下周就要推出了：在3月9日举行的一场名为“AIinFocus-DigitalKickoff”的线下活动中，四名微软德国员工展示了GPT系列等大型语言模型（LLM）的颠覆性力量，以及OpenAI技术应用于Azure产品的详细信息。在活动中，微软德国首席技术官AndreasBraun表示GPT-4即将发布，自从3月初多模态模型Kosmos-1发布以来，微软一直在测试和调整来自OpenAI的多模态模型。GPT-4，下周就出“我们将在下周推出GPT-4，它是一个多模态的模型，将提供完全不同的可能性——例如视频（生成能力），”Braun说道，他将语言大模型形容为游戏规则改变者，因为人们在这种方法之上让机器理解自然语言，机器就能以统计方式理解以前只能由人类阅读和理解的内容。与此同时，这项技术已经发展到基本上“适用于所有语言”：你可以用德语提问，然后用意大利语得到答案。借助多模态，微软和OpenAI将使“模型变得全面”。微软德国CTOAndreasBraun。改变业界微软德国公司首席执行官MarianneJanik全面谈到了人工智能对业界的颠覆性影响。Janik强调了人工智能的价值创造潜力，并表示，当前的人工智能发展和ChatGPT是“iPhone发布一样的时刻”。她表示，这不是要代替人类工作，而是帮助人们以不同于以往的方式完成重复性任务。改变并不一定意味着失业。Janik强调说，这意味着“许多专家会开始利用AI实现价值增长”。传统的工作行为正在发生变化，由于新的可能性出现，也会产生全新的职业。她建议公司成立内部“能力中心”，培训员工使用人工智能并将想法整合到项目中。此外，Janik还强调，微软不会使用客户的数据来训练模型（但值得注意是，根据ChatGPT的政策，这不会或至少不会适用于他们的研究合作伙伴OpenAI）。微软德国CEOMarianneJanik。实际用例微软的两位AI技术专家ClemensSieber和HolgerKenn提供了关于AI实际使用的一些信息。他们的团队目前正在处理具体的用例，他们讲解了用例涉及的技术。Kenn解释了什么是多模态人工智能，它不仅可以将文本相应地翻译成图像，还可以翻译成音乐和视频。除了GPT-3.5模型之外，他还谈到了嵌入，用于模型中文本的内部表征。根据Kenn的说法，“负责任”的AI已经内置到微软的产品中，并且可以通过云将数百万个查询映射到API中。ClemensSiebler则用用例说明了今天已经成为可能的事情，例如可以把电话呼叫的语音直接记录成文本。根据Siebler的说法，这可以为微软在荷兰的一家大型客户每天节省500个工作小时。该项目的原型是在两个小时内创建的，一个开发人员在两周内完成了该项目。据他介绍，三个最常见的用例是回答只有员工才能访问的公司信息、AI辅助文档处理和在呼叫中心处理口语的半自动化。微软表示人们很快就会与其全新的AI工具见面。特别是在编程领域，Codex和Copilot等模型可以更轻松地创建代码，令人期待。当被问及操作可靠性和事实保真度时，Siebler表示AI不会总是正确回答，因此有必要进行验证。微软目前正在创建置信度指标来解决此问题。通常，客户仅在自己的数据集上使用AI工具，主要用于阅读理解和查询库存数据，在这些情况下，模型已经相当准确。然而，模型生成的文本仍然是生成性的，因此不容易验证。Siebler表示微软围绕生成型AI建立了一个反馈循环，包括赞成和反对，这是一个迭代的过程。看来在AI大模型的竞争中，领先的一方也加快了脚步。微软在过去一周左右接连发布了展示多模态的语言大模型论文Kosmos-1和VisualChatGPT，这家公司显然非常支持多模态，希望能够做到使感知与LLM保持一致，如此一来就能让单个AI模型看文字图片，也能“说话”。微软的下次AI活动选在了3月16日，CEO萨蒂亚・纳德拉将亲自上台演讲，不知他们是否会在这次活动上发布GPT-4。有趣的是，微软的活动和百度推出文心一言选在了同一天。距离3月16日百度推出类ChatGPT聊天机器人还有一周时间，最近有报道称，百度正在抓紧时间赶在发布最后期限前完成任务。目前看来，百度打算分阶段推出文心一言的各项功能，并首先向部分用户开放公测。知情人士称，在春节假期过后，李彦宏就要求包括自动驾驶部门在内的全公司AI研究团队将英伟达A100支援给文心一言的开发。我们期待下周各家科技公司能带来惊喜。...PC版：https://www.cnbeta.com.tw/articles/soft/1348807.htm手机版：https://m.cnbeta.com.tw/view/1348807.htm

OpenAI 公司在中国申请注册 GPT-4 商标

OpenAI公司在中国申请注册GPT-4商标欧爱运营有限责任公司（OPENAIOPCO,LLC）近期申请注册了“GPT-4”商标，国际分类为科学仪器，当前商标状态为申请中。此前，该公司还申请注册了一枚国际分类为网站服务的“WHISPER”商标（IT之家注：Whisper为OpenAI此前发布的神经网络，声称其在英语语音识别方面已接近人类水平）。不久前，OpenAI发布了多模态预训练大模型GPT-4，与ChatGPT所用的模型相比，GPT-4不仅能够处理图像内容，且回复的准确性有所提高。目前，GPT-4仅向ChatGPTPlus的付费订阅用户及企业和开发者开放。GPT-4实现了以下几个方面的飞跃式提升：更聪明，做题水平越来越好；支持图像输入，拥有强大的识图能力，但目前只限内部测试；更长的上下文，文字输入限制提升至2.5万字；回答准确性显著提高；更安全，有害信息更少。——

GPT-4 来了！

GPT-4来了！OpenAI宣布推出了GPT-4，是一种大型多模态模型，可接收图像和文本输入，并输出文本结果。https://openai.com/research/gpt-4-ChatGPTplus用户，现在也可以通过下面访问GPT-4https://chat.openai.com-加入GPT-4API候补名单https://openai.com/waitlist/gpt-4-api-仓库贡献人员可以获得优先API访问权限https://github.com/openai/evals

PT-4o与GPT-4的区别

GPT-4o与GPT-4的区别1.性能提升：GPT-4o在性能上进行了显著提升，特别是在文本、语音和视觉处理方面。它能够更快地响应用户的输入，提供更自然和流畅的交互体验。2.响应速度：GPT-4o在响应速度上进行了优化，能够以更短的延迟时间处理用户的语音输入，平均响应时间为320毫秒，这与人类在对话中的响应时间相似。3.多模态交互：GPT-4o支持更高级的多模态交互，能够处理文本、音频和图像的任意组合输入，并生成对应的任意组合输出。这使得GPT-4o在交互性上更加灵活和强大。4.安全性：GPT-4o在设计中内置了跨模式的安全性，并通过与外部专家的合作，提高了与模型互动的安全性。5.成本和效率：GPT-4o在非英语文本上的性能有显著提高，同时API速度快，速率限制高出5倍，成本降低了50%。6.免费提供：与以往的模型不同，GPT-4o将免费提供给所有用户使用，而付费用户可以享受更高的调用额度。7.语音交互模式：GPT-4o采用了全新的技术，让聊天机器人的语音交互模式更加自然和逼真，能够根据指令调整说话时的语气，甚至唱歌。8.优化和迭代：GPT-4o通过训练时的优化和数据的迭代更新，提升了模型在特定任务和场景下的表现。9.风险管理：OpenAI认识到GPT-4o的音频模式存在风险，因此目前公开的是文本和图像输入以及文本输出，未来将围绕技术基础设施、训练后的可用性、发布其他模式所需的安全性开展工作。