文章概要:

OpenAI 正準備推出 GPT-4的圖像理解，這是一種名為“GPT-Vision”的多模態(tài)功能，以使該模型得到更廣泛的應用，以與谷歌計劃的 Gemini 多模態(tài) AI 模型競爭。

此功能可以為 GPT-4啟用新的基于圖像的應用程序，例如生成與圖像匹配的文本。

OpenAI 還在開發(fā)一種新的 AI 模型，代號為“Gobi”，該模型從一開始就被設計為多模式，并有可能成為 GPT-5。

站長之家(ChinaZ.com) 9月20日 消息:谷歌即將發(fā)布 Gemini，這是一種多模態(tài)語言模型，可能會挑戰(zhàn) OpenAI 的 GPT-4的領導地位。

但據(jù)報道 OpenAI 正在準備做出適當?shù)幕貞摴居媱澩ㄟ^引入名為“GPT-Vision”的圖像理解功能來應對Gemini的競爭。

據(jù)《The Information》報道，GPT-4的圖像理解功能將被命名為“GPT-Vision”。這一多模態(tài)功能最初是在GPT-4發(fā)布會上介紹的，并成為了演示的焦點之一。GPT-4展示了基于網(wǎng)頁繪圖生成網(wǎng)頁代碼的能力，但一般用戶尚無法獲得這一圖像理解功能。據(jù)稱，主要是OpenAI擔心該功能可能被濫用，例如用于面部識別等用途，因此對其進行了限制。

GPT-Vision的推出將使GPT-4具備更廣泛的圖像應用能力，例如生成與圖像內(nèi)容相關的文本。這將為用戶提供更多創(chuàng)造性的應用可能性，也能夠滿足多樣化的需求。

另外，還有傳聞稱OpenAI正在開發(fā)DALL-E3，并有可能將其集成到GPT-4中。與GPT-Vision的發(fā)布相結(jié)合，這意味著OpenAI正不斷拓展GPT-4的功能，尤其是在圖像處理領域。DALL-E3生成的第一批圖像據(jù)稱已經(jīng)取得了顯著的進步，這將進一步提升GPT-4的吸引力。

OpenAI計劃在11月6日舉行的OpenAI一日開發(fā)者大會上宣布GPT-4的新功能。盡管OpenAI首席執(zhí)行官Sam Altman沒有透露太多細節(jié)，但他表示將會有“偉大的東西”，這引發(fā)了廣泛的期待。

The Information還報道稱，OpenAI 還在考慮一種新的 AI 模型，代號為“Gobi”，該模型從一開始就被設計為多模態(tài)。Gobi的訓練還沒有開始，有機會成為GPT-5。

（舉報）