首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >OpenAI最新大模型曝光:剑指多模态,GPT-4之后最大升级

OpenAI最新大模型曝光:剑指多模态,GPT-4之后最大升级

作者头像
量子位
发布2023-09-22 19:40:46
3030
发布2023-09-22 19:40:46
举报
文章被收录于专栏:量子位量子位
克雷西 发自 凹非寺 量子位 | 公众号 QbitAI

大模型之争,又卷起来了。

据The information爆料称,OpenAI即将推出多模态模型GPT-vision。

如果消息为真,这将是OpenAI在GPT-4之后推出的最大更新。

另一边,谷歌的多模态模型进展也在最近传出,为的就是能和OpenAI抗衡。

目前为止,OpenAI还没有对爆料中的传闻做出回应,但此前发布过多模态模型测试。

CEO奥特曼在回应有关GPT-5的传闻时,也暗示过GPT-4“正在增强”。

究竟谁能更胜一筹,还得让子弹再飞一会儿。

不能让Google抢了先

我们先回到OpenAI,被爆料的多模态模型将搭载什么样的功能呢?

首先是图像内容识别,比如根据手绘草图生成网页代码、输出可视化图表的文本分析等。

另一方面则是图像生成,通过简单的文本生成绘画、logo或表情包。

虽然OpenAI没有对这次的爆料做出回应,但做多模态模型这件事本身只是个时间问题。

3月份,OpenAI在发布GPT-4时,就曾推出了一个多模态GPT的预览版本。

当时,OpenAI把DEMO提供给了研究帮助视障群体的机构Be My Eyes。

除了这家机构之外,就再也没有人见过OpenAI的多模态模型是什么样子了。

在此之后,这个多模态模型更是杳无音讯。

唯一和图像有点关系的,就是GPT-4的升级版代码解释器(后改名为高级数据分析)可以处理一些图片任务。

但这是通过调用Python库实现的,而且也达不到AI中图像识别的程度,和多模态模型更是不沾边了。

有说法称GPT-vision迟迟没有推出的原因可能是对安全的担忧,担心被用于破解验证码和人脸识别系统。

直到这次Google多模态模型Gemini的消息传出。

安全问题有没有解决不得而知,但也许OpenAI是真的急了,不能任由谷歌超越,才有了模型发布的传闻。

另据爆料,OpenAI还在准备从头开始开发一个名为Gobi的多模态模型,不过训练还未开始。

那么,谷歌这边的情况又是怎样的呢?

Gemini来势汹汹

来势汹汹的Gemini,让网友直言其或将成为游戏规则的改变者。

甚至有媒体夸张一些地说将有机会取代GPT-4。

Gemini主要由谷歌DeepMind团队开发。谷歌CEO皮查伊介绍,Gemini集成了多种技术,支持同时输出文本和图像,还可以使用工具和API。

据悉,Gemini吸取了很多来自AlphaGo的经验教训,包括强化学习和树搜索技术。

而且,凭借着拥有YouTube这一得天独厚的优势,海量的训练数据可以说是唾手可得。

实际上,Google也一直把OpenAI视为竞争对手。

为了和ChatGPT较量,Google此前已经在Bard中加入过图像识别功能,但并未改变ChatGPT的地位。

但这次推出的Gemini,OpenAI也感到害怕了。

尽管竞争激烈,有一点倒是让谷歌和OpenAI不谋而合。

那就是,把模型的能力变成真金白银。

谷歌计划的Gemini提供方式是通过其Google Cloud Vertex AI云服务平台进行,预期价格为每个用户每月30美元。

这一做法预计将成为谷歌新的收入来源,尤其是针对企业客户。

而OpenAI这边,也已经开始通过金融服务等各种应用程序将GPT-4变为现金。

此次多模态的角逐究竟鹿死谁手,我们拭目以待。

参考链接: [1]https://www.theinformation.com/articles/openai-hustles-to-beat-google-to-launch-multimodal-llm [2]https://www.bigtechwire.com/2023/09/18/openai-is-ready-to-take-on-googles-gemini-with-gpt-vision/

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2023-09-19 13:32,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 量子位 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 不能让Google抢了先
  • Gemini来势汹汹
相关产品与服务
图像识别
腾讯云图像识别基于深度学习等人工智能技术,提供车辆,物体及场景等检测和识别服务, 已上线产品子功能包含车辆识别,商品识别,宠物识别,文件封识别等,更多功能接口敬请期待。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档