ChatGPT重大升级，离多模态的AI Agent又近了一步

ChatGPT 刚推出两个最新的测试版功能。一个是支持包括PDF在内的多种文件，你可以上传文件，然后围绕文件进行聊天。另一个是你不用再切换不同的模式。现在你使用ChatGPT时，需要在默认模式、网络搜索、高级数据分析和DALL-E 3图像生成中选择，以后ChatGPT会自动决定需要使用什么模式和工具来完成你的任务。

第二个是真正让人兴奋的，这几乎就实现了AI Agent，一个会自动使用多个软件来完成任务的人工智能助手。

现在只有少部分用户已经用上了这两个新功能，从用户分享的使用实例来看，相当惊艳。

一位用户上传了一张水豚的真实照片，请ChatGPT生成一张皮克斯（Pixar）动画电影风格的图像，效果如下：

更惊人的是，这位用户又上传了一张滑板的照片，再请ChatGPT接着生成一张水豚手持滑板的图像，就得到了下面的成果：

目前市场上其它的text-to-image(文生图)工具，从Midjourney到Adobe, 都不能做到这样用自然语言准确地合成和编辑图像。这体现了最领先的多模态理解能力和图像生成能力的结合。

至于分析总结PDF等文件的任务，我之前会用ChatGPT的竞争者Claude或者ChatPDF和Poe等套壳应用来操作。ChatGPT具备了这个能力后，我就不太会离开它去使用其它工具了。

而且，新版本 ChatGPT的知识库截止日期也有了重大更新，之前是2021年9月，现在是2023 年 9 月。ChatGPT的过时的知识库一度也是用户选择其它AI应用的理由，但现在它的这个劣势也消除了。

ChatGPT的这一次升级，巩固了自己全能AI助手的地位。有悲观的评论者说ChatGPT这样不断扩展能力圈的话，会杀死大多数ChatGPT的第三方插件和垂直领域的应用。

但从OpenAI一直以来坚持的AI助手的定位来看，ChatGPT更可能像一个通用交互界面或者说AI Agent，帮助我们调用不同软件应用来完成任务，而不是内化所有的能力。