下單前先比價(jià)不花冤枉錢 同款圖書京東價(jià)低于抖音6折日媒感慨中國電動(dòng)汽車/智駕遙遙領(lǐng)先:本田、日產(chǎn)、三菱合并也沒戲消委會(huì)吹風(fēng)機(jī)品質(zhì)檢測結(jié)果揭曉 徠芬獨(dú)占鰲頭 共話新質(zhì)營銷力,2024梅花數(shù)據(jù)峰會(huì)圓滿落幕索尼影像專業(yè)服務(wù) PRO Support 升級,成為會(huì)員至少需注冊 2 臺(tái) α 全畫幅相機(jī)、3 支 G 大師鏡頭消息稱vivo加碼電池軍備競賽:6500mAh 旗艦機(jī)+7500mAh中端機(jī)寶馬M8雙門轎跑車明年年初將停產(chǎn),后續(xù)無2026款車型比亞迪:2025 款漢家族車型城市領(lǐng)航智駕功能開啟內(nèi)測雷神預(yù)告2025年首次出席CES 將發(fā)布三款不同技術(shù)原理智能眼鏡realme真我全球首發(fā)聯(lián)發(fā)科天璣 8400 耐玩戰(zhàn)神共創(chuàng)計(jì)劃iQOO Z9 Turbo長續(xù)航版手機(jī)被曝電池加大到6400mAh,搭驍龍 8s Gen 3處理器普及放緩 銷量大跌:曝保時(shí)捷將重新評估電動(dòng)汽車計(jì)劃來京東參與榮耀Magic7 RSR 保時(shí)捷設(shè)計(jì)預(yù)售 享365天只換不修國補(bǔ)期間電視迎來換機(jī)潮,最暢銷MiniLED品牌花落誰家?美團(tuán)旗下微信社群團(tuán)購業(yè)務(wù)“團(tuán)買買”宣布年底停運(yùn)消息稱微軟正與第三方廠商洽談,試圖合作推出Xbox游戲掌機(jī)設(shè)備在海外,要再造一個(gè)京東物流?消息稱蘋果正為AirPods開發(fā)多項(xiàng)健康功能,包括心率監(jiān)測和溫度感應(yīng)一加 Ace 5系列將搭載全新游戲助手:大幅提升游戲體驗(yàn)東芝全部業(yè)務(wù)實(shí)現(xiàn)盈利,退市裁員重組后終于賺錢
  • 首頁 > 云計(jì)算頻道 > 大模型

    GPT-4o成為全領(lǐng)域SOTA!基準(zhǔn)測試遠(yuǎn)超Gemini和Claude,多模態(tài)功能遠(yuǎn)超GPT-4

    2024年05月20日 09:51:28   來源:新智元公眾號

      OpenAI半小時(shí)的發(fā)布會(huì)讓很多人第一反應(yīng)是直呼「失望」,但隨著官網(wǎng)放出更多demo以及更多網(wǎng)友開始試用,大家才發(fā)現(xiàn)GPT-4o真的不可小覷,不僅在各種基準(zhǔn)測試中穩(wěn)拿第一,而且有很多發(fā)布會(huì)從未提及的驚艷功能。

      OpenAI在發(fā)布會(huì)上官宣GPT-4o之后,各路大神也開始了對這個(gè)新模型的測評,結(jié)果就是,GPT-4o在多項(xiàng)基準(zhǔn)測試上都展現(xiàn)了SOTA的實(shí)力。

      別家發(fā)布會(huì)都在畫餅,OpanAI卻總能開出一種「欲揚(yáng)先抑」的效果,驚喜全在發(fā)布會(huì)之后。

      基準(zhǔn)測試結(jié)果

      首先,在LMSys聊天機(jī)器人競技場上的ELO分?jǐn)?shù)排行上,GPT-4o套了一個(gè)GPT2聊天機(jī)器人的馬甲,以一騎絕塵的態(tài)勢名列第一,評分為1310,和第二名GPT-4-turbo的1253分相比,呈現(xiàn)斷檔式的提升。

      再來看多模態(tài)領(lǐng)域的基準(zhǔn)Reka Vibe-Eval,這也是一個(gè)很有挑戰(zhàn)性的測試,由269個(gè)超高質(zhì)量圖像文本對組成,用于評估多模態(tài)語言模型的性能。

      在Reka Vibe-Eval 分?jǐn)?shù)的排行榜上,GPT-4o再次榮登第一,相比谷歌新發(fā)布的Gemini Pro1.5高出了將近三個(gè)百分點(diǎn)。

      而且GPT-4o克服了這個(gè)測試集上大模型常見的「逆縮放」問題,也就是在某些案例中表現(xiàn)不如小模型的問題。

      不止如此,GPT-4o的內(nèi)存突破也值得關(guān)注。

      針里尋針(Needle in a Needlestack,NIAN)是最近非常流行的開源基準(zhǔn)測試,用于評估大模型關(guān)注上下文內(nèi)容的能力。

      大語言模型的進(jìn)展導(dǎo)致曾經(jīng)流行的基準(zhǔn)測試「大海撈針」已經(jīng)過時(shí),在此基礎(chǔ)上,更具挑戰(zhàn)性的「針里尋針」測試誕生了。

      測試中,「針里尋針」會(huì)從一個(gè)大型打油詩數(shù)據(jù)庫中挑出幾首,將其放在prompt中的特定位置,之后再詢問關(guān)于這些打油詩的問題,由此可以很好地考察LLM的上下文記憶能力。

      每個(gè)測試使用5-10個(gè)打油詩,放置在prompt中的5-10個(gè)位置,重復(fù)2-10次。

      曾經(jīng),GPT-4Turbo和Claude-3Sonnet都在「針里尋針」測試中表現(xiàn)得非常慘烈,側(cè)面證明了這個(gè)任務(wù)對LLM的難度和挑戰(zhàn)性。

      廣受歡迎的Mistral模型雖然表現(xiàn)得稍好一點(diǎn),但正確率基本不超過60%。

      相比之前的模型,GPT-4o取得了飛躍性的突破,正確率每個(gè)token位置上都不低于80%,一度接近100%,表現(xiàn)近乎完美!

      GPT-4o的能力被嚴(yán)重低估了

      新推出的輕量級「GPT-4o」模型,雖然有速率限制,但重點(diǎn)是——免費(fèi)!

      語音交互絕對是模型的「亮點(diǎn)」,但它的功能遠(yuǎn)不止于此!

      OpenAI表示這是他們第一個(gè)真正的多模態(tài)模型,通過單一的神經(jīng)網(wǎng)絡(luò)完成所有任務(wù)。

      網(wǎng)友表示「不知道這是否是真的還是有些夸大,但GPT-4o在所有領(lǐng)域的能力都超過了市場上的其他任何產(chǎn)品!

      有網(wǎng)友發(fā)現(xiàn),作為原生多模態(tài)模型,GPT-4o的文生圖效果非常驚艷,甚至超過DALLE和MidJourney

      而且,在生成圖片上的文字時(shí),效果更是遠(yuǎn)遠(yuǎn)好過DALL-E3。

      DALL-E3在圖像上生成超過5個(gè)單詞后就會(huì)崩潰,而GPT-4o不僅做到文字的連續(xù)性,還能在之前生成圖像的基礎(chǔ)上進(jìn)行迭代。

      這種迭代是非常重要的,也標(biāo)志著模型能力的巨大飛躍。雖然生成出來的文字還是非!干病梗踔劣忻黠@錯(cuò)誤,但是迭代能力可以使GPT-4o后續(xù)逐漸減少文字和圖像方面的錯(cuò)誤。

      除了生成文字,GPT-4o還能你為生成獨(dú)立的角色形象,然后進(jìn)行對話互動(dòng)。

      神奇的是,他們把對話界面隱藏在一個(gè)懸停圖標(biāo)下!這意味著你可以對它進(jìn)行任意動(dòng)作、風(fēng)格和場景的設(shè)計(jì)!而且GPT-4o在風(fēng)格表現(xiàn)方面做得非常出色。

      平面圖片不夠炫酷?GPT-4o能夠?qū)D片進(jìn)行3D重建。

      GPT-4o還是一個(gè)強(qiáng)大的PS工具,OpenAI的logo被輕松嵌入到了杯墊上,但仔細(xì)看的話,你會(huì)注意到這兩張圖片不是同一個(gè)杯墊。

      模型沒有在原圖片基礎(chǔ)上進(jìn)行修補(bǔ),而是從頭生成,因此看起來像原始的、未經(jīng)過PS的圖片。

      Reddit上一位網(wǎng)友分析認(rèn)為,OpenAI的Sam Altman等主創(chuàng)團(tuán)隊(duì)可能是太喜歡《Her》這部電影了,他們對GPT-4o的語音互動(dòng)設(shè)計(jì)很明顯受電影的啟發(fā)(Altman也暗示了這一點(diǎn)),而且發(fā)布會(huì)的展示也借鑒了電影的手法——

      讓模型自己展示其驚人的能力,而不是像蘋果或者谷歌那樣列出原始數(shù)據(jù)和技術(shù)細(xì)節(jié)。

      這樣做非常有「藝術(shù)感」,吊足了圍觀群眾好奇心,但也很容易讓人低估模型的能力。

      GPT-4o的能力如此強(qiáng)大,也引發(fā)了對模型架構(gòu)的猜測和熱烈討論,網(wǎng)友們的觀點(diǎn)也呈現(xiàn)出兩個(gè)方向。

      一派認(rèn)為,模型架構(gòu)應(yīng)該基本與GPT-4類似。

      而另一方的觀點(diǎn)似乎更占上風(fēng),認(rèn)為底層架構(gòu)絕對有重大變動(dòng),目標(biāo)是對齊GPT-4的文字能力,并在推理和多模態(tài)方面相比GPT-4有更多提升。

      白熱化的開源與閉源之爭

      雖然搭載GPT-4o的ChatGPT聊天界面及其API已經(jīng)免費(fèi)開放給用戶使用,但OpenAI依舊堅(jiān)持了不開源的傳統(tǒng),這次甚至連一篇技術(shù)報(bào)告都沒有。

      但這并不影響GPT-4o在LLM角斗場中掀起風(fēng)云。Liquid AI的資深科學(xué)家Maxime Labonne這樣描述:「LLM 爭奪戰(zhàn)愈演愈烈,GPT-4o 遙遙領(lǐng)先」

      這場競爭中值得關(guān)注的另一個(gè)角度,則是大語言模型的開源和閉源之戰(zhàn)。GPT-4o能力的快速增長導(dǎo)致閉源和開源之間的差距再次被拉大。

      更重要的是,閉源陣容中并非GPT-4o一枝獨(dú)秀。綜合迄今為止發(fā)布的所有LLM,閉源模型的總體表現(xiàn)始終比開源模型更加優(yōu)秀,而且GPT、Claude、Gemini等系列的閉源模型始終走在最前沿。

      紅色代表閉源模型,綠色代表開源模型,藍(lán)色區(qū)域表示二者之間的差距

      曾經(jīng),大公司將Linux、安卓等項(xiàng)目開源的動(dòng)力是希望借助所有開發(fā)者的力量,得到不同角度的反饋和更新意見,從而進(jìn)行快速的迭代優(yōu)化,并且構(gòu)建了在世界范圍內(nèi)有廣泛影響力的大規(guī)模社區(qū),反哺其他的產(chǎn)品線。

      但對于LLM來說,情況就不一樣了。

      想要不斷提升大語言模型的能力,算力成本是更大的挑戰(zhàn)。根據(jù)斯坦福大學(xué)發(fā)布的2024年人工智能指數(shù)報(bào)告,訓(xùn)練GPT-4的計(jì)算成本約為7800萬美元,Gemini Ultra則是一億九千一百萬美元左右。

      面對這種級別的投入,去中心化的開源社區(qū)對比有巨額投資的科技公司,顯然沒有優(yōu)勢。企業(yè)要想擴(kuò)大模型產(chǎn)品的影響力,只需像OpenAI一樣,免費(fèi)開放API給用戶使用即可。

      目前這種開源和閉源模型差距越來越大的趨勢,Jim Fan曾在去年6月就做出過類似的預(yù)測。

      但是,LLM的開閉源之爭,不僅是企業(yè)的商業(yè)決策,更關(guān)乎AI行業(yè)整體的發(fā)展。

      首先是安全性問題。最近剛從OpenAI離職的首席科學(xué)家Ilya Sutskever本人就對此十分關(guān)注,他曾在2016的一封電郵中寫道:「隨著我們越來越接近構(gòu)建人工智能,開始變的不那么開放是有意義的!

      可以想象一下,如果像GPT-4o這樣能力強(qiáng)大的模型公布了代碼和模型權(quán)重,任何開發(fā)者都可以在此基礎(chǔ)上微調(diào),以滿足自己定義的任何功能,AI的力量可能會(huì)迅速失控。

      「像 GPT 這樣的研究如果落入壞人之手,也可能會(huì)進(jìn)化并導(dǎo)致災(zāi)難!

      但另一方面,這些只開放API但不開源的大語言模型對初創(chuàng)公司并不友好。他們沒辦法根據(jù)特定的需求和場景、使用私有數(shù)據(jù)對模型進(jìn)行微調(diào),開發(fā)出有獨(dú)創(chuàng)性的、功能靈活多樣的產(chǎn)品,只能開始「套殼」。

      導(dǎo)致的結(jié)果就是,AI初創(chuàng)公司并沒有像我們想象的那樣蓬勃發(fā)展,我們也沒有看到更多的滲透到工作和生活各方各面的AI產(chǎn)品。

      正像Jim Fan推文中提到的,「開源LLM總是有更大的多樣性」。

      這似乎是一個(gè)兩難問題。

      隨著大模型之戰(zhàn)愈演愈烈,相信對于開源和閉源的激烈討論依舊會(huì)持續(xù)下去。

      文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請謹(jǐn)慎對待。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。

    即時(shí)

    新聞

    明火炊具市場:三季度健康屬性貫穿全類目

    奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。

    企業(yè)IT

    重慶創(chuàng)新公積金應(yīng)用,“區(qū)塊鏈+政務(wù)服務(wù)”顯成效

    “以前都要去窗口辦,一套流程下來都要半個(gè)月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。

    3C消費(fèi)

    華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,高能實(shí)力,創(chuàng)

    華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來實(shí)質(zhì)性的幫助,雙十一期間低至2799元,性價(jià)比很高,簡直是創(chuàng)作者們的首選。