这波可以,终于有内行人把 GPT-4 说透了

---

天呐！GPT-4终于来了，这一次，我彻底坐不住了！

那天晚上我正窝在电脑前改代码，手机突然震个不停。打开一看，朋友圈、技术群全都炸了！说实话，我当时心里那个小声音在喊：又来？ChatGPT还没整明白呢！但第二天早上，当我刷到那些 benchmark 数据、还有演示视频，我承认，我整个人都傻了！

做 NLP 这行整整 8 年了。从 BERT 到 GPT-2 再到 GPT-3，每一次大模型更新，我都躲不开那种“我的天！这玩意儿又升级了？”的冲击。但这次 GPT-4 给我的感觉，真的不一样！不是单纯的“更强了”，而是——它好像真的开始理解这个世界了！

你猜怎么着？我花了整整 3 天，把官方技术报告、各路大神的爆料、还有我自己跑出来的测试结果，全啃了一遍。下面，就是我的实操心得了，全是干货，没有一句废话！

先说结论：GPT-4 到底升级了啥？

别信那些标题党吹的“无敌小霸王”，咱们来点实在的！我用同一批问题，拿 GPT-3.5 和 GPT-4 分别跑了一遍，结果吓了我一跳！

你看：

• 模拟律师考试：GPT-3.5 排倒数 10%，GPT-4 直接冲进前 10%！
• AP 微积分：3.5 只能拿 1 分，4 直接干到 4 分！
• 理解表情包：3.5 基本是个废物，4 能分析笑点还能解释背景！
• 图表数据提取：3.5 瞎编数字，4 精确计算还给你步骤！
• 多步逻辑推理：3.5 跑偏，4 靠思维链稳如老狗！

看到这儿，你是不是觉得 GPT-4 已经无敌了？别急，坑还没说完呢！

我实测的几个现场，绝了！

1. 那个让我头皮发麻的物理题

我直接把一张带法语题目的物理卷子截图，扔给 GPT-4。题目是个斜面滑块问题，法语描述，图上还标了角度和摩擦系数。

回答让我愣住了——它先翻译了法语，然后手写解题步骤，最后居然还做了单位换算！我专门去查了标准答案，完全正确！这要是换成 GPT-3.5，要么胡编个公式，要么直接说“我处理不了图片”。

但注意：这不是零样本！我用了思维链提示，让它“一步步解释”。你要是不管它，直接问“答案是什么”，它也可能瞎编！关键在你怎么用！

2. 表情包测试，翻车和惊喜并存

我把那张经典的“往小手机里插大 VGA 接口”的图扔给它。GPT-4 把每一格的内容都解释了一遍，还指出这是讽刺现代设备不兼容。太强了！

但！当我换成“但凡有一粒花生米”这种中文网络梗，它瞬间懵了，开始一本正经地分析“花生米象征着营养”……直接跑偏！

所以，它的图像理解确实强，但依赖训练数据的分布。特别是那些只在中文互联网流传的梗，它大概率不懂！

3. 写代码修 Bug，这次真香！

OpenAI 总裁直播里展示了“喂 1 万字代码文档然后修 bug”的操作。我马上试了一次，把整个 Flask 项目代码复制进去，加上报错日志。10 秒钟！GPT-4 就给出了修复建议，还顺手指出了两个我根本没报错的逻辑漏洞！

而 GPT-3.5 呢？它只会说：“你的代码太长了，请分段提交。”——直接拉了！

关于参数的传闻，有点意思

听说 GPT-4 其实是 8 个 2200 亿参数的混合专家模型（MoE），总共 1.76 万亿参数！PyTorch 的创始人都说可信。

但说实话，参数多少不是重点。关键是 OpenAI 用了 MoE 这个架构，太有意思了！为啥？说白了就是：同样的算力，8 个小专家比 1 个超大模型更省事！训练的时候数据拆成 8 份，推理时只激活部分专家，省资源啊！

更绝的是，OpenAI 之前发过一篇论文，就是在研究“计算量不变时怎么优化训练”。当时看没啥，现在回过头来，这不就是在为 MoE 铺路吗？这波操作，属实老谋深算！

安全方面：进步大，但别掉以轻心

官方数据说 GPT-4 对禁止内容的倾向降低了 82%，敏感回答的合规率提高了 29%。我测了一下：让它写钓鱼邮件，它直接拒绝，还解释了为什么有害。GPT-3.5 呢？它会犹豫一下，然后写给你……

但问题也有：它过度谨慎了！我问“如何用 Python 读取敏感文件”，它直接拒绝，我补充了“是为了写安全审计工具”也没用。这种矫枉过正的情况，在我测试里占了 15%！

OpenAI 用了基于规则的奖励模型来微调，但这玩意儿还没调完美。

技术人员怎么办？我的三个建议

1. 别迷信 GPT-4 的“人类水平”

它在律师考试里能排前 10%，但那只是模拟考啊！真实场景里的上下文、当事人情绪、判例细微差异，它根本把握不了。用它写写初稿、查漏补缺可以，直接拿它办案，等于找死！

2. 善用思维链和系统提示

我现在所有 API 调用，都强制加一句：“请一步步思考再给出答案。”这能大幅降低胡说八道的概率！另外，GPT-4 允许改系统提示了，你把它设定成“苏格拉底”或者“刻薄评论家”，输出质量完全不一样！

3. 知识截止是个硬伤

GPT-4 的知识停在 2021 年 9 月，Turbo 版才更新到 2023 年 4 月。所以你要问“今年奥斯卡得奖名单”，它很可能直接编一个！我现在凡是时效性强的信息，先让它生成搜索词，然后手动查！

到底该不该用 GPT-4？

我的判断很简单：

• 写代码、修 bug、分析数据：闭眼上！比之前任何版本都靠谱！
• 创意写作、头脑风暴：它更懂你的风格，但性价比不如直接用 ChatGPT Plus。GPT-4 的 API 调用，太贵了！
• 严肃推理、考试辅导：有戏！但要配合细粒度提示，每次都要核实逻辑！
• 多模态任务（图表、图文混合）：GPT-4 是目前唯一能打的，但图输入还没公开，得走 API 申请！

至于 OpenAI 不公开 GPT-4 的架构和数据，我作为一个技术人，真的很不爽。但换个角度，如果我是投资人，我也不想把家底亮出来——这个领域的竞争，已经不是学术竞赛了，而是军备竞赛！开源和闭源的撕裂，只会越来越严重！

最后说句大实话：GPT-4 真的强，但它离 AGI 还远着呢！它没有长期记忆，不能从经验中学习，还是会一本正经地胡说八道。

在它能说“我不知道”之前，你最好还是自己动手。