GPT-4 重磅发布，吊打 ChatGPT！编程能力牛到让我睡不着：10 秒做出一个网站，1 分钟开发一个游戏

王炸来袭，OpenAI 联合创始人 Sam Altman 表示，GPT-4 是“迄今为止功能最强大的语言模型”。与上一代相比，GPT-4 更强大更可靠，且更有创造性。

GPT-4 来了

OpenAI 的新“核弹”来了。

3 月 14 日晚间，OpenAI 宣布发布多模态大模型 GPT-4。

“我们创建了 GPT-4，这是 OpenAI 努力扩展深度学习的最新里程碑。GPT-4 是一个大型多模态模型（接受图像和文本输入，提供文本输出），虽然在许多现实世界场景中的能力不如人类，但在各种专业和学术基准上表现出人类水平”，OpenAI 表示。

OpenAI 联合创始人 Sam Altman 表示，它是“迄今为止功能最强大、最一致的模型”，能够使用图像和文本。

GPT-4 的技术论文：https://cdn.openai.com/papers/gpt-4.pdf

GPT-4 系统模型卡介绍：https://cdn.openai.com/papers/gpt-4-system-card.pdf

最近这几个月，ChatGPT 的爆火，让人们惊叹于人工智能强大的聊天能力。GPT4 出来后，可以看到，在聊天之外，人工智能的能力已不断扩展其外延。

ChatGPT 用的语言模型是 GPT-3.5。在谈到 GPT-4 比前一个版本强大在哪里时，OpenAI 称，虽然这两个版本在随意的谈话中看起来很相似，但“当任务的复杂性达到足够的阈值时，差异就会出现”，GPT-4 更可靠、更有创意，并且能够处理更细微的指令。该公司表示，GPT-4 响应禁止内容请求的可能性比其前一个版本低 82%。OpenAI 表示，在内部评估中，GPT-4 产生正确回应的可能性要比 GPT-3.5 高出 40%。

而且 GPT-4 是多模态的，同时支持文本和图像输入功能。此外，GPT-4 比以前的版本“更大”，这意味着其已经在更多的数据上进行了训练，并且在模型文件中有更多的权重，这也使得它的运行成本更高。

GPT-4 在一系列基准测试中的表现优于 GPT-3.5

OpenAI 称它使用了微软 Azure 来训练模型，但没有公布有关具体模型大小或用于训练它的硬件的详细信息。

据悉，GPT-4 参加了多种基准考试测试，包括美国律师资格考试 Uniform Bar Exam、法学院入学考试 LSAT、“美国高考”SAT 数学部分和证据性阅读与写作部分的考试，在这些测试中，它的得分高于 88%的应试者。

GPT-4 从图像生成食谱

OpenAI 表示，已经与多家公司合作，要将 GPT-4 结合到他们的产品中，包括 Duolingo、Stripe 和 Khan Academy。

GPT-4 模型也将以 API 的形式，提供给付费版 ChatGPT Plus 的订阅用户，允许开发者付费将 AI 集成到他们的应用程序中。

微软表示，新款的必应（Bing）搜索引擎将运行于 GPT-4 系统之上。

在 OpenAI 宣布开发出 GPT-4 后，马斯克在推特上评论了这一消息，表达了他对人工智能对就业市场的潜在影响的担忧。马斯克在他的推文中写道：“我们人类还能做什么？我们最好继续使用 Neuralink！（马斯克旗下脑机接口公司）！”

GPT-4：可生成更安全、更有用响应的 OpenAI 至高系统

据介绍，凭借更广泛的常识和问题解决能力，GPT-4 能为用户提供更准确的回答。

GPT-4 的创造性和协作能力超越以往各个版本。

它能够生成、编辑并与用户一道完成创意和技术性创作任务，包括谱写歌曲、编写剧本或者学习用户的写作风格。

例如：

输入:

用一句话解释《灰姑娘》的剧情，其中每个单词必须以字母表中从 A 到 Z 的下一个字母开头，不得重复字母。

输出

A beautiful Cinderella, dwelling eagerly, finally gains happiness; inspiring jealous kin, love magically nurtures opulent prince; quietly rescues, slipper triumphs, uniting very wondrously, xenial youth zealously.

GPT-4 的高级推理能力已经超越 ChatGPT

ChatGPT：

输入

Andrew 从上午 11 点到下午 3 点有空，Joanne 中午到下午 2 点有空，之后下午 3：30 到 5 点有空。Hannah 中午有半小时空闲，之后下午 4 点到 6 点有空。如果 Andrew、Hannah 和 Joanne 要开个半小时的会，可以选择哪些时段？

输出

以下是空闲时段列表：

-Andrew：上午 11 点至下午 3 点-Joanne：中午至下午 2 点，以及下午 3：30 至 5 点；-Hannah：中午至 12：30，以及下午 4 点至 6 点。据此计算，三人都空闲的时间窗口只有一个：下午 4 点至 4：30。因此会议可以安排在下午 4 点。GPT-4：

输入

Andrew 从上午 11 点到下午 3 点有空，Joanne 中午到下午 2 点有空，之后下午 3：30 到 5 点有空。Hannah 中午有半小时空闲，之后下午 4 点到 6 点有空。如果 Andrew、Hannah 和 Joanne 要开个半小时的会，可以选择哪些时段？

输出

Andrew：上午 11 点到下午 3 点；Joanne：中午 12 点至下午 2 点，下午 3：30 至 5 点；Hannah：中午 12 点至 12：30，下午 4 点至 6 点。

三人均有空的时段：中午 12 点至 12：30。

GPT-4 在测试中也获得了超过 ChatGPT 的考核成绩（百分比位次）

统一律师考试

ChatGPT :10%

GPT-4: 90%

生物奥赛题

ChatGPT :31%

GPT-4 (含视觉):99%

比 GPT-3.5 准确性提高 40%

沿着对 GPT、GPT-2 和 GPT-3 的研究路径，OpenAI 的深度学习方法利用更多数据和计算建立起愈发复杂且强大的语言模型。

OpenAI 投入 6 个月时间，让 GPT-4 更安全、也更一致。在 OpenAI 的内部评估中，与 GPT-3.5 相比，GPT-4 响应拒绝内容请求的几率降低了 82%，生成可靠响应的几率提高 40%。

安全与对齐

人工反馈训练

OpenAI 引入了更多人工反馈，包括由 ChatGPT 用户提交的反馈，以改进 GPT-4 的行为。OpenAI 还与 50 多位专家合作，在 AI 安全和保障等领域获得了早期反馈。

在实际应用中不断提升

OpenAI 将以往模型在现实应用中的经验教训，引入了 GPT-4 的安全研究和监控系统当中。与 ChatGPT 一样，随着使用者越来越多，我们也将定期更新并改进 GPT-4。

GPT-4 辅助的安全研究

GPT-4 的高级推理和指令遵循能力加快了特准的安全工作。OpenAI 使用 GPT-4 辅助创建用于模型微调的训练数据，并在训练、评估和监控流程中对分类器进行迭代。

编程能力牛到让我睡不着

在 GPT4 的发布会上，OpenAI 的总裁和联合创始人 Greg Brockman 展示了 GPT-4 拥有的强大编程技能，有一段两分钟的精华，演示的内容是：

1. 在草稿本上用纸笔画出一个非常粗糙的草图；

2. 拍照告诉 GPT-4 我们要做一个网站，效果就是图中这样，让 GPT-4 生成网站代码；

3. GPT-4 自己实现一个网站，总共历时十秒钟左右。

这效果给当下不少开发者带来了压力以及非常强烈的职业危机感，有人当即表示“睡不着了”：“辗转反侧了一个晚上，思考未来 5-10 年我们到底会在哪里。”

虽然 GPT-4 用 Leetcode 测试结果来表示自己还没有准备好替代程序员，但是不少人试验了用 GPT-4 来开发游戏以及编程。

Pietro Schirano 从事 AI 设计，以前是 Uber、Facebook 的产品设计师，他尝试了用 GPT-4 来开发游戏：“GPT-4 是一项令人难以置信的变革性技术。我花了不到 60 秒的时间，重新创建了乒乓球游戏。这还仅仅是我的第一次尝试。这个世界开始变得不一样了。”

另一位表示自己对 JavaScript 完全不了解的设计师 Ammaar Reshi，使用 Chat GPT-4 和在线集成开发环境，在 20 分钟内编写和调试了一整个的贪食蛇游戏。

根据他的讲述，他首先要求 GPT-4 提供贪吃蛇游戏的代码，以及运行该游戏所需的相关 HTML、CSS 和 JavaScript，以足够让他启动项目。虽然 GPT-4 无法在一次回复中完成所有操作，但 Ammaar Reshi 只需要不停回复“继续”即可。

获得游戏所需的所有代码后，Ammaar Reshi 创建了一个Replit在线集成开发环境帐户，并开启了一个新 HTML、CSS、JS 项目。然后，他将代码粘贴到开发环境的相关文件中，点击运行，游戏就能基本按预期工作了！最开始的时候，生成出来的蛇在第一次咬人后会死掉而不是长大，并且它一直以 2 而不是 1 的增量增加分数。所以 Ammaar Reshi 要求 GPT-4 进行调整，让人吃惊的是，GPT-4 再次做到了！

以上这些设计师还是编程外行，那么程序员们用 GPT-4 进行了哪些尝试呢？

Sualeh Asif 是一位专业人士，他的公司正在创建一个利用 GPT-4 强大功能的 AI 代码编辑器，希望将来能作为 VS Code 的直接替代品。他表示在帮助 OpenAI 进行部分测试之后，有一件事对他来说很突出：GPT-4 在编码方面非常出色！

Sualeh Asif 表示他们在公司内部使用 GPT-4 已经几个月了，积累了很多例子，所以他在 GitHub 上给出了一些代码展示。

这些示例足够说明 GPT-4 处理 Bazel、Kube、Terraform 和 Rust 的能力。

其中，GPT-4 能将 Python 函数转换为深奥但正确的 C++ 代码；可以处理 Bazel 的复杂性，帮助我们以 10 倍的速度编写 Bazel 代码； 能将 Kube 部署转换为使用 Terraform；还能为常见和深奥的任务编写 CLI......

GPT-4 带来职业危机？

ChatGPT 的推出在科技界引发了一场狂潮，而 GPT-4 展现出的能力则更让人担忧。

如果不论别的职业，单就软件工程师岗位来说，不少开发者已经开始担心在未来的几十年内，AI 会循序渐进地取代一些开发岗位。

有网友说道：“我一直希望自己能成为一名软件工程师，作为一名年轻人，我有些害怕。”

有人回应说，很多人认为 GPT-4 在代码方面非常出色，并且担心他们会失业，但“GPT-4 能参加充满废话的会议吗？能帮我拍经理的马屁吗？能奉承管理层说他们的想法很好吗？它们还不行，所以我想我的工作现在是安全的。”

GPT-4 再次给我们敲响了警钟：拥有如此强大的编程能力，AI 真的会取代程序员？前段时间，前哈佛大学计算机科学教授、谷歌工程主管 Matt Welsh 还曾对此发出断言，表示“生成式 AI 将在 3 年内终结编程”，放在当下来看，也许 Welsh 所言非虚。

Welsh 认为，由于 ChatGPT 和 Copilot 等技术的出现，编程正处于从人类工作转变为机器人工作的转折点。在他看来，程序员需要演变成 AI 程序的“老师”——或者产品经理，或者代码评审人员。他认为这两个人类角色相对来说不那么受机器人的影响。“不要指望你的程序员职业生涯会一直持续下去，因为机器正在取代这个角色。”Welsh 说道。

他认为，具有编程能力的人类将承担“评审和阅读 AI 生成的代码，并确保它们能够正常运行以及做正确的事情”的任务。至于程序员，以及那些即将加入这一领域的人，他们将需要成为 AI 的老师，而不是程序员本身。Welsh 说：“这是关于如何教会 AI 写代码，而不是自己写。”

也许我们正处于一个动荡的周期之中，现在的问题不是会不会被取代，而是 AI 将在多大程度上改变软件行业，而我们也需要为未来做好准备：现在就必须习惯人工智能，毕竟让 AI 帮助我们编程就在不远的未来。

参考链接：

https://github.com/anysphere/gpt-4-for-code

https://openai.com/research/gpt-4

https://www.infoq.cn/news/qR0xQrafpDi92bTPal6t

https://www.infoq.cn/article/eGbSZBSKWEDxspQq8FLh

https://openai.com/product/gpt-4

www.youtube.com/watch?v=outcGtbnMuQ