A行业级
GPT-4 发布
图像输入、更稳的复杂任务表现与一次刻意收缩的技术披露
已核验1可追溯来源
OpenAI 发布 GPT-4。模型接受文本和图像输入，在模拟律师资格考试中达到约前 10%，并提高代码、专业问答与复杂指令表现。
发生了什么
技术报告公布评测、风险和安全训练结果，却没有披露模型规模、训练计算量、数据集构成或具体架构。图像输入先以有限形式开放，文本 API 成为主要生产入口。
当时的行业背景
ChatGPT 已形成大规模使用，但 GPT-3.5 在长推理、事实可靠性和复杂约束上经常失败。多模态产品还需要把视觉模型与语言模型分开串联。
为什么重要
GPT-4 把前沿模型从通用文本生成推向专业工作和视觉理解，同时确立更封闭的技术披露方式。能力提高没有消除幻觉、提示注入和不可解释失败。
在它之前
大语言模型仅限文本，多模态能力尚未整合。
在它之后
多模态成为大模型标配，视觉+语言的整合成为主流方向。
影响
它改变了什么
对开发者
催生了大量基于 GPT-4 的 Agent 和多模态应用。
对行业
进一步巩固了 OpenAI 的领先地位，推动多模态 AI 成为行业方向。
来源