GPT-4

能力与基准测试

GPT-4在发布时展示了与前代GPT-3.5的明显差距：在模拟律师资格考试（Bar Exam）中位列前10%，而GPT-3.5仅排后10%。它能处理最长32k token的上下文窗口（约25000词），后续推出的GPT-4-turbo将上下文扩展至128k token。

GPT-4是多模态模型，能接受图片输入，分析图表、截图、手写公式。早期图片能力仅对部分用户开放，2023年10月后全面上线。在HumanEval编程测试中，GPT-4正确率约67%，远超GPT-3.5的48%。[1]

尽管能力强大，GPT-4仍存在明显问题：幻觉（hallucination）现象依然存在，会自信地编造不存在的引用和数据。训练数据有截止日期，无法获取实时信息（需配合联网插件或检索增强）。推理速度相对较慢，API调用成本较高，GPT-4的输入token价格约为GPT-3.5的20倍。