GPT-4跟GPT-3.5差在哪?免費和付費方式怎麼用?詳解ChatGPT原理
GPT-4跟GPT-3.5差在哪?免費和付費方式怎麼用?詳解ChatGPT原理

OpenAI宣布最新的語言模型 GPT-4,是前代 GPT-3 的升級版。新模型具有多種新功能和使用案例,包括處理文字和圖片、更好地應對語言遊戲、處理更多文本和應對考試等。

GPT-4 的能力有多強?

OpenAI 最新推出的 GPT-4 模型,是一個大型多模態模型,能夠接受圖像和文字輸入,並輸出文字結果。根據OpenAI官方表示,儘管在許多現實情境下,它比人類的能力還差,但在各種專業和學術測試中,它展現出了與人類相當的表現。

例如,它在模擬的律師考試中得分排名前10%,而 GPT-3.5 的得分則排在後10%。OpenAI 花費了6個月的時間,通過其對抗性測試計劃和 ChatGPT 的教訓,來迭代調整 GPT-4,從而取得了迄今最好的成果(雖然仍有很大的提升空間),在事實性、可操控性和拒絕超越限制方面表現最佳。

官方表示,在過去的兩年中,OpenAI 重新構建了整個深度學習堆棧,並與 Azure 共同設計了一個從頭開始為其工作量設計的超級電腦。一年前,OpenAI 訓練了 GPT-3.5 作為系統的第一個「測試運行」。他們發現了一些錯誤並改善了理論基礎。因此,他們的 GPT-4 訓練運行(至少對他們而言)是史無前例的穩定的,成為他們第一個能夠準確預測訓練性能的大型模型。

GPT-4 的6大特色

1. 處理文字和圖片

GPT-4 是多模態模型,可以解析圖像和文本。這意味著 GPT-4 可以分析圖像的內容,並將該信息與書面問題相連接。這樣的功能可以應用於許多方面,例如在一個示範中,GPT-4 觀看了冰箱內部的圖片,然後被問及使用這些食材可以做哪些菜餚,GPT-4 可以根據圖像給出幾個建議。

2. 更好地應對語言遊戲

GPT-4 更擅長於需要創造力或高級推理的任務。在公司的演示中,OpenAI 的聯合創始人 Greg Brockman 要求 GPT-4 只使用以字母 "g" 開始的單詞來總結一節文章,GPT-4 回答了一個幾乎完全正確的句子。GPT-3 則不會遵循提示。

3. 處理更多文字以及類型

GPT-4 可以處理整個科學論文和小說,從而使其能夠回答更複雜的問題並在任何給定的查詢中連接更多的細節。並且能夠記憶更多的上下文資訊。GPT-4可以處理高達32,768個Token的輸入,相當於50頁文字。這讓GPT-4可以處理數小時或數天的內容運算。

4. 應對考試

GPT-4 的表現在各種標準化測試中都很出色,包括 BAR、LSAT、GRE 等。

5.更好的推理能力

GPT-4 比以往任何時候都更具創造性和協作性。它可以生成、編輯並與用戶一起進行創意和技術寫作任務,例如創作歌曲、編寫劇本或學習用戶的寫作風格。甚至還有更好的推理能力。

GPT-4
圖/ T客邦

6.更強的角色扮演

可以根據使用者的需求和偏好,調整其語氣、風格、個性等特徵。GPT-4提供了更多的參數和選項,讓使用者可以控制GPT-4的輸出人設,以適應不同的場景和目的。

GPT-3.5 和 GPT-4的差別

如果是處理非正式的對話,GPT-3.5 和 GPT-4 之間的區別可能微妙。當任務的複雜性達到足夠的閾值時,區別就會顯現出來—— GPT-4 比 GPT-3.5 更可靠、更有創造力,並能夠處理比 GPT-3.5 更細緻的指令。

考試測驗的差異

為了了解這兩個模型之間的差異,OpenAI 在各種基準測試中進行了測試,包括模擬最初設計給人類的考試。他們使用了最近公開的測試(在奧林匹克和 AP 自由回應問題的情況下)或購買了 2022-2023 年的練習考試。他們沒有為這些考試進行特定的培訓,但他們認為這些結果是有代表性的。

GPT-4
圖/ T客邦
GPT-4
GPT-4的考試表現大幅超過GPT-3.5
圖/ T客邦

OpenAI 也在內部使用 GPT-4,對銷售、內容審核和編程等功能產生了巨大的影響。他們還在使用它來幫助人類評估 AI 輸出,在他們的對齊策略的第二階段開始。

延伸閱讀:Midjourney V5實測、教學來了!AI畫作終於長出「正常的手」?

GPT-4對非英語語言的理解

除此之外,OpenAI 還對許多現有的 ML 基準進行了評估。GPT-4 在現有的大型語言模型中表現出色,並且優於大多數最先進的模型,這些模型可能包括基於基準的製作或附加的訓練協議。

此外,他們在英語以外的語言中測試了 GPT-4 的表現,結果在26種語言中,有24種的表現都優於 GPT-3.5 和其他 LLM(Chinchilla、PaLM)的英語表現,包括低資源語言,例如拉脫維亞語、威爾士語和斯瓦希里語。

GPT-4
圖/ T客邦

GPT-4的視覺輸入以及推理

GPT-4 可以接受文字和圖像輸入,此外,它還可以透過為純文字語言模型開發的測試時間技術得到增強。不過目前圖像輸入仍然是預覽階段,並不公開。

以下圖為例,用戶要求GPT-4了解這個Reddit圖片中的笑點在哪裡?

GPT-4
圖/ T客邦

GPT-4分析該圖片中有三個圖片區塊:
* 區塊 1:帶有 VGA 連接器(一種大的藍色 15 針連接器,通常用於電腦顯示器)的智慧手機已插入其充電端口。
* 區塊 2:「Lightning Cable」的包裝盒,上面有 VGA 連接器的圖片。
* 區塊 3:VGA 連接器特寫,末端有一個小Lightning接口(用於為 iPhone 和其他 Apple 設備充電)。

結論:這張圖片中的幽默來自將過時的大型 VGA 連接器插入小型現代智能手機充電端口的荒謬做法。

GPT-4 的免費和付費方式

目前,GPT-4 仍處於測試階段,並沒有提供到ChatGPT上給用戶使用,不過,想要搶先體驗,有幾種方法。

加入ChatGPT+會員

你可以通過 OpenAI 的 API 進行使用,但必須要是ChatGPT+(ChatGPT Plus)的會員,目前的費用是每月20美金,包含了讓用戶使用 GPT-4 的功能。目前,每 4 小時可提問次數為 100 次。

透過 Poe App試用

Poe App 是由國外線上問答網站Quora推出的聊天機器人,其中它的 AI 機器人是由OpenAI 和Anthropic 提供的模型所驅動的,免費版的 Poe 用戶每 4 小時可以向 GPT-4 提問一次。如果付費用戶則一個月可以提問300次。

透過新版Bing聊天機器人免費使用

微軟先前說他們的Bing聊天機器人已經升級到 GPT-4。不過,這是針對美國用戶而言,不確定國人使用的核心是否也升級。

GPT-4
圖/ T客邦

不過,Bing的提問也是有限制的,根據微軟先前的說明,用戶每天最多可向 Bing 提問 120 次,而每個對話中最多可進行 10 次提問。

延伸閱讀:ChatGPT之父首度回擊馬斯克:他是個混蛋!澄清「OpenAI獨立於微軟」

本文授權轉載自:T客邦

責任編輯:傅珮晴、林美欣

關鍵字: #AI #ai人工智慧
往下滑看下一篇文章
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承

1973 年,良興從台北光華商場一間 50 坪的電子零件行起家,半個世紀後蛻變為年營收破十億、毛利率 18% 的全通路 3C 品牌。不過,伴隨規模擴張帶來的不只是成長,還有日益加劇的管理摩擦。門市遍布全台、品項高達近萬筆,加上跨部門協作頻繁,行政耗損與知識傳承的缺口,成為這家老字號邁向下一階段的隱形天花板。

良興總經理賴志達回顧,從電子零件跨入電商、從線下擴張到 OMO 全通路、再到會員深度經營,作為 3C 零售業者,良興每一波轉型都走在同業前面。「現在輪到 AI 了。如何做到人機協作、AI 賦能,就是良興第五波轉型的核心命題。」

AI 自動化,從行政細節釋放組織戰力

轉型需要夥伴,而賴志達評估合作夥伴的標準很明確:技術能力是基本,產業知識(Domain Know-how)的深度是關鍵,回饋速度更是最終決定因素。2025 年的未來商務展上,良興選擇攜手 Data-DI,看重的正是其「策略諮詢 + AI 產品 + 落地陪跑」三軌並行的實施能力。

很快的,良興與 Data-DI 合作的第一個專案,就落在最耗費人力、卻最常被忽視的環節:會議記錄。「會議如果沒有產值、沒有效果,對企業很傷!」賴志達說,他每天參加許多會議,但跨單位協作的會議記錄長期依賴人工聆聽與逐字整理,常出現人名誤植、決策遺漏、行動項目無人追蹤,讓會議效果大打折扣。

數智聚(良興)_1.JPG
良興總經理賴志達
圖/ 數位時代

為了解決會議記錄的痛點,Data-DI 業務副總包威棣指出,在導入工具以前,團隊須先釐清三件事:場景是否具備落地價值、哪些流程節點適合 AI 介入,以及以終為始地掌握客戶真正想要的輸出樣貌。這些看似基本的提問,都決定 AI 能否精準落地。

確認方向後,良興與 Data-DI 成功導入 AI 會議記錄自動化系統,透過模糊比對技術校正語音辨識誤差,並將生成的雙版本報告直接回存至既有資料庫,不僅將行政人員從重複性作業中釋放,也為後續的 AI 應用奠定扎實的系統整合基礎。

賴志達分享,現在他去外部開會也會用這個工具,運用 AI 把錄音轉文字、再整理成簡報,很快就能完成,更令外部夥伴驚艷。「我認為這是很成功的案子!也提醒想做 AI 的老闆們,與其急著搞大架構,不如先從小工具讓公司嘗試 AI,建立理解和認同。」

AI 把資深員工大腦轉化為資產

補完行政效率的缺口後,良興接著切入更深層的營運核心:知識傳承。過去,頂尖銷售經驗長期鎖在少數資深員工身上,新人培訓耗時三個月,員工離職即帶走知識資本。與此同時,網路資訊發達,消費者進店前早已掌握基本規格,3C 通路門市人員要如何發揮更多價值?「我要門市的人不是死背規格,而是面對客人時,能用客人能理解的方式對話。」賴志達說。

為此,Data-DI 協助良興建置 AI 門市教育訓練系統。系統透過六大自動化關卡,串接教材生成、審核上架、AI 銷售對練與成績回報,主管僅需在核心節點審核;員工透過手機語音對練,系統依口吻、專業度、回應力等維度自動評分。賴志達表示,目標是將新人培訓期縮短至一個月,讓數十年累積的銷售智慧轉化為可複製、可傳承的企業資產。

然而,要讓這套系統真正運作,得先解決兩個根本問題:資料從哪裡來?以及訓練如何更準確?

「以前大數據時代,講的是資料要大、全、細、實;現在 AI 要做到的是準(準確)、合(合乎場景)。」包威棣說。良興不同廠商提供的素材品質參差不齊,Data-DI 除了整合內部資料,也補充加入外部市場評測內容以填補空缺,再透過人員審核機制過濾雜訊,搭配 agent 架構的多層步驟與知識限定,確保系統能精準提煉對應品類的訓練素材。

數智聚(良興)_2.JPG
Data-DI 業務副總包威棣
圖/ 數位時代

賴志達則看得更遠:「這些教育訓練的內容,也將成為公司未來訓練機器人很好的原料。」

Data-DI 陪跑型顧問,帶領企業 AI 轉型

良興與 Data-DI 合作的兩個專案中,雙方共同克服了長提示詞邏輯混亂、AI 幻覺污染知識庫、逐字稿讀取逾時等技術難題。邁向下一步,賴志達表示,公司各部門很早就建置 Power BI 報表,但數據豐富不等於決策清晰。「數據是土壤,如果沒有梳理,就沒有用了。」因此,他的下一個目標是活化數據資本、推動行銷自動流,以精實的人力持續驅動成長。

數智聚(良興)_3.jpg
良興攜手 Data-DI 推動 AI 落地,以小步快跑模式為企業創造變革。
圖/ 數位時代

包威棣則從顧問視角歸納兩個觀察:AI 導入需要高層認同、由上而下推進,像賴志達這樣持續引領良興走在業界前端的決策者,就是不可或缺的推手;而單點工具的價值,終究要累積成組織體質的轉變才算真正落地。「就像會議記錄改變了會議當責的結構,人員訓練改變了知識傳承的方式。從點狀應用走向企業變革,這種決策思路才是 AI 真正深入落地產生價值的關鍵。」

最後,對於仍在觀望AI應用的企業,他則建議:「未來 AI 導致的落差只會愈來愈大,人會變成超級工作者,企業會變成超級企業。開始做就對了,先做一個三個月的小任務,降低落差、再急起追上。」從痛點切入、小步快跑,讓組織在實作中累積對 AI 的理解與信任,這正是 Data-DI 的陪跑哲學。

有關更多 Data-DI 相關資訊,請查詢網站:https://www.data-di.com/

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓