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
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

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