GPT-4发布：多模态AI的新纪元

OpenAI在3月发布了GPT-4，用了两个月，说说感受。比起GPT-3.5，这不是量变而是质变。

GPT-4的核心提升

更长的上下文窗口

GPT-3.5最大支持4K token(约3000个中文字)，GPT-4标准版支持8K，还有32K版本。32K意味着你可以把一整篇论文或一个完整的代码文件丢进去。

实际使用中，长上下文的意义在于：

• 分析长代码不用拆分了
• 可以一次性给更多的few-shot示例
• 对话历史保留更多，不容易"忘记"前面说的话

准确性大幅提升

GPT-3.5经常一本正经地胡说八道(hallucination)。GPT-4这个问题明显改善了。具体体现在：

• 代码生成的bug率明显降低
• 逻辑推理更靠谱，不容易自相矛盾
• 对"我不确定"的回答更诚实

OpenAI公布的数据：GPT-4在律师资格考试(Uniform Bar Exam)上得分在前10%，GPT-3.5只在后10%。

多模态能力

GPT-4可以理解图片了(目前API还没开放图片输入，只在ChatGPT Plus里可用)。能做的事：

• 看一张手绘的网页草图，生成对应的HTML/CSS代码
• 分析图表和数据截图
• 理解UI截图并给出修改建议
• 解读论文中的图表

这对开发者的意义巨大——以后截个图就能让AI帮你改代码了。

与GPT-3.5的实际对比

以开发者日常使用的场景对比：

代码生成

给同一个prompt："用Go实现一个带限流功能的HTTP中间件"

• GPT-3.5：能写出基本结构，但令牌桶算法的实现有并发bug(没加锁)，错误处理不完整
• GPT-4：代码几乎可以直接用，正确使用了sync.Mutex，边界条件处理得当，还主动加了注释说明设计选择

调试能力

贴一段有bug的代码让它找问题：

• GPT-3.5：能找到明显的语法错误和简单逻辑错误，但对竞态条件、内存泄漏等隐蔽问题经常漏掉
• GPT-4：能识别出竞态条件，会指出goroutine泄漏的风险，还能给出修复方案和解释

架构设计

问"电商系统的库存扣减方案"：

• GPT-3.5：给出教科书式的答案，但脱离实际，不区分场景
• GPT-4：会分析不同场景(高并发秒杀 vs 普通下单)，给出不同方案，讨论各方案的trade-off，甚至会提到分布式事务的实际问题

在编程任务上的表现

OpenAI的技术报告中给出了GPT-4在各种考试上的成绩，编程相关的：

GPT-4在LeetCode Medium上的通过率已经接近普通程序员的水平了。虽然Hard题还有差距，但进步是明显的。

对开发者的影响

两个月用下来的感受：

1. 代码审查助手：GPT-4看代码比GPT-3.5靠谱太多了。已经成了我的第一个code reviewer
2. 学习加速器：学新框架/语言时，GPT-4能给出更准确的示例和解释
3. 写文档：生成API文档、注释的质量提高了很多
4. 不能完全信任：虽然进步大，但GPT-4仍然会犯错。关键代码必须自己review
5. 提示工程更重要了：模型能力强了，能做的事更多，但如何精确描述需求成了瓶颈

定价

GPT-4比GPT-3.5贵很多：

GPT-4的输入价格是GPT-3.5的15倍，输出是30倍。日常开发中两个混着用比较合理：简单任务用GPT-3.5省钱，复杂任务上GPT-4确保质量。

未来展望

GPT-4出来才两个月，已经催生了大量新工具和新玩法。下一步值得关注的：

• 多模态API开放：图片输入API开放后，代码理解能力会再上一个台阶
• Plugin生态：ChatGPT Plugins让AI可以调用外部工具，想象空间很大
• 微调支持：如果GPT-4开放微调，针对特定领域(如某个公司的代码库)做优化，效果会更好
• 开源追赶：LLaMA、ChatGLM等开源模型在快速追赶，竞争对开发者是好事

作为开发者，拥抱AI工具已经不是选择而是必然。关键是搞清楚AI能做什么、不能做什么，把它用对地方。