融合视觉能力 OpenAI 向开发人员提供 GPT4 Turbo with Vision

IT之家报道，在最近的发布会上，OpenAI宣布了一项令人激动的技术进展：他们的最新GPT-4 Turbo模型已经拥有了视觉能力，并正式更名为GPT-4 Turbo with Vision。这一创新技术现已通过OpenAI API向全球开发人员普遍提供。

据了解，GPT-4 Turbo with Vision模型继承了GPT-4 Turbo系列的核心优势，保持了128,000个token的窗口大小，并继续沿用截止到2023年12月的知识库。它的最大亮点在于新增的视觉理解能力。以往，开发者通常需要调用不同的模型来处理文本和图像信息，这无疑增加了开发的复杂性和难度。而现在，GPT-4 Turbo with Vision模型的推出，成功地将文本和图像处理融为一体，大大简化了开发流程，为未来的广泛应用打开了崭新的大门。

OpenAI还分享了一些开发者使用该模型的实例。例如，AI软件工程助手Devin已经利用GPT-4 Turbo with Vision来辅助编程工作。健康健身类应用程序Healthify使用该模型扫描用户的饮食照片，通过图像识别功能提供营养分析。创意平台Make Real则运用此模型将用户的草图转化为可运行的网站。这些实际的应用案例充分展示了GPT-4 Turbo with Vision模型的潜力和广阔前景。

目前，这项新技术尚未集成在ChatGPT中，也未向广大用户开放。OpenAI已经暗示，这一功能将在不久的将来登陆ChatGPT，为用户带来前所未有的体验。让我们拭目以待，期待GPT-4 Turbo with Vision在更多领域展现出其强大的实力。