2020年，GPT-3的登场重塑了行业对语言模型的认知。它证明了一件事：一个足够庞大的神经网络，可以直接从提示词和示例中学习任务，无需传统的精调。这个想法催生了提示工程、AI助手，以及第一波大语言模型应用。

但GPT-4的感觉完全不同。

打开网易新闻 查看精彩图片

GPT-3仍然像一个研究突破：强大、实验性，有时还不可预测。GPT-4则像是真正的AI平台的开端。关注点不再是单纯扩大模型规模去刷榜，话题转向了可靠性、多模态理解、对齐、安全性，以及真实世界的部署。这种转向，在OpenAI发布的GPT-4技术报告里随处可见。

和早期的几篇GPT论文不一样，OpenAI这次没有发布包含详细架构图、参数规模、数据集、训练配置的传统研究论文。他们给出了一份范围更窄的技术报告，重点放在能力展示、评估、安全工作与部署考量上。这个决定本身，就反映出领域已经彻底变了。到了GPT-4面世时，大语言模型不再是实验室里的研究项目，它通过ChatGPT这类产品成了全球数百万人在用的部署系统。关于滥用、幻觉、偏见、网络安全风险和对齐的问题，变得和模型原始性能同等重要。

GPT-4还带来了一个根本性转变：多模态。此前的模型只处理文字，GPT-4扩展了边界，同时接收图像和文本作为输入，让模型能分析截图、图表、文档、视觉笑话以及其他混合信息形式。这一步把大语言模型推向了更通用的AI系统，而非狭窄的文本生成器。回头看，演进的脉络出奇地清晰：GPT-1引入预训练和迁移学习，GPT-2展示零样本多任务学习，GPT-3拿出少样本提示和上下文学习，而GPT-4开启了对齐、多模态AI系统的时代。从很多角度看，GPT-4标志着大语言模型不再被看作研究实验，开始成为真实应用的基础计算界面。

根据OpenAI的说法，报告中刻意隐去了参数量、精确架构、训练算力、数据集组成和硬件配置等信息，部分原因来自竞争格局，也考虑到大规模AI系统日益增长的安全后果。这个差异在历史上很重要——GPT-1、GPT-2和GPT-3的论文都曾公开讨论架构细节，而GPT-4的谨慎本身就是一个行业信号。