GPT-4o，能力强，毋庸置疑，但在中文领域，未必国产各大模型就没有胜算，不信咱们来看看。我们知道，GPT-4o是OpenAI今年5月份推出的全能型模型，能处理文本、音频和图像的输入输出，尤其在语音功能上表现出色，可模仿人类说话的语气、语速、语调等各种细节。相比GPT-4 Turbo，它在多语言处理、图像音频理解和输出速度上有显著提升，价格也更为亲民。对于中文用户而言，其非英语文本处理能力的增强是一大亮点。接下来，我们就来实际测试一下它的能力，是骡子是马，还是得拉出来溜溜才知道。我们现在就来试试GPT-4o的能力如何？
一、 中文理解能力
要说理解中文，GPT-4o毕竟是国外的大模型，听说训练数据也以英文数据为主，那么博大精深的中文语言它是否能理解出来呢？会不会像老外学中文一样，有些别扭，我出几道题给它试试。1. 第一题：好消息:羽绒服大减价啦，件件80块，样样80块，全部80块。问:是什么东西80元?
看来4o很淡定地理解了，看来还得出个更难的题。2. 第二题：甲:“你方便吗，我跟你说点事” 乙:“不方便，等我方便的时候你再说吧” 甲:“那我先去方便一下，等下找你” 乙:“那我也去方便，方便的时候你方便说吗” 甲:“方便” 请问下列哪个说法是对的？，居然又都答对，看来他们的中文理解能力着实有两下子。
3. 看来要祭出最强招来了：客服小姐:小明你是要几等座? 小明:你们一共有几等? 客服小姐:特等，一等，二等，等等，二等要多等一等。小明:我看下，等一等。客服小姐:别等了，再等一等也没了。小明:那不等了就这个吧。请问小明最终买了几等座?
终于，GPT-4o也答不上来开始胡言乱语了。而对比试试咱们国产的大模型，比如百度的文心一言，还是中国人懂中国人呀，细细地分析，然后各种双关、暗示都理解到位，回答正确。
二、联网检索能力
大模型由于训练截止时间都是之前的，像GPT-4o就是截止到2023年10月，所以需要用到RAG能力，也就是检索增强生成。我试了试GPT-4o的检索能力，遇到一些时效性的问题，它也会先检索Bing搜索引擎，然后给出结果。比如我询问了“巴黎奥运会中国奖牌榜情况”，得到了如下回答：
点击“引号”，发现它参考的是olympics.com/en/paris-2024/medals官网信息：
所以问题不大，过关。
三、图形推理能力
图形推理考察一个大模型是否能够识图，而且还要具备较强的逻辑推理能力。我找到一道图形推理题，这道题考的是3维图形推理。可是GPT-4o怎么一顿疯狂输出后，答案居然是ABCD中的任意一个，这叫我如何是好哇。
对比通义万相，答案正确，不过解释得有些牵强，这道题算千问略胜，看来此类识图问题还是大模型的一个普遍难点：
四、绘图能力
GPT-4 Turbo之前的绘图用的是DALL-E3，对提示词的理解就挺强的，这次我们看它有没有什么进步。GPT-4o后面依赖的依然是DALL-E3 。我试了一个提示词如下:
可以看出，GPT-4o的绘图能力还是更强些，首先理解了图片比例16:9，而且也更理解了文字内容，画得挺好。我还听说GPT-4可以画出保持角色一致性的图片来，我接着试：
感觉确实有些像同一个人，还是有进步的，不过第三次貌似就难保持同一个人了：
对比通义万相的：
只能固定按1:1绘制，excel表格也画错应该在电脑屏幕上，而不是桌上。第二次画完全换了个人：
所以这一局，GPT-4o的绘图能力确实更强一些。
五、解释能力
解释能力考察的是大模型对问题深入浅出解释的能力，也考察它的语言组织能力，GPT-4o能不能拿捏住中文的解释呢？我们来看这个问题：请用简单语言解释量子计算的基本概念。
对比通义千问2.5：
这道题，我觉得国产的通义千问回答得更有条理，回答质量略高于GPT-4o。
六、梗图理解
梗图理解，不仅考察图文识别，还要理解文字语境后面的寓意，挺有难度的。我们来看这张图，既要识别文字，还要理解文字的意思:
GPT-4o：
gpt看来是没看懂“鳝”字，另外“猿”“猴”不分。前三点题的解释有点让人摸不着头脑，不过第四点认识了“不是不报，时候未到”这个谐音，也算是还有点成绩。再来看看通义万相，识别中文字的能力更强一些，不过没有从谐音的角度去理解：
其他如腾讯元宝、智谱、文心一言、KimiChat，要么就是识字错了，要么就是理解没到位，这里就不贴出来了。综上，GPT-4o跟通义千问打了个平手。
七、几何题解答
都说GPT-4o的数学能力不错，常规的代数题我就不出了，我再出一道几何题给GPT-4o，由于我是直接上传图片的，所以顺便也再测下它的文字识别能力：
回答如下，第一题答对了，但是第二题居然认错行了，那不是一个问题呀；第三题答案是等于，但是感觉是瞎猜的呢？第三题的证明题貌似是对了，但是第四题计算题，正确答案是3：
而通义万相呢，第一题答对，第二题答错，第三题求证题感觉证明得有些牵强，第四题答错：
综上，两个大模型的识图能力都还行不过几何题简单的还能做，稍微难点也开始乱答了。
八、输出速度
最后我们再来对比下输出内容的速度，都说GPT-4o的输出速度提高不少，我们就来实测一下。同时也来对比下其他大模型，看谁的效果最好。题目: 请列出π值的小数点后100位。用时4.13秒。
通义千问2.5 11.3秒
Kimi 12.5秒
智谱 6.5秒：
这么看来，GPT-4o确实是目前我测试的这几个里面最快的了。实至名归的快。以上就是对GPT-4o的简单几个维度的评测，感觉国产大模型们跟它的差距也不是很大，尤其是在中文领域。当然，GPT-4o最大的亮点还是强大的音频处理功能，它真的能理解情绪、语气、语调、语速，并能端到端地实时、原生模拟出这些真实的人类反应。
暂无评论内容