本文作者：葛佳明
来源：硬AI
自从GPT-4发布以来，期间关于GPT-4.5或GPT-5的传闻从未停止，今年对于GPT-5的期待更是达到了白热化阶段。
4月25日，媒体报道称，OpenAI联合创始人兼CEO 山姆·奥特曼现身斯坦福大学，并在英伟达（NVIDIA）礼堂举行了一场公开演讲，可容纳342人的礼堂爆满，还有超过千人挤在外面排队，并在随后举行了一场闭门会议。
在演讲中，奥特曼表示，他不知道AGI何时到来，GPT-5性能将远超GPT-4，GPT-6会比GPT-5更加厉害。这些都将成为人类历史上最令人瞩目的事件，但其实目前还远未触及智能极限。
奥特曼认为，现在很多组织、个人开发者都能轻松复现GPT-4的能力，甚至在个别单元测试中超过它。但OpenAI的核心能力是技术变革，可以真正定义AI能力的下一个范式转变，就像苹果的iPhone对移动领域带来的颠覆性影响：
复制技术相对容易，谷歌可以轻易地复制出类似Gemini的产品。然而，真正的挑战在于创新，如何构建全新的人工智能范式。
在谈到如何实现AGI时，奥特曼认为开源不是最佳途径。开源意味着放弃对技术的专有控制，对于OpenAI来说，他们投入大量的人力和算力资源开发的产品，需要有商业回报。
奥特曼表示，为了实现AGI，无论每年花费5亿、50亿还是500亿美元，只要能为全人类、AI领域做出一些贡献都不在乎。但这需要良性的资金来源，光靠别人捐献、融资是不行的。
奥特曼，从现在的技术创新和功能迭代来看，人类远远没有达到AI的极限，尽管新技术最初可能会令人震惊，但社会很快就会适应：
一年前，OpenAI发布GPT-4模型时，全世界陷入疯狂，认为将彻底改变很多行业的工作模式。如今我们回头再看GPT-4，经常会讥讽地说，它看起来好蠢啊，GPT-5到底何时发布？
奥特曼认为，人工智能初创公司潜力巨大，现在是创办初创人工智能公司的最佳时机，但许多创业者和研究者正致力于弥补当前AI系统的缺陷，但随着GPT-5、GPT-6等后续版本的出现，这些基于既有局限性开展的工作很可能失去意义。
奥特曼指出，OpenAI坚信Sora将开创一种前所未有的娱乐形式：每一次体验都将独一无二，它能根据用户的喜好与实时互动，动态生成介于电影与游戏之间的全新内容：
OpenAI正在努力实现即使不依赖全新的数据集，模型的推理能力也能持续提升，这意味着模型能更有效地学习并适应现有知识OpenAI打造的是以人为本的工具，而非模拟生命的新物种
展望未来，一项高薪职业将是为AI模型的输出提供专业且精准的反馈，以进一步优化其性能和效果。
根据斯坦福学生Andrew Gao介绍，随后他有机会参加了奥特曼20人左右的闭门会议。他提到了一些大事，但我不能分享。
另一位参加闭门会议的人也没有透露具体内容，但称总之对GPT-5很兴奋。
对于新一代模型GPT5，市场期待什么
Deep Trading创始人Peleg等人在社交媒体X上透露，GPT-5早已准备就绪，目前正处于选定用户的红队测试阶段，全面评估模型的安全性和可靠性。红队测试旨在邀请外部专家尝试以恶意用户的思路“攻击”并试图找出模型的潜在缺陷和风险点，是大型语言模型发布前的关键一环。
根据过往测试的经验，市场推测，一般此阶段为期3-4个月，预计GPT-5最快今年夏天面世。回顾GPT模型前四代的表现，每一次更新都在性能上实现了全面的提升。
而GPT-5作为最新一代的大语言模型，市场认为其有望在多模态理解、长文本输入、zero-shot学习等方面树立新的里程碑。
有分析认为，GPT-5的升级并不会出现如同GPT-2到GPT-3的基础能力飞跃，将会是一次多方位的全面升级，而其中多模态能力是GPT-5迭代的最重要部分。GPT-5将补齐图像模态的多模态功能，实现图文互生的能力。
此外，在今年年初Sora模型掀起视频多模态处理热潮后，GPT-5可能也会在视频模态上取得一定进展，将来GPT-5在视频理解和生成上的尝试，都将为未来数字世界和物理世界的深度融合铺平道路。
除了多模态能力外，文本输入长度也是今年一季度各家模型厂商竞争的另一个关键焦点，较长的文本输入长度是实现复杂长文本处理和长逻辑推理的基础，也是构建能处理复杂任务的AI Agent的必要条件。
目前，Gemini 1.5 Pro是1M，Claude 3是200K，GPT-4是128K，不知道GPT-5会突破怎样的惊人纪录。