华体会新闻

　　如果说核心智能的停滞是技术专家和深度用户的感受，那么其在多模态能力上有限的进步，则让技术爱好者感到失望。在GPT-5发布之前，一个普遍的共识是，下一代人工智能的决胜场将是多模态。人们想象中的GPT-5应该能像人类一样，无缝地接收、理解和融合处理来自文本、图像、音频、视频等多种渠道的信息。然而，现实中的GPT-5在多模态交互上的表现，更像是一个经过优化的GPT-4V。它能精准地完成描述性任务，比如识别照片中的物体，但一旦任务转向理解，它的能力边界就显现出来。