GPT-4o再秀神操作，“复现”OpenAI总裁讲课，网友当真了

OpenAI总裁兼联合创始人Greg再次大秀GPT-4o操作，结果网友直接缅怀DALL-E。

直接看效果。

文本拼写达到惊人的一致！手部细节、光照全都有，甚至后背上的Logo也完全正确。

有网友表示：恍惚间还以为真的是本人在讲课。

也有人感叹图像生成技术发展的飞跃：Holy Cow！

从完全破碎的文本到风格一致、拼写正确的写作，只用了一次迭代。

GPT-4o让网友直接缅怀DALL-E

GPT-4o发布以来，简直就被玩儿疯了，尤其是图像生成这块。

比如有网友发现，GPT-4o在组合任意图像上面就像是打通了任督二脉。

给它两张完全不相干的图。

结果摇身一变，“悲伤蛙版的麦片”，这不广告设计公司直接可以用了。

不过像生成统计图，就有点子翻车…比如这个，将正态分布的前 10%染成红色，就没有完成。

还有更翻车的效果……

于是乎，就有人认为这应该是DALL-E，GPT-4o现在还没办法生成图像。

如今Greg亲自下场展现GPT-4o的图像生成效果，应该也算是一种回应。

当然在评论区有网友质疑：这确定是同一个版本吗？能不能给完整的提示？

但不管怎么说，OpenAI这次免费大开放，让更多的人探索到GPT-4o的能力。

比如在上下文能力上面，有网友发现它就比GPT-4-Turbo好太多。

而在从情景对话这个场景中，GPT-4o也比ChatGPT更乐意谈论自己的感受和意识。

Omni团队大揭秘

Omni团队负责人Prafulla Dhariwal也在社交网络上表达了自己团队成员的感谢，并坦言这项工作是从一年前开始的。

Prafulla Dhariwal本科毕业于MIT，随后就前往OpenAI已经待了7个年头。

他首先表示GPT-4o是他们团队推出的第一个模型，也是OpenAI首个原生多模态大模型。

随后就来了一个团队大点名。

James Betker，负责图像和音频生成、数据准备、集成以及后续训练。

Jamie Kiros：负责GPT-4o的视觉感知。

Rowan Zellers：让模型/产品能够像人类一样自然地观看视频。

Alexis Conneau：首个在OpenAI提出Her愿景的人。他在个人简介中提到是音频AGI主管。

Gabriel Goh、Ishaan Gulrajani：负责Scaling Law相关的工作。

Alex Nichol、Heewoo Jun、Li JING，保障GPT-4o的图像生成、3D生成的能力。

……

随后奥特曼也随手一个转发评价，并表示这项工作引发了一场革命，它能改变我们使用计算机的方式。

所以，有使用过GPT-4o的朋友吗？欢迎在评论区分享你们的体验。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】