GPT-5改名叫“Gobi”？OpenAI想抢在谷歌Gemini前抢发多模态模型

大型语言模型之间的竞争尚未结束，多模态大模型的战争就已经开始。

就在上周，谷歌对一些外部公司开放使用多模态大模型Gemini的部分功能。

而OpenAI，自然也不会坐以待毙。据外媒爆料，一款名为“Gobi”的全新多模态大模型，已经在秘密筹备之中。OpenAI计划在Gemini发布之前就推出多模态LLM，一举击杀谷歌。

 对战谷歌，OpenAI抢发多模态大模型

早在今年3月，OpenAI在推出GPT-4时便预览了这些功能，例如，只需查看用户希望网站拥有的外观的草图即可为网站生成代码，或者输出可视化图表的文本分析。

不过随后，多模态仿佛昙花一现，再也没人见过产品化的实体功能。除了一家名叫Be My Eyes的公司外，OpenAI并未向其他公司提供这些功能，该公司借助这项多模态功能为盲人或弱视人士开发了相关产品。

最近，OpenAI打算更广泛地推出名为GPT-Vision的功能。

OpenAI为什么花了这么长时间？

最主要的原因，是他们担心新的视觉功能会被不法分子利用，比如通过自动破解验证码来冒充人类，或者通过面部识别来追踪人类。

不过，对于这些法律上的安全风险，OpenAI的工程师们似乎已经解决了。

同样，一位谷歌发言人也表示：谷歌已经采取了一些措施，防止Gemini被滥用。

在7月做出的承诺中，谷歌保证会在所有产品中开发负责任的人工智能。

OpenAI的Greg Brockman vs 谷歌的Demis Hassabis

相比之下，多模态时代的到来似乎对谷歌更加有利，因为谷歌拥有大量的专有数据存储库，包括文本、图像、视频和音频——这是谷歌多年来源自搜索和YouTube网站等消费产品积累的丰富资源池。

 Gobi能成为GPT-5吗？ 

在GPT-Vision之后，OpenAI有可能会推出更强大的多模态大模型，代号为Gobi。

跟GPT-4不同，Gobi从一开始就是按多模态模型构建的。

所以，Gobi就是传说中的GPT-5吗？现在，我们还无法知晓。Gobi训练到哪一步了，也没有确切消息。

在9月初，DeepMind联合创始人、现Inflection AI的CEO Mustafa Suleyman，在采访时曾放出一枚重磅炸弹——据他猜测，OpenAI正在秘密训练GPT-5。

Suleyman认为，Sam Altman最近说过他们没有训练 GPT-5，可能没有说实话。（原话是：Come on. I don’t know. I think it’s better that we’re all just straight about it.）

而在谷歌这边，根据试用过Gemini的人士表示，Gemini产生的幻觉，会比现有的模型都更少。

总之，谷歌和OpenAI的这场多模态模型大战，可以说是AI版的iPhone和Android对决。

一个是称霸AI领域多年的硅谷巨头，一个是风头无两的顶流AI初创公司，二者差距有多大，所有人都在屏息等待。

 谷歌秘密测试Gemini 

另一边，谷歌也在开始邀请部分外部开发者加急测试，即将推出的下一代多模态大模型Gemini 。

上周，The Information独家报道称，Gemini可能很快准备好进行测试发布，并会集成到像Google Cloud Vertex AI等服务中。

在今年的谷歌I/O开发者大会上，劈柴曾公开介绍Gemini，是一个多模态模型、高效集成工具、API。

为了合力干大事，谷歌还将谷歌大脑，与DeepMind实验室进行了合并。

据称，至少有20多位高管参与了Gemini的研发，DeepMind的创始人Demis Hassabis领导，谷歌创始人Sergey Brin参与研发。

还有谷歌DeepMind组成的数百名员工，其中包括前谷歌大脑主管Jeff Dean等等。

一位测试过的人士说，Gemini至少在一个方面比GPT-4有优势：除了网络上的公开信息外，该模型还利用了大量谷歌消费产品（搜索、Youtube）的专有数据。

因此，Gemini在理解用户对特定查询的意图时应该特别准确，而且它产生的错误答案，即幻觉，似乎更少。

据此前SemiAnalysis分析师的爆料，谷歌的下一代大模型Gemini，已经开始在新的TPUv5 Pod上进行训练，算力高达~1e26 FLOPS，比训练GPT-4的算力还要大5倍。

另外，Gemini的训练数据库包含Youtube上936亿分钟的视频字幕，总数据集规模约为GPT-4的两倍。

据称，谷歌下一代大模型也是由多种规模组成，可能使用了MoE架构，以及投机采样技术。

通过小模型提前生成token并传递给大模型进行评估，以提高模型的总体推理速度。

谷歌DeepMind的负责人Hassabis在采访中曾表示，Gemini预计花费数千万到数亿美元，与开发GPT-4的成本相当。

不过，对于谷歌和OpenAI来说，信息安全问题更是主要的考量因素。确保多模态大模型不会被恶意使用或滥用，比谁更先推出相应的产品更加重要。