多模态大模型的战场上，已有人闻到风声。据外媒爆料，OpenAI 的全新多模态模型 Gobi 似乎已在筹备中。谷歌和 OpenAI 的这场对决，似乎已是箭在弦上了。
随着今年秋天的临近，谷歌和 OpenAI 的多模态模型之战，也进入到白热化阶段。
就在上周，谷歌已经对一些外部公司开放了多模态大模型 Gemini 的功能。
而 OpenAI，当然不会坐以待毙。他们正在争分夺秒地把多模态功能整合进 GPT-4 里，争取推出功能与 Gemini 类似的多模态大模型，一举击杀谷歌。
传说中的多模态功能，在今年 3 月 OpenAI 那场震惊全世界的 GPT-4 发布会上，已经被展示过——
在纸上画个草图，拍个照发给 GPT-4，说一声「给我按照这种布局做个网站」，它立马就写出了网页代码。
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。
所以，谷歌和 OpenAI 的多模态大战，终于要来了吗？
对战谷歌，OpenAI 抢发多模态大模型
面对传闻中谷歌要击杀自己的这款大杀器，OpenAI 当然不会无动于衷。
据外媒 The Information 爆料，一款名为 Gobi 的全新多模态大模型，已经在紧锣密鼓地筹备了。
OpenAI 计划，在 Gemini 发布之前就推出多模态 LLM，彻底击败谷歌。
其实，在 3 月份推出 GPT-4 多模态功能的预览后，OpenAI 已经向一家名为 Be My Eyes 的公司推出了这项功能，但并没有向其他公司提供。
从名字就可以看出来，这家公司在研发让盲人或视力不佳人群看得更清楚的技术。
最近，OpenAI 打算更广泛地推出名为 GPT-Vision 的功能。
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。
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？
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.）
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。
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。
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。
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。
Gemini 会整合 AlphaGo 中使用的技术，这将赋予系统全新的规划、解决问题的能力。
可以这么说，Gemini 把 AlphaGo 系统的一些优势，和大语言模型惊人的语言能力结合在一起了。并且，我们还有一些其他有趣的创新。
通过强化学习，AI 能够通过反复尝试和接受反馈来调整自己的表现，因而学会处理很棘手的问题，比如在围棋或电子游戏中选择如何采取下一步行动。
另外，AlphaGo 还使用了蒙特卡洛树搜索（MCTS）方法，来探索和记住棋盘上所有可能的动作。
谷歌内部还讨论了，使用 Gemini 来实现图表分析等功能，比如要求模型解释完成图表的含义，以及使用文本或语音指令来浏览网页浏览器或其他软件。
谷歌云开发者平台 Google Cloud Vertex AI 也将得到 Gemini 加持，大小版本都有，这样开发人员就可以付费购买小模型在个人设备上运行。
现在，谷歌已经在全力备战，就等着 Gemini 开启逆袭之路。
gpt-3.5-turbo-instruct 发布
7 月，OpenAI 曾公布 GPT-4 API 全面可用，并且在接下来几个月要推出新模型。
据介绍，gpt-3.5-turbo-instruct 是一个 InstructGPT 风格的模型，其训练方式与 text-davinci-003 类似。
使用方法和以前的 Prompt-Completion 类似，根据提示词的指令补全。
有网友已经开始用上了最新模型，去玩 1800 Elo 左右的国际象棋。
而他此前还发现 GPT 根本做不到这一点，但现在看来这只是 RLHF 聊天模型的问题，纯 Completion 模型就成功了。
它从不走非法棋步，使用巧妙的开局牺牲，以及令人难以置信的卒与王将死，允许对手毫无实际意义地晋级。
