GPT-4 发布不到半年，GPT-5 就要来了吗？

最近，美国专利商标局 (USPTO) 一份文件显示：OpenAI 于 7 月 18 日提交了「GPT-5」的商标申请，并且已经被 USPTO Office 接收（满足最低申请要求），后续将由审查人员进一步审批。

USPTO 文件截图，文件网页：https://uspto.report/TM/98089548

OpenAI 在这份商标申请中提及了 GPT-5 的基本信息。GPT-5 将是一个用于自然语言处理、生成、理解和分析的大型语言模型（LLM）。值得注意的是，除了文本，GPT-5 还将具备语音理解与生成的能力。

USPTO 文件截图

具体来说，GPT-5 的功能包括把文本或语音从一种语言翻译成另一种语言、语音识别、生成文本和语音等。此外，GPT-5 可能还具备学习、分析、分类和回应数据的能力。

有趣的是，今年上半年已经机器学习领域的专家、学者已经多次联合发表公开信，呼吁人们重视生成式 AI 的潜在风险，并限制构建生成式 AI 大模型。其中，图灵奖得主 Geoffrey Hinton 更是在 4 月从谷歌离职，警告人们生成式 AI 将「对人类构成威胁」。OpenAI 作为 ChatGPT、GPT-4 等大模型背后的公司，无疑被推上了风口浪尖。

彼时，OpenAI 表示将会专注于改进 GPT-4 版本，GPT-5 不在其近期计划内。

现在，虽然 OpenAI 已经提交了商标申请，但 GPT-5 也不会很快到来。OpenAI CEO Sam Altman 曾在 6 月的「北京智源大会」上也说明过这一点。

OpenAI CEO Sam Altman

一般来说，科技公司会为尚未开发的概念申请商标，以保证其领先于竞争对手，并保护知识产权。申请中说明的 GPT-5 功能大部分 GPT-4 已经具备，在一定程度上 GPT-5 是 GPT-4 的改进版本。

GPT-4 发布之后，学界和业界对大模型有了更加深入的研究和探讨。ChatGPT 和 GPT-4 强大的性能让人们看到了大模型巨大的潜力，因而对 GPT-5 抱有很多期待。

首先在多模态能力方面，目前 GPT-4 只能处理文本和图像两种类型的数据，人们希望 GPT-5 能够在语音、视频等其他模态上有所突破。

其次，在计算效率与成本上，GPT-4 的定价是每 1k 个 prompt token 0.03 美元，默认速率限制为每分钟 40k 个 token 和每分钟 200 个请求。而 GPT-3.5-turbo 的定价是每 1k 个 token 0.002 美元，只有 GPT-4 的 1/15。GPT-5 的价格或许会比 GPT-4 更高。

最后，ChatGPT、GPT-4 等大型语言模型都固有一些问题，包括「幻觉」、「偏见」等等，这些问题让大模型难以直接实际应用。GPT-4 相对于以前的模型已经显著减轻了幻觉问题。在 OpenAI 的内部对抗性真实性评估中，GPT-4 的得分比最新的 GPT-3.5 模型高 40%：

我们期待 GPT-5 在「幻觉」和「对齐」方面能够进一步改善。

此外，近期一些新模型在上下文窗口方面有了新的突破，例如 Anthropic 将 Claude 2 的上下文窗口扩展至 200K token（目前发布版本仅支持 100K token），将大幅提升模型长文档阅读的能力。这也给以后发布的 LLM 带来了新的压力，包括 GPT-5。

当然，GPT-5 实际会具备哪些能力，还要等到它问世那一天才能揭晓谜底，我们拭目以待。