Google steht mit Gemini kurz vor der Veröffentlichung eines KI-Modells, das OpenAIs GPT-4 herausfordern könnte. Hat OpenAI schon eine Antwort?
Laut The Information bereitet OpenAI den Rollout von GPT-4s Bildverständnis vor. Diese multimodale Funktion wurde bereits bei der Enthüllung von GPT-4 vorgestellt und war ein wichtiger Aspekt in der Präsentation. Hier sorgte vor allem eine Demo für Aufsehen, bei der GPT-4 nur anhand einer Zeichnung einer Webseite passenden Code generierte.
Abgesehen von vereinzelten Testzugriffen und -anwendungen war dieses Bildverstehen bisher jedoch nicht verfügbar. Einem Bericht der New York Times vom Juli zufolge befürchtet OpenAI, dass diese Funktion für unerwünschte Zwecke wie Gesichtserkennung missbraucht werden könnte. In der Sehhilfe-App "Be my Eyes" sollen deshalb Personenbeschreibungen mittlerweile blockiert sein.
GPT-Vision und Gobi als Antwort auf Gemini
Mit Blick auf Googles geplante Markteinführung des multimodalen KI-Modells Gemini im Herbst soll OpenAI das Bildverständnis unter dem Namen "GPT-Vision" nun doch breiter ausrollen wollen. Für GPT-4 ergäben sich dadurch eine Reihe neuer bildbasierter Anwendungen, wie z.B. die Generierung von Texten passend zu Bildern.
Darüber hinaus gibt es Gerüchte, dass das ebenfalls in Entwicklung befindliche DALL-E 3 ebenfalls in ChatGPT oder GPT-4 integriert werden könnte. Eine Zusammenlegung des neuen Bildtools mit der Ankündigung von GPT-Vision erscheint naheliegend. Die ersten vermutlich mit DALL-E 3 generierten Bilder zeigen große Fortschritte gegenüber DALL-E 2.
Die neuen Funktionen für GPT-4 könnten am 6. November 2023 auf der eintägigen Entwicklerkonferenz von OpenAI vorgestellt werden. OpenAI-Chef Sam Altman hat angekündigt, dass es dort "einige großartige Dinge" zu sehen geben wird, wenn auch nicht GPT-4.5 oder GPT-5. Konkret ist von "neuen Werkzeugen" die Rede. GPT-Vision und DALL-E 3 wären demnach noch im Rennen, und der Zeitpunkt wäre passend, um Google zu kontern.
Laut The Information soll OpenAI auch über ein neues KI-Modell mit dem Codenamen "Gobi" nachdenken, das von Anfang an multimodal ausgelegt sein soll. Das Training für Gobi habe bisher nicht begonnen. Gobi könne auch zu GPT-5 werden.
