上周Google已经向一些公司开放了其多模态大模型Gemini的功能，面对 Google的步步紧逼，OpenAI 显然坐不住了，他们正在将多模态功能整合到GPT-4模型中，以推出类似于 Gemini 的多模态大模型。

多模态功能最早在三月份 OpenAI GPT-4发布会上首次亮相，OpenAI 主要展示了了其在视觉理解方面的能力。比如用户画个网站草图，多模态模型会根据草图生成网页代码。不过自从展示后 OpenAI 并没有非常具体的时间表来将该产品推向市场。

据The Information 报道，为了应对Google Gemini 的威胁，OpenAI正在加紧训练代号为“Gobi的”打多模态大模型，并会在 Gemini 推出前发布，抢占市场。之所以 OpenAI 花了较长时间来打磨多模态模型，是因为他们担心这些新的视觉功能可能被不法分子滥用，比如用于自动破解验证码或面部识别。不过他们似乎已经解决了这个问题。

至于Gobi是否就是传说中的GPT-5，目前尚无确切消息。根据 DeepMind 的创始人之一 Mustafa Suleyman 的猜测，OpenAI 可能正在秘密训练GPT-5，但这还没有得到确认。