MiniGPT-4：一种可与 GPT-4 的多模态相媲美开源 AI
GPT-4 是 OpenAI 最新、最先进的大型语言模型。最显著的新特性是其多模态特性，即它可以处理文本和图像。它还可以执行描述输入图像、从手绘草图创建网站以及受图像启发编写故事或诗歌等任务。然而，这种强大的功能也伴随着昂贵的API价格和有限的访问权限（白名单制）。
GPT-4 API 访问的费用大概是 ChatGPT 的 60 倍。
或许有一种替代方式，那就是 MiniGPT-4，一个开源 AI 模型，可以执行像 GPT-4 这样的复杂视觉语言任务。
什么是MiniGPT-4？
MiniGPT-4 是沙特阿拉伯国王阿卜杜拉科技大学的博士生团队开发的开源AI项目。它以先进的Vicuna大型语言模型为动力，旨在通过展示卓越的多模式生成能力和计算效率来使GPT-4的开创性功能实现民主化。
上传了一张狐狸坐在樱花丛中的照片。输入问题：
提问：Describe what you see in the image
回答：The image shows a small white fox sitting in a field surrounded by pink cherry blossoms. The fox has big brown eyes and a fluffy white tail. The background is a light gray sky with clouds.
下面来试试中文的处理：
回答：这是一只小白狼咪咪咪咪咪咪
在英语场景下人工智能生成了一个准确的描述。同样 MiniGPT-4 甚至可以从单个图像中得出食谱。
根据图片写故事。
Give me a short story about this image
翻译后的大意：
这张图片展示了一群恐龙站在夜晚的田野里，月亮在背景中挂着。它们都在向上看，好像想要看到某些东西。其中一只恐龙站在后腿上，其他的则是四腿着地。它们的皮肤上有不同的颜色和花纹，大小也不一。图片非常详细，注重恐龙的鳞片和皮肤纹理。背景是深紫色的，天空中可见星星和行星。整个效果充满神秘和惊奇，就好像恐龙们正试图弄清楚天空上正在发生的事情。
关于这张图片的一个短故事可以是关于一群在夜晚外出的恐龙，它们试图弄清楚天空中正在发生的事情。它们都很好奇，想知道那个亮光是什么，并一起向上看着。当它们向上看时，它们开始意识到那个光是一艘宇宙飞船，并且越来越接近它们。恐龙们都很害怕，但也很兴奋地想看看发生了什么。当宇宙飞船着陆时，恐龙们跑到它旁边，看看里面有什么。
免费试用
可以在 HuggingFace 中免费试用 MiniGPT-4。
总结
MiniGPT-4似乎是一个有前途的步骤，提供了一个开源、预算友好的替代选择，来替代强大的GPT-4。
如果为此发布API，相信它会释放出一波创新和实用应用。然而，它是否能真正与GPT-4竞争或超越，还有待观察。
