1. 微软Copilot重磅升级，图文代码能力暴涨，关键是还免费

在2023年12月6日的凌晨时分，正值其人工智能助手Copilot面世一周年之际，微软公司对外公布了Copilot的三项关键更新。这些更新涵盖了新的模型引入、搜索功能的增强以及代码解释功能的提升。这一系列的提升显著增强了其图文处理和编码能力。简而言之，通过这次升级，Copilot的功能已接近于ChatGPT Plus，并且用户无需支付费用即可享受这些服务。

在这次的升级中，Copilot将引入OpenAI最新开发的GPT-4 Turbo模型，并对图像生成模型DALL-E 3进行了全方位的提升，旨在实现更高品质和更精准的图像生成效果。就搜索功能而言，Copilot新增了两个功能，分别针对多模态搜索和意图理解进行了优化。其代码解释器目前处于初级阶段，可以通过自然语言生成代码，并允许在一个沙盒环境中执行代码，未来还计划支持文件的上传和下载。

Answera公司的创始人保罗·库弗特（Paul Couvert）在社交媒体平台X上发表了对Copilot与ChatGPT Plus功能对比的观点。

观察图表可见，Copilot几乎涵盖了ChatGPT Plus的所有特性，并且在诸如图像生成数量和网络搜索速度等领域表现更加出色。更为重要的是，Copilot依然是免费的，这相较于ChatGPT Plus每月20美元（合约143元人民币）的费用，显得更具价值。

亮点1：接入OpenAI最新模型GPT-4 Turbo，DALL-E 3能力大升级

在模型技术的发展方面，Copilot即将整合OpenAI最新推出的GPT-4 Turbo模型，这将使Copilot的上下文处理能力提升至128k。微软表示，目前该模型正在进行小规模的测试，并计划在接下来的几周内在Copilot中进行广泛应用。此外，Copilot也将加入改进版的DALL-E 3模型，以生成更高质量、更精确的图像。

以下为DALL-E 3升级前后生成的图像对比示例，其提示词是：“一只逼真的剑龙正由美甲沙龙修饰其骨质板块。”

从对比中可以明显看出，改进后的DALL-E 3在描绘剑龙的皮肤纹理和皱纹方面更为精细和真实，背景中的建筑物显示出更强的立体感，整体图像在光影层次上也得到了增强。

亮点2：AI搜索推出两大更新深度搜索提效10倍

在搜索技术领域，Copilot最新推出了两大升级。首项升级是多模态搜索功能（Multi-Modal with Search Grounding）。微软利用其自研AI模型Prometheus，将GPT-4V的视觉处理能力、Bing图像搜索和互联网搜索数据结合起来，旨在优化图像理解体验。

例如，在微软展示的一个案例中，用户上传了一张火箭发射的照片，并询问其发射时间。Copilot首先分析这张照片，并提示“为保护隐私，图中人物面部将被隐藏”。识别出照片中的关键信息后，Copilot接着搜索“月船3号（Chandrayaan-3）发射时间”。最终，Copilot提供了答案：“根据您提供的照片，该火箭属于月船3号任务。该任务由印度空间研究组织（ISRO）于2023年7月14日从萨蒂什·达万航天中心发射。”

此外，另一个新增的搜索功能是深度搜索（Deep Search）。微软推出此功能的主要原因是，现有搜索引擎有时无法充分理解用户在处理复杂、细节丰富或具体问题时的需求。深度搜索在Bing的现有网络索引和排序系统基础上，结合GPT-4技术，将搜索查询转化为更详尽的描述，并明确理想结果集应包含的信息。针对模糊或具有多重含义的查询，例如“日本的积分系统是如何运作的”，由于“积分”一词可能有多种解释，深度搜索利用GPT-4识别所有潜在的含义，并提供一个消歧选择面板，让用户从中挑选他们所需要的具体描述。

亮点3：推出代码解释器Edge可一键总结视频内容

Copilot最新推出了一项代码解释功能（Code Interpreter），旨在提高编程、数据处理、可视化、数学等领域的准确性和效率。该代码解释器功能能根据用户的自然语言指令编写代码，并在一个安全的沙盒环境中执行这些代码。它已经集成了众多知名的数据科学工具和库，例如Pandas、NumPy、Matplotlib等。此外，用户还可以上传和下载文件，将个人数据和代码与网络搜索结果相结合。目前，代码解释器仅提供了基础版本，暂不支持文件上传和复杂编程功能，但预计将在未来几周内逐步推出更新版本。

从Copilot此次的更新内容中可以看出，其功能正在迅速增强，几乎可以与每月收费20美元的ChatGPT Plus相媲美。在之前OpenAI的“政变”事件中，微软在支持OpenAI的同时，也在争取董事会席位，虽然最终只获得了一个无投票权的观察员位置，但这也代表了其在OpenAI中的一定影响力。

在OpenAI和微软的激烈竞争中，谷歌是否会坐视不管？谷歌迅速传出了即将公开展示其大型模型Gemini的消息。作为谷歌十年来最重要的AI项目，Gemini是否能赶上GPT-4的能力，它没有跳票，而是按计划推出。

2. 谷歌深夜掀桌子，发最强大模型Gemini，跑分碾压GPT-4

Gemini的发布经历了多次变动。最初的传闻指出，Gemini计划于今年秋天推出。然而，到了11月，有消息称Gemini的发布被推迟到明年第一季度。但在12月7日的深夜，谷歌突然宣布Gemini上线！作为对抗GPT-4的重要战略，Gemini的首次亮相即展现了众多引人注目的特点。下面来探讨这次发布的Gemini的几个亮点。

亮点1：在MMLU（大规模多任务语言理解）测试中首次超越人类专家。

Gemini在MMLU测试中首次超过了人类专家，其在32个多模态基准测试中获得了30个SOTA（最佳当前效果），几乎在所有方面都超越了GPT-4。谷歌宣布，Gemini Ultra是首个在MMLU任务上胜过人类专家的大型模型，获得了90.0%的成绩，而人类专家和GPT-4分别得分为89.8%和86.4%。

亮点2：在多模态领域的卓越创新性能超越了GPT-4V

Gemini可以处理并理解文本、图像、音频、视频和代码等五种不同类型的数据。作为谷歌有史以来规模最大、能力最强的模型，Gemini在文本、视频、语音等多个领域都超越了GPT-4，从而一举扭转了局势。这意味着用户可以自由地混合输入方式，比如说话、添加图片、文本或短视频。同理，模型也能混合输出文本和图像。

亮点3：三个不同版本的同时发布

谷歌将这次发布的版本称为Gemini 1.0，包括三个不同的版本：用于处理高度复杂任务的Gemini Ultra、适用于多种任务的Gemini Pro以及适用于移动设备的Gemini Nano。其中，Gemini Pro和Gemini Nano已分别在聊天机器人Bard和智能手机Pixel 8 Pro上进行了集成。最为强大的Gemini Ultra预计将在明年推出。

Gemini Nano有两个不同的规模版本，包括拥有18亿参数的Nano-1和32.5亿参数的Nano-2，分别适用于低内存和高内存设备。Gemini Nano是通过从更大的Gemini模型中提取知识训练而来，采用4位量化处理以优化部署，并提供最佳性能。

在OpenAI和ChatGPT开始主导市场后，Gemini是谷歌一年探索的结果。面对“红色警报”，谷歌一直在努力追赶，但表示不会为了赶上步伐而急于求成，尤其是在接近AGI（人工通用智能）的过程中。

Gemini是否会改变世界？最理想的情况是，它能帮助谷歌在生成式AI竞争中赶上OpenAI。这标志着谷歌的一个重要开始。前艾伦人工智能研究所CEO Oren Etzioni表示，“虽然没有理由怀疑Gemini在这些基准上超越GPT-4，但GPT-5可能会做得更好。”

开发像Gemini这样的大型模型可能需要数亿美元的投资，但对于通过云服务主导AI领域的公司来说，最终的回报可能是数十亿甚至数万亿美元。

“这是一场不能失败的战争，必须取得胜利。”

Tony哥

2023年12月7日