GPT-4
GPT-4 é o grande modelo multimodal da OpenAI, lançado em 2023, que recebe imagens e texto e gera texto. Abrange seus benchmarks, treinamento, visão e sucessores.
O GPT-4 é o quarto modelo da série GPT (Transformer generativo pré-treinado) da OpenAI, um modelo multimodal de grande porte lançado em 14 de março de 2023, que aceita imagens e texto como entrada e gera texto. Ele passou em uma simulação do exame da Ordem dos Advogados com uma pontuação próxima dos 10% melhores candidatos, enquanto o GPT-3.5 havia ficado perto dos 10% piores, e tornou-se o modelo usado pelo ChatGPT Plus e pelo Bing Chat da Microsoft. O Relatório Técnico do GPT-4 não divulgou a arquitetura, o tamanho do modelo, o hardware, o poder computacional de treinamento nem a composição do conjunto de dados, citando motivos de concorrência e segurança. Por isso, a quantidade de parâmetros do GPT-4 nunca foi publicada.
Recursos e benchmarks#
O GPT-4 obteve 86.4% no benchmark de conhecimento MMLU, contra 70.0% do GPT-3.5. Quando a OpenAI traduziu o MMLU para 26 idiomas, o GPT-4 superou a pontuação em inglês dos modelos anteriores em 24 deles. A primeira versão oferecia uma janela de contexto de 8,192 tokens, com uma variante de 32,768 tokens, contra 4,096 do GPT-3.5. A OpenAI também relatou ter previsto parte do desempenho do GPT-4 antes do fim do treinamento, usando modelos treinados com no máximo 1/1,000 avos do seu poder computacional, uma aplicação das leis de escala.
O modelo ainda alucina. Sua pontuação foi 19 pontos percentuais superior à do GPT-3.5 nas avaliações internas de factualidade adversarial da OpenAI, e seus dados de pré-treinamento terminavam em setembro de 2021, portanto o modelo não conhecia acontecimentos posteriores. Suas capacidades também eram irregulares: um experimento de campo de 2023 com 758 consultores do Boston Consulting Group constatou que o GPT-4 elevou a qualidade do trabalho deles em tarefas dentro de suas capacidades e reduziu a precisão em uma tarefa um pouco além delas, um efeito conhecido como inteligência irregular.
Treinamento e alinhamento#
O GPT-4 foi pré-treinado para prever o próximo token com dados públicos e licenciados e, em seguida, ajustado com aprendizagem por reforço com feedback humano (RLHF). A OpenAI passou seis meses alinhando o modelo antes do lançamento e envolveu mais de 50 especialistas em testes adversariais, uma forma de red teaming de IA. Além do habitual modelo de recompensa, treinado com classificações de preferências humanas, a OpenAI adicionou modelos de recompensa baseados em regras: classificadores GPT-4 zero-shot que avaliam cada resposta segundo critérios escritos por humanos, recompensando recusas a pedidos nocivos e respostas a pedidos sabidamente seguros.
Em comparação com o GPT-3.5, o resultado respondeu a pedidos de conteúdo não permitido 82% menos vezes e seguiu as políticas da OpenAI para pedidos sensíveis, como aconselhamento médico, 29% mais vezes.
Entrada de imagens#
O GPT-4 conseguia ler gráficos, capturas de ecrã, notas manuscritas e fotografias, e a demonstração de lançamento transformou um esboço de site desenhado à mão em HTML funcional. A entrada de imagens foi disponibilizada primeiro através do Be My Eyes, cujo recurso Be My AI descreve o ambiente para pessoas cegas ou com baixa visão, e chegou ao ChatGPT em setembro de 2023 como GPT-4V. O GPT-4 com visão é um modelo de visão e linguagem (VLM), e VLMs abertos como o LLaVA usaram o GPT-4, somente de texto, para escrever as conversas de treino para o ajuste de instruções visuais.
O GPT-4 responde em texto e tem dificuldades com tarefas que exigem localização espacial precisa, como desenhar caixas delimitadoras exatas; por isso, pipelines de visão computacional o combinam com um modelo dedicado de detecção de objetos. A interface LLM da Ultralytics mantém ambos em um único script: o YOLO26 encontra e localiza os objetos em um quadro, e o argumento image da interface envia esse quadro com um prompt a um modelo de visão compatível com OpenAI quando as detecções pedem uma descrição escrita. Modelos posteriores da OpenAI, como GPT-6.1 Sol e GPT-6 Astra, podem retornar caixas delimitadoras diretamente, e o VLM Leaderboard mede a precisão com que eles e outros modelos de linguagem visual detectam objetos em conjuntos de dados do mundo real.
Sucessores e modelos relacionados#
O GPT-3, lançado em 2020, era um modelo apenas de texto com 175 mil milhões de parâmetros e um contexto de 2.048 tokens. O GPT-4 Turbo, anunciado em novembro de 2023, aumentou o contexto para 128.000 tokens a um preço inferior. O GPT-4o, lançado em maio de 2024, processava texto, áudio e imagens numa só rede e respondia por voz em apenas 232 milissegundos; o GPT-4.1 trouxe um contexto de 1 milhão de tokens para a API em abril de 2025. Os modelos de raciocínio, como o o1, seguiram outro caminho: foram treinados com aprendizagem por reforço para escrever uma longa cadeia de pensamento antes de responder, e o GPT-5 combinou modelos rápidos e de raciocínio por trás de um encaminhador em agosto de 2025.
A OpenAI substituiu o GPT-4 pelo GPT-4o no ChatGPT em 30 de abril de 2025, e o calendário de descontinuação definiu 23 de outubro de 2026 como a data de encerramento da API para gpt-4 e gpt-4-turbo, com gpt-5.6-sol como substituto recomendado.
