GPT-4o image generation is now available in ChatGPT. The new image generation model, which replaces DALL-E 3, is most notable for its accurate text rendering, improved "binding" capabilities, and ease of use.
最近不是在折腾LLM嘛，于是就试了两条路子：用openai的api，以及直接在openai的界面里面创建GPT。
前者没啥特别的，chatgpt的api做的很成熟了，from openai import OpenAI 之后直接在python里面调用几个现成的函数就好了。可选的参数其实也不多，主要就是prompt写的好一点就行。我的要求也不高，试了试基本满足。此外我还用到了微软 azure api，也很方便，两者一结合基本一个app就搓出来了，只是暂时还只能在命令行运行，没写前端ui罢了。
后者就麻烦了。我想着自己写前端ui还挺麻烦的，就想偷个懒直接在GPT里面弄弄看看行不。结果呢，现在这个版本实在是太挫了，只支持最最基本的action，虽然可以调用其他api，但还没研究出来怎么实现用户上传的文件扔到action api call里面。搜了搜他们的论坛也没啥结果，然后心累就到此为止了。
最后贴一下如何在openai 的GPT里面调用azure api。主要是api key那里实在是反用户直觉，我找了好久……一定要选 custom 然后把自定义的名字设为 Ocp-Apim-Subscription-Key 才可以。贴个图。
当然azure api的文档做的也很差就是了，经常搜出来的是过时的文档，试一试都是404错误。哎，时间都花在这些琐碎的调试bug上了。
最后的结论是，在现在这个阶段，openai GPT的多模态做的还是太封闭，只适用于比较基础的交互需求，得等到后面允许自定义编程更丰富一些才可以。想做的稍稍复杂一点，写ui是逃不掉的了。web版还可以写个python+js凑和一下（flask这么轻量级的web开发框架真的是效率提升利器），app版xcode看了半天发现也是一等一的复杂……说好的ai改变程序开发呢？叹口气……
总算收到微软Azure 的OpenAI GPT-4 的服务邀请了。做了一番研究之后，在Azure 上部署了GPT-4 的服务，先在playground 里玩一玩，这是在国内通过相对正规渠道获得GPT-4 服务的唯一方法，其他的渠道和途经，都有被OpenAI 官方封禁的可能，我已经被折磨好几次了。
这次，我先部署的是8K令牌的GPT-4，32K令牌的价格要高不少，目前我的使用场景中并不需要。
经过长达67天的等待，现在对GPT的使用，也已经进入了冷静期，使用热度和频次都已经降下来了，进入了“正轨”。简单做一些总结概括、翻译、改写的工作，就交给GPT-3.5就行，一些需要较高质量回答的内容才交给GPT-4。毕竟，在Azure 上使用OpenAI 的服务都是需要根据使用量来进行计费的。
如果想在国内比较稳定的使用OpenAI 的GPT 服务，我还是建议你留意下微软Azure 所提供的OpenAI 服务，虽然相比官方的API 和ChatGPT 还是有一定的局限性，但在稳定性和合规性方面都有比较不错的支持，对开发也更加有好一些，将OpenAI 服务嵌入到你在微软Azure 云服务中也有更好的支持。
登录