GPT-4是多模态模型，输入可以是文字，还可以是图像，输出形式为文本。文字输入限制提升至2.5万字，大大扩展了GPT-4的实用性。 在理解图片上，GPT-4的表现相当惊艳。GPT-4可以根据图片来生成描述、标题或者故事。它能理解“梗图”，解释笑点。在纸上画出网站的草图，拍下来发给GPT-4，GPT-4能快速生成网站的HTML代码。它能看懂数据图表，做进一步计算，能处理论文截图里的文字和图片，对论文做总结摘要。