近期有不少用户抱怨GPT-4的回答质量大幅下降，一份最新研究为这些抱怨提供了数据依据。来自斯坦福、UC Berkeley 的一项研究比较了六月份和三月份的GPT-4版本在解决数学问题和生成代码等任务时的表现，结果显示准确率急剧下降，解决数学问题的成功率从97.6%降到了2.4%，生成代码的成功率从52%降到了10%。
有猜测认为，性能下降的原因可能是因为OpenAI同时在使用几个较小且专门的GPT-4模型，其行为与大型模型类似，但运行成本较低，当用户提出问题时，系统决定将提示词发送到哪个模型，这可能影响了整体回答的质量。这样的做法可能更省钱和更快速，但也可能导致模型性能方面的一些取舍。
也有分析认为，性能下降是出于对安全性与有用性的权衡，上述研究也表明，6月版本的GPT-4比3月版本“更安全”，因为它更有可能拒绝敏感问题。更高的安全性通常是以降低实用性为代价的，从而导致认知技能可能下降。（@svpino、@DrJimFan）
