1.除了静态内容，介绍GPT-4V还能做动态分析，动态不过不是内容能力第三次世界大战直接喂给模型一段视频。

2.上面的分析五张图是从一段制作寿司的教程视频中截取的，GPT-4V的介绍任务是（在理解内容的基础上）推测这些图片出现的挨次。

3.而针对同一系列的动态图片，可能会有不同的内容能力理解方式，这是分析GPT-4V会结合文本提示进行判断。

4.比如下面的一组图中，人的动作究竟是开门还是关门，会导致排序结果截然相反。

5.当然，通过多张图片中人物状态的变化，还可以推测出他们正在做的事情。

6.甚至是预测接下来会发生什么：