就在剛剛，OpenAI 宣布在 GPT-4o 模型中集成了迄今為止最先進的圖像生成器。

　　 OpenAI CEO Sam Altman 在 X 平臺繼續夸夸群主上線，表示初次見到模型生成的圖片時，難以相信是 AI 所為，并期待用戶能發揮創意。

　　 新功能亮點如下：

　　 能夠精確渲染文本內容

　　 支持多模態輸入輸出(文本、圖像、音頻)

　　 能理解復雜指令并結合上下文

　　 能創建具有真實感的第一人稱視角圖像

　　 遵循指令，可以處理上傳的圖片并進行編輯或風格轉換

　　 先來感受一下新模型生成的圖片：

　　 向左滑動查看更多內容

　　 最新版本的系統卡寫到， 與作為擴散模型的 DALL·E 不同，4o 圖像生成是一個自回歸模型，原生嵌入在 ChatGPT 中。

　　 具體來說，比起其他圖像生成模型，GPT-4o 能處理多達 10-20 個不同物體的復雜指令，遠超競爭對手 5-8 個的限制，差距不是一般大。

　　 一句話 P 圖也行，該模型同樣支持多輪圖像生成，聊著天就能優化圖像，確保角色等元素在多次迭代中保持一致性。

　　 比如設計個游戲角色，改來改去外觀都能穩住，還能分析用戶上傳的圖像、細節抓得準，并指導后續圖像生成。

　　 目前， 新功能已向 Plus、Pro、Team 和免費用戶開放，Enterprise 和 Edu 用戶即將獲得訪問權限。 別急，開發者們幾周后也能通過 API 用上這功能。

　　 附體驗鏈接：https://chatgpt.com/

　　 使用 GPT-4o 創建和自定義圖像非常簡單，只需描述需求，包括縱橫比、精確顏色或透明背景等規格。 不過要是細節多，渲染可能得等上一分鐘，畢竟慢工出細活嘛。

　　 今天凌晨召開的發布會也向我們展示了幾個具體的案例。 比如說，演示者拍了張仨人的合影，讓 ChatGPT 改成動漫風。

　　 結果模型不僅保留了三人的特征（如胡須、表情等），還能理解并融合「動漫」這一視覺風格。

　　 接著他又讓它改成互聯網梗圖，加上了「I FEEL THE AGI」的文字，果然，OpenAI 的發布會少了 AGI 總感覺差點意思，屬實是傳統藝能了。

　　
又或者，演示者要求模型創建一個「描述相對論的彩色漫畫頁面，并添加幽默元素」。

　　 模型生成 一個結構完整的漫畫頁面，包含了相對論相關概念 的解釋，融合了不同語言的文字，并通過視覺表現形式呈現出幽默效果。

　　 換句話說，能夠將抽象科學概念可視化，有望利好教育領域。

　　 還有演示者先上傳了一張 Sora 發布會的交易卡片照片作為參考，然后上傳了自己寵物狗的照片，并提供了卡片上應包含的具體信息（名稱、年份、能力、體重身高等）。

　　 模型很快整出一張風格統一的卡片。 卡片里，狗狗站在滑雪板上帥氣出場，文字排版清晰準確。

　　 繼續上強度，演示人員拿前兩個演示的圖加上背景兩張圖，讓模型設計一枚紀念幣，并指定了特定的顏色代碼（春季色彩）和文字要求。

　　 模型成功將四張不同圖像以和諧方式融合到一個幣面設計中。他隨后還要求將背景改為透明，以便實際打印，模型穩穩改好，設計也沒走樣。

　　 AI 生成圖像造成的危害已經不是什么新鮮的話題了。 為了安全，所有生成圖像都帶有 C2PA 元數據標識，OpenAI 還構建了內部搜索工具，驗證內容來源，以及阻止違反內容政策的圖像請求。

　　 當要求生成真人圖像時，OpenAI 則管得更嚴。包括 Altman 也表示，OpenAI 希望工具默認不生成冒犯性內容，除非用戶明確要求，并在合理范圍內實現。

　　 那新功能也存在比較明顯的短板 。 比如 偶爾裁剪不恰當、低上下文提示下可能產生幻覺、渲染非拉丁語言文本困難、局部調整不夠細等。 OpenAI 說了，這些小問題會在發布后慢慢優化。

　　 此外，Google 于今天凌晨也發布了旗下迄今為止最強大的 AI 模型。

　　 Google CEO Sundar Pichai 在線打 Call，稱 Gemini 2.5 Pro Experimental 是一款最先進的「思維」模型，在多個基準測試中領先，特別是在推理和編程能力上有了顯著的提升。

　　 在大模型競技場 Chatbot Arena 中，新模型力的排名 壓 Gork 3，再次遙遙領先。

　　 按照 OpenAI 過往的「狙擊」作風，新模型的發布一方面是對上周 Google 發布的圖像模型進行回擊，另一方面同樣是狙擊 Gemini 2.5 Pro Experimental。

　　 你方唱罷我登場，AI 巨頭們針鋒相對的戲碼只會越演越烈，消停？看來是想都別想了。