感謝本站網(wǎng)友 華南吳彥祖、軟媒用戶1392612 的線索投遞！

剛剛，OpenAI 深夜直播，GPT-4o 的原生圖像生成大升級(jí)！奧爾特曼親自上陣組隊(duì)，演示了自拍變梗圖、相對(duì)論漫畫等功能，不過相對(duì)隔壁谷歌發(fā)布的新模型，OpenAI 的這波動(dòng)作著實(shí)有點(diǎn)不夠看。

就在谷歌剛剛?cè)映龅乇碜顝?qiáng)模型 Gemini 2.5 Pro 不久，OpenAI 也有動(dòng)作了。

奧爾特曼親自帶隊(duì)，展示了 GPT-4o 圖像生成技術(shù)的各種大升級(jí)，比如制作梗圖、文本渲染、多輪交互生成和指令遵循等。

整個(gè)直播中最亮的演示，莫過于這張官方玩梗的表情包了。

目前，這項(xiàng)功能已經(jīng)在 ChatGPT 和 Sora 中，向所有 Plus、Pro、Team 和免費(fèi)用戶推出。

當(dāng)然，新版 Sora 生圖的時(shí)間，也比以往更長了。但 OpenAI 看來，生圖的質(zhì)量和其具備的世界知識(shí)，讓用戶值得等待那多出的幾秒。

GPT-4o 原生圖像生成來了！

在直播中，奧爾特曼介紹道，從今天起，ChatGPT 中的原生圖像生成功能正式推出！

GPT-4o 的全模態(tài)能力，從此也融合進(jìn)了 Sora 中。

OpenAI 多模態(tài)研究的負(fù)責(zé)人 Gabe 介紹說，兩年前剛開始這個(gè)項(xiàng)目時(shí)，他對(duì)于 GPT-4 這個(gè)強(qiáng)大的模型會(huì)怎樣原生支持圖像模型非常好奇。

一年后，當(dāng)模型完成訓(xùn)練時(shí)，他看到了令人興奮的跡象。從 GPT-2 以來，他已經(jīng)很久沒有這種感覺 —— 這是一個(gè)瘋狂時(shí)刻。

給出以下 prompt，GPT-4o 就生成了符合要求的圖像，完全還原了要求。

接下來，三個(gè)人用手機(jī)來了張自拍，GPT-4o 立刻把三人自拍轉(zhuǎn)換成了動(dòng)漫風(fēng)格的版本。

甚至他們開始官方玩梗，讓模型添加一段「Feel The AGI」在圖片上，一張表情包就此誕生。

這個(gè)過程，就體現(xiàn)了 4o 作為全能模型的強(qiáng)大能力。

因?yàn)樗粌H僅是一個(gè)語言模型，還包括圖像、音頻，所有輸入和輸出的模態(tài)。它可以理解、生成這些模態(tài)，并且無縫地在它們之間工作。

用 OpenAI 的話說，「我們終于邁向了這種真正集成的多模態(tài)模型」。

接下來，他們讓模型畫出一幅描述相對(duì)論的漫畫，要求通俗易懂，還要加入一些幽默元素。

這個(gè)提示詞非常模糊，因此看看模型會(huì)生成什么樣的圖，就格外令人期待了。果然，生成效果令人驚喜。

注意，這個(gè)過程中，模型很可能利用了自己的世界知識(shí)，對(duì)提示詞進(jìn)行了擴(kuò)展。

然后，他們給了模型一張卡片，希望生成同樣風(fēng)格的圖像，但要求主角不再是卡片中的巨貓國王，而是某位研究者的狗狗。

另外，卡片上還需要出現(xiàn)一些細(xì)節(jié)，比如模型的名字和年份，以及狗狗的體重和身高。

可以看到，生成圖像在文本渲染方面非常驚艷，所有數(shù)據(jù)都準(zhǔn)確無誤。

最后一個(gè)演示，是基于此前幾人生成的內(nèi)容，制作一個(gè)紀(jì)念幣。

而且，還要求圖使用了一個(gè)特殊的十六進(jìn)制代碼，且加上生成圖像的文本和日期。

可以看到，生成結(jié)果非常驚艷！此前曾出現(xiàn)的藝術(shù)熊、收音機(jī)、愛因斯坦漫畫、研究者的狗狗以及模型名稱和日期，全部都出現(xiàn)在了紀(jì)念幣上。

模型之所以精準(zhǔn)完成這樣復(fù)雜的要求，是因?yàn)樗怯梅亲曰貧w的方式訓(xùn)練的，因此它能夠理解上下文中的文本和多張圖片，以非常和諧的方式在紀(jì)念幣上呈現(xiàn)出來。

和 GPT-4o 聊天，定制各種圖像