OpenAI发布新一代图像生成模型，与Google一较高下在P图领域

最新的科技消息显示，OpenAI 刚刚宣布在他们的最新 GPT-4o 模型中集成了一项先进的图像生成器。OpenAI 首席执行官萨姆・奥特曼（Sam Altman）在社交媒体平台上分享了他第一次看到该模型生成的图像时的惊叹，认为其难以置信，并期待用户们充分发挥创造力。

这一新功能的亮点包括：

• 能够准确渲染文本内容，提供高质量的图像效果。
• 支持多种输入输出方式，包括文本、图像和音频等多种形式。
• 能够理解复杂指令并结合上下文，创造具有真实感的第一人称视角图像。

与之前的图像生成模型 DALL・E 不同，GPT-4o 采用了一种自回归模型，原生嵌入在 ChatGPT 中。这意味着它能够处理多达10至20个不同物体的复杂指令，而竞争对手通常只能处理5至8个，表现出更强的能力。

用户只需简洁地描述需求，如指定纵横比、颜色或透明背景，模型就能快速生成图像。尽管渲染较复杂的细节可能需要稍等片刻，但最终的效果是非常值得的。

在一次发布会上，演示者展示了多个具体案例。例如，他将一张合影转化为动漫风格的图像，结果不仅成功保留了人物特征，还完美融合了动漫视觉效果。此外，演示者要求生成一页关于相对论的幽默漫画，结果生成的漫画结构完整且生动有趣。

OpenAI 对该功能的安全性非常重视，所有生成的图像都带有 C2PA 元数据标识，确保内容来源可追溯，并有效地阻止不当请求的生成。

当然，OpenAI 的图像生成工具也存在缺点，如在裁剪、上下文理解和非拉丁文本渲染等方面仍有待改进。不过，OpenAI 表示他们将在未来不断优化这些问题。

同时，Google 也发布了自家的强大 AI 模型 Gemini2.5Pro Experimental，显示出在推理和编程能力上的显著提升。这系列动态表明，AI 领域的竞争日益激烈，各大科技巨头都在不断推出更先进的技术，争夺在“AI 争霸战”中的领先地位。