自打前天凌晨，奥特曼这老少子发布了 GPT-4o 文生图模子以后，哥们是真被这玩意给刷屏了。

这两天一翻开责任群，就能看到剪辑部共事们拿 GPT-4o 猖獗整活，有作念头像的，有作念情势包的，还有画漫画的，点子王是一个比一个高。

以致我一翻开小红书，首页推送的好多也王人是拿 GPT 画画的。。。

好好好，看来 OpenAI 这是真支棱了，奥特曼抱完孩子，归来一经顶流是吧。

可能有差友还不知谈这是发生啥了，简便说吧，OpenAI 放出来了个 GPT-4o 文生图模子，这玩意平直让用嘴 P 图、敲书绘制的离谱需求，成了可能。

不仅在他们官网平直就能用，而况后果可以说是荒谬攒劲，那时看完我就一个意见，

这波可能要把不少 AI 从业者和预备师们王人给整得怀疑东谈主生了。。。

你瞅瞅他们官网的演示案例，像什么执拍的马克念念、心有猛虎的小猫；还有让简便的草图酿成相片、让倒影里的照相师转过身来和你击掌啥的，这特么你告诉我竟然没P图？

于是，昨天一大早，哥们就爬起来充了 20 刀，平直上手即是一个测的开。

爽玩了一天以后，我只可说，天然舛讹如故有不少，但至少从四个方面看，OpenAI 这一波的生图功能，如实又秀又6。

领先，画面保持和图片作风回荡方面，4o 主打一个得心应手。

在历程了金毛暖锅的高兴下，咱们拿出了一张暖锅和机器狗的相持相片，来让 AI 转成漫画版。

你瞅瞅，这神志，真别说还挺对味的。

天然细节上有点翻车，把暖锅眼睛补上了，但鉴于咱给的图也比较糊，倒也可以相识。

反过来，把画改成真实作风，这玩意搞得也可以，咱们也上传了一张刻在不少东谈主基因里的孔子图片，让它以此为原型，生成一张真实相片。

归正看到后果，不知谈大伙们感受到一股时空穿越的嗅觉没？

对比一下目下其他搞得可以的文生图模子，大伙儿可能就会对GPT-4o到底什么水平有个参考了。

底下这几幅王人是归拢套教导词搞出来的，法式是 Midjourney , ImageFX , GPT-4o和之前挺火的 Gemini-2.0-flash-exp 。

很显著，GPT-4o 和 Midjourney 是一档的，而况后果可以说遥遥提升于同业。。。

不外，天然近似作风回荡和传神图像生成的活，像 Midjourney 之类的 AI 也能跟 GPT-4o 掰掰手腕，大伙们之间酌夺即是 80 分和 90 分之间的分辩。

而接下来的四点，可能确实即是 Only OpenAI can do 了。

第一个是在文本的渲染上，4o 模子此次暴躁得以致有点可怕。

看底下这个，我让他生成一个学者在白板上写量子力学的公式和表面，天然内容我也基本告诉它了，但这又少见学公式又有框图的，何如说也很难整对吧。

戒指东谈主家全识别出来整到板书上去了，

白板的倒影后果以致王人能作念出来。

以防大伙们不知谈这是个啥水平，换取的教导词，我用 OpenAI 某友商旗下的模子试了试，后果是这样的。

天然看起来是那么一趟事儿，但细看一下图里的翰墨内容，你就知谈为啥 OpenAI 这波有点强得离谱了。

第二个即是在多主体的生成上，4o 模子此次主打一个又准又狠。

比如大伙们请看这段教导词，小小的一段话内部藏匿艰深，7个不同的元素里，个数和神采王人不雷同。。。

其他模子这边，则平直慌了阵地，交出了这样的功课，在数字上翻了车。

反不雅 OpenAI 这边，分绝不差地奉行了咱的条款，稳如老狗几乎是。

按照 OpenAI 的说法，其他模子在处理 5-8 个对象时就顶不住了，

而 4o 最多能处理 10-20 个不同的对象。

而况你要回头细品，还会发现 OpenAI 的图里元素王人不是跟别的模子雷同立时摆放的，而是有预备，像是一个有故事的动画场景雷同。。。

终末少量，我认为最牛的，那即是 4o 的图片生成模子在关于翰墨和图像的相识这方面，就跟长了脑子雷同。

比如说在复杂指示，至极是在长文本上相识上，它不仅能搞懂你想抒发啥，还跟开挂雷同，能把你要的阿谁画面平直给到。

咱在测试的时候还专诚给它上了强度，沙巴贝投ag百家乐叫它画一个房间里的大象，但不成让不雅众平直看见有大象，得是那种明明存在，但统共东谈主王人看不见，但在氛围里又确实存在的大象。

很刁顽是吧，即是像这种复杂指示，你望望它何如处理。

该说不说，看到这个图的时候我是真没猜想，这东谈主家王人能画出来，如故写实作风的，用光影搞了一个透明的空气大象。

除了相识，它这种把常识当作畅达，真实能把让文本和图像有关起来的才气尤其出色。

举个例子，不给任何参考信息，让它平直用插图证实注解雷同牛顿发现的光的折射旨趣，他能平直给出教科书级的专科插图。

是以说，这 OpenAI 亦然支棱起来了，在宇宙王人以为他要拉的时候，搞出来这样一个给力哄哄的东西。

不外，这玩意之是以比以往的文生图模子锐利，里边其实也有一些说法。

在技艺博客里，OpenAI 说他们用的是自回想行径，而不是当年文生图里常用的Diffusion 扩散模子。前者是不泊岸之前的信息来瞻望后头的，再用后头的瞻望更后头的；Diffusion 则是让模子从一堆乱码中，缓缓从繁杂变了了。

比较 Diffusion，自回想的自制正值即是在语义识别上更牛，至极是你要给出滔滔陆续的一大串需求的时候，当年的文生图模子就相识不全面，是以宇宙总是没法跑出来相宜我方情意的图。

是以在用 GPT-4o 问生图的时候你就会发现，这玩意出图骨子上亦然从上往下，少量少量画出来的，就跟 AI 写著述雷同一个词一个词往外蹦，这就很自回想。

好玩的是，OpenAI 第一次大火即是在用了自回想 Transformer 模子的GPT-3.5上，没猜想目下图片生成范围，他们又靠着自回想扳回一局。

天然了，用了这种新行径，可能生成图片的时候会稍稍长少量，可是 OpenAI 认为，为了这样高质地的图片，这点时候如故值得的。

大要也因为是自回想模子的原因，GPT-4o 生成的图片也会出现一些大模子幻觉。

但这倒不是多根手指啥的，而是图片元素要是过多，或者长度太长，到后头就会崩了。

比喻底下这个，咱们让它生成一堆元素贴纸构成的海报：

戒指天然你一打眼认为它好像搞得有模有样，但细看就会发现，它多搞了机器东谈主和冲浪者，弄丢了无东谈主机，就如故比较谋害的。

官方博客还说，他们天然在拉丁翰墨处理上整挺好，但对别的小语种，就不大行了。

比如咱们搞点三哥那儿的翰墨，它给生成的就有问题，细节上亦然缺胳背少腿的。

但话又说回来，这其实也王人能相识。照我看，比较 GPT-4o 尚有的这些小舛讹，这玩意给业界最大的震荡只怕还不啻是图片质地，而是它越来越让东谈主意志到，AI更新的速率确凿是太快了。

当年费大哥劲筹办出来的那些所谓的“教授”，在模子才气突飞大进眼前，确实就显得有点无语，

以致可能今夜之间就变得毫无价值。

比如有个老哥，看到 GPT-4o 的后果以后，心态就崩了。

好退却易花了大把时候，又是磋议教导词，又是各式调参，刚把一个教导词或者责任流弄得差未几能打个 70 分了，戒指没过几天，东谈主家又冒出来个常识库加责任流的新玩意儿，平直把之前的辛苦给顶替了。等你刚得当了常识库加责任流，还没捂热乎呢，更锐利的智能体又来了。

是以说这样来看的话，咱们使用AI的这些教授，保质期确凿跟不上 AI 的速率，

于是真实能让你立于节节顺利的，还得是模子自己的才气够不够硬。

也即是说，模子才气强了，许多当年需要咱们静思默想去磋议的东西，模子我方就能松开措置，咱们的创造力也能更开脱，而这，才是技艺爆发时期对东谈主的红利。

威斯尼斯人AG百家乐

• 威斯尼斯人AG百家乐
• OpenAI
• 更新
• 我一
• 又友圈