OpenAI-直播狙击谷歌：奥尔特曼-AGI-梗图现场直出-GPT-4o-超强原生生图来袭

感谢本站网友 华南吴彦祖、软媒用户1392612 的线索投递！

刚刚，OpenAI 深夜直播，GPT-4o 的原生图像生成大升级！奥尔特曼亲自上阵组队，演示了自拍变梗图、相对论漫画等功能，不过相对隔壁谷歌发布的新模型，OpenAI 的这波动作着实有点不够看。

就在谷歌刚刚扔出地表最强模型 Gemini 2.5 Pro 不久，OpenAI 也有动作了。

奥尔特曼亲自带队，展示了 GPT-4o 图像生成技术的各种大升级，比如制作梗图、文本渲染、多轮交互生成和指令遵循等。

整个直播中最亮的演示，莫过于这张官方玩梗的表情包了。

目前，这项功能已经在 ChatGPT 和 Sora 中，向所有 Plus、Pro、Team 和免费用户推出。

当然，新版 Sora 生图的时间，也比以往更长了。但 OpenAI 看来，生图的质量和其具备的世界知识，让用户值得等待那多出的几秒。

GPT-4o 原生图像生成来了！

在直播中，奥尔特曼介绍道，从今天起，ChatGPT 中的原生图像生成功能正式推出！

GPT-4o 的全模态能力，从此也融合进了 Sora 中。

OpenAI 多模态研究的负责人 Gabe 介绍说，两年前刚开始这个项目时，他对于 GPT-4 这个强大的模型会怎样原生支持图像模型非常好奇。

一年后，当模型完成训练时，他看到了令人兴奋的迹象。从 GPT-2 以来，他已经很久没有这种感觉 —— 这是一个疯狂时刻。

给出以下 prompt，GPT-4o 就生成了符合要求的图像，完全还原了要求。

接下来，三个人用手机来了张自拍，GPT-4o 立刻把三人自拍转换成了动漫风格的版本。

甚至他们开始官方玩梗，让模型添加一段「Feel The AGI」在图片上，一张表情包就此诞生。

这个过程，就体现了 4o 作为全能模型的强大能力。

因为它不仅仅是一个语言模型，还包括图像、音频，所有输入和输出的模态。它可以理解、生成这些模态，并且无缝地在它们之间工作。

用 OpenAI 的话说，「我们终于迈向了这种真正集成的多模态模型」。

接下来，他们让模型画出一幅描述相对论的漫画，要求通俗易懂，还要加入一些幽默元素。

这个提示词非常模糊，因此看看模型会生成什么样的图，就格外令人期待了。果然，生成效果令人惊喜。

注意，这个过程中，模型很可能利用了自己的世界知识，对提示词进行了扩展。

然后，他们给了模型一张卡片，希望生成同样风格的图像，但要求主角不再是卡片中的巨猫国王，而是某位研究者的狗狗。

另外，卡片上还需要出现一些细节，比如模型的名字和年份，以及狗狗的体重和身高。

可以看到，生成图像在文本渲染方面非常惊艳，所有数据都准确无误。

最后一个演示，是基于此前几人生成的内容，制作一个纪念币。

而且，还要求图使用了一个特殊的十六进制代码，且加上生成图像的文本和日期。

可以看到，生成结果非常惊艳！此前曾出现的艺术熊、收音机、爱因斯坦漫画、研究者的狗狗以及模型名称和日期，全部都出现在了纪念币上。

模型之所以精准完成这样复杂的要求，是因为它是用非自回归的方式训练的，因此它能够理解上下文中的文本和多张图片，以非常和谐的方式在纪念币上呈现出来。

和 GPT-4o 聊天，定制各种图像