刚刚，OpenAI 发布生图神器狙击 Google！一句话 P 图奥特曼现场玩梗，免费能用

"就在刚刚，OpenAI 宣布在 GPT-4o 模型中集成了迄今为止最先进的图像生成器。 OpenAI CEO Sam Altman 在 X 平台继续夸夸群主上线，表示初次见到模型生成的图片时，难以相信是 AI 所为，并期待用户能发挥创意。 新功能亮点如下： 能够精确渲染文本内容 支持多模态输入输出(文本、图像、音频) 能理解复杂指令并结合上下文 能创建具有真实感的第一人称视角图像 遵循指令，可以处理上传的图片并进行编辑或风格转换 先来感受一下新模型生成的图片： 最新版本的系统卡写到，与作为扩散模型的 DALL·E 不同，4o 图像生成是一个自回归模型，原生嵌入在 ChatGPT 中。 具体来说，比起其他图像生成模型，GPT-4o 能处理多达 10-20 个不同物体的复杂指令，远超竞争对手 5-8 个的限制，差距不是一般大。 一句话 P 图也行，该模型同样支持多轮图像生成，聊着天就能优化图像，确保角色等元素在多次迭代中保持一致性。 比如设计个游戏角色，改来改去外观都能稳住，还能分析用户上传的图像、细节抓得准，并指导后续图像生成。 目前，新功能已向 Plus、Pro、Team 和免费用户开放，Enterprise 和 Edu 用户即将获得访问权限。别急，开发者们几周后也能通过 API 用上这功能。 附体验链接：https://chatgpt.com/ 使用 GPT-4o 创建和自定义图像非常简单，只需描述需求，包括纵横比、精确颜色或透明背景等规格。 不过要是细节多，渲染可能得等上一分钟，毕竟慢工出细活嘛。 今天凌晨召开的发布会也向我们展示了几个具体的案例。 比如说，演示者拍了张仨人的合影，让 ChatGPT 改成动漫风。 结果模型不仅保留了三人的特征（如胡须、表情等），还能理解并融合「动漫」这一视觉风格。 接着他又让它改成互联网梗图，加上了「I FEEL THE AGI」的文字，果然，OpenAI 的发布会少了 AGI 总感觉差点意思，属实是传统艺能了。 又或者，演示者要求模型创建一个「描述相对论的彩色漫画页面，并添加幽默元素」。 模型生成 一个结构完整的漫画页面，包含了相对论相关概念 的解释，融合了不同语言的文字，并通过视觉表现形式呈现出幽默效果。 换句话说，能够将抽象科学概念可视化，有望利好教育领域。 还有演示者先上传了一张 Sora 发布会的交易卡片照片作为参考，然后上传了自己宠物狗的照片，并提供了卡片上应包含的具体信息（名称、年份、能力、体重身高等）。 模型很快整出一张风格统一的卡片。 卡片里，狗狗站在滑雪板上帅气出场，文字排版清晰准确。 继续上强度，演示人员拿前两个演示的图加上背景两张图，让模型设计一枚纪念币，并指定了特定的颜色代码（春季色彩）和文字要求。 模型成功将四张不同图像以和谐方式融合到一个币面设计中。他随后还要求将背景改为透明，以便实际打印，模型稳稳改好，设计也没走样。 AI 生成图像造成的危害已经不是什么新鲜的话题了。 为了安全，所有生成图像都带有 C2PA 元数据标识，OpenAI 还构建了内部搜索工具，验证内容来源，以及阻止违反内容政策的图像请求。 当要求生成真人图像时，OpenAI 则管得更严。包括 Altman 也表示，OpenAI 希望工具默认不生成冒犯性内容，除非用户明确要求，并在合理范围内实现。 那新功能也存在比较明显的短板 。 比如 偶尔裁剪不恰当、低上下文提示下可能产生幻觉、渲染非拉丁语言文本困难、局部调整不够细等。 OpenAI 说了，这些小问题会在发布后慢慢优化。 此外，Google 于今天凌晨也发布了旗下迄今为止最强大的 AI 模型。 Google CEO Sundar Pichai 在线打 Call，称 Gemini 2.5 Pro Experimental 是一款最先进的「思维」模型，在多个基准测试中领先，特别是在推理和编程能力上有了显著的提升。 在大模型竞技场 Chatbot Arena 中，新模型力的排名 压 Gork 3，再次遥遥领先。 按照 OpenAI 过往的「狙击」作风，新模型的发布一方面是对上周 Google 发布的图像模型进行回击，另一方面同样是狙击 Gemini 2.5 Pro Experimental。 你方唱罢我登场，AI 巨头们针锋相对的戏码只会越演越烈，消停？看来是想都别想了。 "