共计 942 个字符，预计需要花费 3 分钟才能阅读完成。
OpenAI 全量开放 GPT-4o 图像生成能力，自即日起在 ChatGPT 和 Sora 中，面向所有 Plus、Pro、Team 及免费用户推出。一时间，各种实测结果在网络上迅速传播，其中最令人瞩目的当属其对文本的处理能力。
例如，GPT-4o 能够 100% 还原文字内容，并且可以精确指定文字的摆放位置。像呈现出男人右手举着“a few”，左手举着“words”的画面。它还具备如同连续剧般的表现，能够一边准确生成文字，一边变换人物动作。仔细观察会发现，两张图中白板上男人的倒影也是一一对应的。
昨晚，OpenAI 突然宣布进行一场小直播发布，奥特曼现身其中（此前 GPT-4.5 发布时他因带娃未到场）。直播中展示了诸多玩法，比如制作梗图、文本渲染、多轮交互生成以及指令遵循等。比如直接现场拍摄一张自拍，瞬间就能转成动漫风格，官方还玩梗制作 meme 图，要求在图片中添加“feel the agi”，生成时还会将小写换成更合适的大写。
当下，打开 ChatGPT 就能尝试这些能力。经实测，生成速度较快，大约十几秒就能生成一张图片，但普通用户每天仅有 3 次体验机会。API 预计将在未来几周内逐步推出。
按照官方介绍，作为多模态模型的 GPT-4o 补齐了重要拼图——图片生成，而且在美观与实用方面两手都抓得很出色。
各项能力大升级
首先，OpenAI 宣称 GPT-4o 现在能够精确融合符号和图片。比如直接给出一段文字，它就能生成一张制作精美的菜单。并且支持在多轮对话中逐步调整图片的内容和风格。就像提供一张猫猫原图，然后一步步创建一个游戏角色。
此外，GPT-4o 非常注重细节，官方表示它可以处理多达 10 – 20 个不同的物体，而其他模型一般在处理 5 – 8 个物体时就会遇到困难。
在生成真实图像方面，GPT-4o 也表现卓越。甚至实现了现实版的“照猫画虎”。网友们在看完官方宣传效果后，也纷纷展开实测。经典梗图第一时间被用来测试，生成的画面毫无违和感。甚至复现同款书写图也不在话下。
最近这两天可谓热闹非凡，DeepSeek、OpenAI 和谷歌几乎同时展开竞争。值得一提的是，昨晚 11 点（北京时间）OpenAI 突然宣布将有小发布，而 DeepSeek 刚刚发布了 DeepSeek-v3-0324 的官方技术报告，不禁让人猜测这是否是被 DS 逼出来的新发布。
