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。

　　最新版本的系统卡写到，与作为扩散模型的 DALLE 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。

　　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。

　　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。

　　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。

　　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）。

　　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。

　　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。