周二，OpenAI发布了最新的文生图模型。该公司称，已“把目前最先进的图像生成器整合到GPT-4o模型里”，这让图像生成“不仅画面精美，而且颇具实用价值”。

此前版本的ChatGPT虽具备图像生成能力，但在融合多种广泛概念以可靠地创建图像方面，存在不足。

OpenAI首席执行官Sam Altman将此次发布形容为“创作自由度达到了新高度”。

有哪些新升级？

OpenAI在新闻稿中介绍，GPT-4o的图像生成功能十分强大。它能准确渲染文本，精确依照提示操作，还能利用4o自身的知识库以及聊天上下文。

这让用户能更轻松地生成符合设想的图像，通过视觉效果更高效地沟通。

具体体现在以下几个方面：

文本融入更出色：GPT-4o如今能够在生成的图像中添加文字，并且确保文字清晰易读、位置恰当，进一步丰富图像内涵。

上下文理解能力增强：基于上下文信息，GPT-4o可以生成连贯一致的图像。举例来说，当用户设计视频游戏角色时，在后续的优化与尝试过程中，该角色的外观能在多次生成中保持一致。

可绘制物品数量更多：GPT-4o能响应更详细的提示，十分注重细节。其他竞争对手的AI图像生成器在绘制大约5-8个物体时就会遇到困难，而GPT-4o可以精准绘制用户指定的多达20种不同物品。

情境学习更智能：GPT-4o能以上传的图像作为参考，生成与之相似的图像。

知识运用更直观：GPT-4o能够将知识在文本和图像间建立联系，从而构建出一个更智能、高效的知识模型。

照片风格更丰富：通过对多种图像风格的图像进行学习训练，GPT-4o既能生成，也能将图像转换为多种风格，从手绘草图到高分辨率的照片写实风格都不在话下。

此外，GPT-4o的图像生成在商业应用领域也展现出巨大潜力。在品牌设计方面，它能生成带有精准文本的徽标、海报以及广告；教育领域，可创建科学图表、信息图以及历史图像用于教学；游戏开发中，能保证角色在不同设计迭代中保持形象一致。

“文本生成领域的巨大飞跃”

OpenAI宣布，从周二起，新版ChatGPT将面向ChatGPT Plus、Pro、Team以及免费版用户开放使用。该公司还透露，该功能也将很快向Enterprise、Edu用户开放，并通过应用程序编程接口（API）提供服务。

回顾来看，2022年底，初代ChatGPT惊艳亮相，它凭借对海量互联网文本的深度分析，能够回答问题、创作诗歌以及生成计算机代码，但无法生成图像。

大约一年后，OpenAI才推出了可以生成图像的新版ChatGPT，即DALL-E，不过那时ChatGPT和DALL-E是相互独立的系统。

此次更新意味着，OpenAI把图像生成工具从DALL-E更换为GPT-4o。

OpenAI研究员GabrielGoh表示：“这是一项全新的技术。我们不再将图像生成和文本生成分开处理，而是希望把它们融合在一起。”不仅如此，该模型还被集成到OpenAI的视频生成平台Sora中，进一步拓展了多模式功能。

独立人工智能顾问AllieK.Miller在X平台上发文称，这是“文本生成领域的巨大飞跃”，也是她所见过的“最出色的”人工智能图像生成模型。

不过，尽管GPT-4o取得了显著进步，但仍然面临一些挑战。

比如存在裁剪问题，大型图像有时可能会被裁剪得过紧；在非拉丁文字的文本准确性方面，某些非英语字符可能无法正确显示；对于小文本中的细节保留不足，高度详细或小字体的文本可能会失去清晰度；编辑精度也有待提升，修改图像的特定部分可能会意外影响到其他元素。不过，OpenAI正在积极采取措施，通过持续优化模型来解决这些问题。