今天日子是2025年3月26日。
OpenAI又是臨時發(fā)了一個直播預(yù)告。
凌晨2點要發(fā)東西。
我：？？？？？？？？？？
當熬到2點看完了直播以后，我人都恍惚了，我怎么好像去年5月的時候，見過這個東西？怎么感覺特娘的我時間穿越回到1年前了？
翻了一下，果然。。。
2024年5月13號，GPT4o正式發(fā)布，那時候的blog里面，就說了GPT4o是一個原生多模態(tài)模型，不僅支持端到端的語音輸入輸出，其實也支持圖片的端到端輸入輸出。
只不過，這一鴿，就鴿了一年，鴿的我都快忘了GPT4o原來也支持圖片輸出的。。。
感覺是Gemini的原生多模態(tài)用嘴改圖給OpenAI逼急了，沒辦法，只能臨時加塞把這玩意掏出來。
OpenAI的發(fā)布節(jié)奏，真的已經(jīng)越來越不對勁了。
但是回到4o生圖這個產(chǎn)品能力本身。
雖然說節(jié)奏稀碎，可OpenAI一年后掏出的這個的產(chǎn)品，質(zhì)量直接拉到頂，就跟DeepResearch把google的按在地上摩擦一樣。
大家雖然都是原生多模態(tài)，都可以用嘴改圖，但是GPT4o的繪圖質(zhì)量，就是可以把Gemini按在地上摩擦，就是當今的王，太牛逼了。
作為200刀的pro會員，我也在第一時間，就拿到了體驗資格。
目前，有兩個渠道可以使用4o Image Generation。
一個事ChatGPT，一個是單獨的那個Sora的網(wǎng)站。
在ChatGPT上，當你畫圖的選項變成這個的時候，就說明用的不是Dalle3了，而是4o。
你就直接可以用嘴畫圖。
也可以，直接用嘴改圖。
但是在ChatGPT上用，有一個問題就是，即使我作為200刀的Pro會員，他居然也限我流，才生成十幾張，就給我限了，讓我7分鐘以后再用。
而在Sora上用的話，有個好處，就是速度極快，一次性可以跑4張，而且還無限用。
質(zhì)量頂?shù)斤w起。
你可以把這個位置，改成image就OK了。
但是最大的問題，就是生成完以后的圖片，不能進行多輪對話修改了。
現(xiàn)在ChatGPT和Sora的關(guān)系，越來越像豆包和即夢的關(guān)系了。
我從2點，跑圖跑到4點，坦率的講，我對4o的生圖質(zhì)量，是非常震驚的。
比我想象的還要好。。
用過Gemini的就知道，雖然可以實現(xiàn)多模態(tài)改圖，但是那個生圖的質(zhì)量，丑的不忍直視，能用，但是到不了生產(chǎn)力級別。
但是，4o可以。
我直接放一下我跑的純生圖case，改圖的case放后面。
先看生圖。
Prompt：冰霜巨龍盤踞在雪峰上，周身冰晶閃耀，龍息噴出寒氣，背景狂風(fēng)席卷雪花。
Prompt：山姆奧特曼在摘棉花。
Prompt： 制作一張漫畫風(fēng)格的生日卡，上面寫著“我希望你今天像動漫開場中的超新星一樣閃耀！"
Prompt： 創(chuàng)建一個多步驟表單用戶界面設(shè)計的圖像，簡約一點，好看一點。
Prompt：創(chuàng)建一個索隆的女孩版動漫角色。
Prompt： 創(chuàng)建一個包含所有元素的周期表卡通圖像。確保每個元素框都標有元素的全名（如氦或氫）。在每個元素的框中，包含一個代表該元素的卡通圖像。同時也包括一些完全隨機的物品，而不是實際的元素，仿佛是在幻覺中看到周期表的成員。
Prompt： 做一個用火龍果的外皮做的蜥蜴，照片必須逼真，整個鱗片都要是火龍果。
Prompt： 一張?zhí)孤实墓纷酗L(fēng)格照片，卡爾·馬克思匆忙走過美國購物中心的停車場，回頭用驚訝的表情看著，試圖避免被拍照。他手里抓著多個裝滿奢侈品的光滑購物袋。他的外套在風(fēng)中飄動，其中一個袋子在他邁步時搖擺。模糊的背景中有汽車和發(fā)光的購物中心入口，以強調(diào)運動。相機的閃光燈部分過曝了圖像，給人一種混亂的小報感覺。
Prompt：畫 一個包含機器人運動學(xué)和動力學(xué)詳細信息的海報。
Prompt： 描繪一只對冒煙的計算機服務(wù)器機架感到困惑的水豚。
Prompt：一只貓用粉筆在街上寫下“我是一只貓”的圖片。
我還有太多太多太多跑出來的圖想放給大家看了。
受限于篇幅，我只能放這么多，我推薦你們每一個人，都去試試。
誠然，4o當然還有很多小問題，比如手指細節(jié)可能有問題，比如海報里的公式都是錯的，比如上面的元素周期表很多是不對的，比如你讓他畫中文有時候會干出英文或者日文等等。
但是，但是，這個質(zhì)量，這個自由度，這個語義理解。
讓我可以在這個階段，無視他的所有那些細小的瑕疵。
我已經(jīng)很久沒有跑圖跑的興奮了，跑圖跑的不想睡覺，這樣的感覺，還在兩年前，第一次看到Midjourney v5更新的時候。
太酷了。
當然，你并不是只可以文生圖，當然也可以，圖生圖。
如今，你再也不需要什么SD、什么Comfyui、什么ControlNET插件，你就可以實現(xiàn)很多很多效果。
效果就是這樣的，BUG就是4o無法區(qū)分句和勾：
又或者，把雷總經(jīng)典手勢轉(zhuǎn)一下風(fēng)格。
再或者，把拼多多的logo，改成青花風(fēng)格。
又或者，把幾張圖融起來。
人物臉的一致性有一點瑕疵，但是這個融合效果，已經(jīng)無敵到?jīng)]邊了。
Sora差不多就這樣，ChatGPT上也可以用，效果跟Sora一樣，反正背后都是4o，但是ChatGPT最大的好處，就是可以進行后續(xù)對話。
比如我先跑一個妹子的圖片。
Prompt：創(chuàng)建一幅史詩般的現(xiàn)實主義圖像，特寫，1 個女孩，漂浮的藍色頭發(fā)，長發(fā)，水滴，濕潤，手持武士刀，帶有圖案的藍色和服，超詳細。
我現(xiàn)在，想把她放到游戲海報上，直接嘴說就可以。
雖然在中文標題字的審美，跟即夢2.1相比還有一點差距，但是已經(jīng)很好了，畢竟4o的主語言，是英文。
用嘴給圖片改色調(diào)。
用嘴改變材質(zhì)。
用嘴改屏幕里的UI（雖然有點亂碼就是了）
用嘴來改性別。
還有他們自己官方跑的，幾個我覺得屌炸天的case，我覺得必須拿給大家看看。
上面這是AI直出的，甚至玻璃上的影子都是對的。。。
當年，Midjourney讓世界見識到AI畫師的潛能。
后來，Stable Diffusion把開源的火炬交到社區(qū)手里。
再后來，Gemini顯露多模態(tài)的雛形，卻始終差點火候。
如今，GPT4o原生多模態(tài)橫空出世，用幾乎成熟得可怕的質(zhì)量，宣布了圖像生成的新紀元。
如此高的生成質(zhì)量，如此絲滑的多模態(tài)對話，已經(jīng)不是能不能用的問題，而是能否徹底改變現(xiàn)有的AI繪圖生態(tài)。
以及人們，做AI繪圖的交互方式。
這是AI時代，也是我們的時代。
最后，說句題外話。
今天除了GPT-4o原生多模態(tài)上線，同時也是Gemini 2.5 pro發(fā)布。
然后，當4o發(fā)了之后。
我的X上的時間線。。。
就幾乎全部被4o出圖攻占了。
Gemini 2.5 Pro這一次，還是沒搶過GPT-4o。
1.5 Pro被Sora淹，2.5 Pro被4o淹。
真的，聽哥一句勸。
要不然以后咱就別發(fā)Pro，改個名叫Ultra吧。
你說好不。。。
以上，既然看到這里了，如果覺得不錯，隨手點個贊、在看、轉(zhuǎn)發(fā)三連吧，如果想第一時間收到推送，也可以給我個星標?～謝謝你看我的文章，我們，下次再見。
>/ 作者：卡茲克
>/ 投稿或爆料，請聯(lián)系郵箱：wzglyay@virxact.com
熱門跟貼