當(dāng)?shù)貢r(shí)間3月25日，美國(guó)開(kāi)放人工智能研究中心（OpenAI）宣布推出4o圖像生成功能，OpenAI的CEO奧特曼稱GPT-4o為“有史以來(lái)最好的模型”，并宣布將全面免費(fèi)開(kāi)放基礎(chǔ)功能，API調(diào)用價(jià)格下調(diào)50%。

奧特曼當(dāng)?shù)貢r(shí)間周二直播活動(dòng)中宣布，正式推出基于 GPT-4o 模型的原生圖像生成功能，不再調(diào)用獨(dú)立的 DALL-E 文生圖模型。利用GPT-4o的多模態(tài)能力，ChatGPT在圖像生成時(shí)能更加精確地遵循指示、更精確地渲染圖像上的文字，同時(shí)支持多輪迭代優(yōu)化圖像時(shí)保持角色形象一致。

從官方給出的示例來(lái)看，不管是生成黑板板書(shū)，還是印刷體、展示科學(xué)常識(shí)的繪圖，ChatGPT在生成圖像文字領(lǐng)域終于從完全不能用，達(dá)到接近商用的程度。

不過(guò)，OpenAI承認(rèn)新圖像生成器還存在局限性，會(huì)受到模型幻覺(jué)影響，在密集文字和非拉丁語(yǔ)文字圖像生成方面易出問(wèn)題。

ChatGPT在2022年底上線，最初只能生成和編輯文本，不能生成圖像。大約一年后，OpenAI發(fā)布第三代圖像生成模型DALL-E 3，并集成到ChatGPT，但兩者一直是互相獨(dú)立的系統(tǒng)，AI圖像生成器“理解提示詞能力差”。

此次推出基于 GPT-4o 模型的原生圖像生成功能的舉措，被視為應(yīng)對(duì)谷歌Gemini等競(jìng)品的技術(shù)壓力。

今年阿里巴巴、谷歌先后推出能準(zhǔn)確生成文字的文生圖模型。其中，谷歌其旗艦?zāi)Ｐ椭坏?Gemini 2.0 Flash 推出實(shí)驗(yàn)性原生圖像輸出功能之后，在社交媒體上迅速傳播。但Gemini 2.0 Flash 的圖像組件幾乎沒(méi)有防護(hù)措施，人們可以去除水印并創(chuàng)建描繪受版權(quán)保護(hù)角色的圖像。

OpenAI 首席運(yùn)營(yíng)官布拉德?萊特卡普在一份聲明中表示：“在輸出方面，我們尊重藝術(shù)家的權(quán)利，并且我們有相應(yīng)的政策來(lái)防止我們生成直接模仿任何在世藝術(shù)家作品的圖像?！?/p>

即日起，所有Plus、Pro、Team及免費(fèi)用戶將陸續(xù)在ChatGPT和Sora中體驗(yàn)該功能，企業(yè)版與教育版即將接入，Sora平臺(tái)同步啟用。開(kāi)發(fā)者即將通過(guò)API調(diào)用GPT-4o圖像生成功能，接口權(quán)限將于未來(lái)數(shù)周內(nèi)開(kāi)放。