omini很好用啊，生成速度快，一致性也挺好，3.5flsh更不用说，上桌吃菜完全没问题，基础设施非常强，整个AI生态感觉也闭环了。 在Google的生态下Gemini的产品用起来是真舒服，Ultra套餐降到100刀，不算AI功能其他的权益也不错，正价订阅起来也简单。 Google对国内市场的态度也是最务实的，现在就期待3.5pro出来后影响力能不能超过OAI和A\。 13 个帖子 - 11 位参与者 阅读完整话题
明天的谷歌开发者大会还挺期待的，这么隆重的大会，大家裤子都脱了，不能只发几个平平常常的东西吧。 我最关注VEO，和Gemini的code能力，大香蕉不知道还有没有更进化的版本，另外antigravity也挺期待的，音频音乐方面希望也能发个比较好的模型， 1 个帖子 - 1 位参与者 阅读完整话题
那个熟悉的OpenAI又回来了！凌晨，奥特曼亲自带队，开启20分钟线上直播，打破了数日的沉寂。OpenAI终于祭出了传闻中的ChatGPT Images 2.0，正式开启图像生成的全新纪元。 Images 2.0是一次质的飞跃，它在精准听懂长指令、准确摆放并理清物体间关系、渲染密集文本方面有了巨大突破。 最重要的是，它是首个具备“思考能力”的图像模型，可以联网搜索实时信息、二次自检。 它还能一次性直出八张风格连贯的图，最高支持2K超清分辨率。 这么说吧，Images 2.0的出世，重新定义了视觉生成的统治力—— 像素级精度：小字号文本、图标、UI元素等复杂细节一键生成，支持3:1到1:3全尺寸输出； 多语言质变：中日韩等非拉丁文字精准渲染，不仅字拼得对，语句也通顺连贯； 风格成熟：照片级逼真感，电影剧照、像素艺术、漫画等视觉语言都拿捏得住； 会思考：首个具备推理能力的图像模型，能联网搜索、自检输出，知识更新至2025年12月。 在Arena最新榜单中，Images 2.0一骑绝尘，登顶全球AI生图王座。实力暴击GoogleNano Banana 2/Pro版本，领先242分。 它在全部7个文生图类别中，全部位列第一。 最狠的是，它可以做到像素级生成。 直播中生成的一张米山图，其中的一颗大米粒，竟刻上了“GPT image 2”的字体。 奥特曼还秀了一番，和4o图像负责人Gabriel Goh一起更多GPU的漫画图。 网友们纷纷上手，被Images 2.0的实力再次惊艳到了。 甚至，有人表示，“OpenAI终于再次引领图像生成领域”！ 中文直接封神 OpenAI自己玩梗“稳稳地接住你” 过去的图像模型，英语和拉丁字母语言表现尚可，一碰到中日韩文字就开始“鬼画符”。 这次，官博里放出的中文Demo，直接炸了。 OpenAI研究科学家陈博远亲自出镜（很可能也是他自己写的prompt），生成了一整页全中文彩色漫画，讲的是他在OpenAI做ChatGPT Image 2中文文本渲染优化的故事。 这张图同时证明了三件事，中文文本渲染能力质变、极小字号的精度控制、以及复杂多面板漫画的一次性生成能力 漫画分五排，第一排是陈博远在电脑前埋头工作，背景里有珍珠奶茶，墙上用一条胶带粘着一根香蕉（致敬艺术圈名场面）。 第二排是他为家乡无锡生成的多语言手绘风格信息图海报，上面密密麻麻的中文小字全部渲染正确。 第三排是团队看到效果后集体兴奋的场面。 第四排画风一转，陈博远拿着手机休息，收到了奥特曼发来的一条翻译短信，祝贺团队的中文渲染成果。 然后，重头戏来了。 第五排，陈博远看到奥特曼生成的那张祝贺图片，中央位置赫然写着一句“稳稳地接住你”。 懂的都懂。 GPT在中文对话中动不动就“我会稳稳地接住你”“你的感受是合理的”，那股子油腻又真诚的美式心理咨询味，被中文用户疯狂吐槽了大半年 漫画里的陈博远当场破防，漫画式暴怒大喊“天呐！它又学会了接住！”，旁边的队友们化身小脑袋冒冷汗，弱弱地说“我们正在努力修复它！” 这波自嘲，可以给满分。（手动狗头） 中文之外，OpenAI还放出了全日语对白的少年冒险漫画、涵盖印地语、孟加拉语、泰卢固语等九种语言书籍封面的印度书店，以及韩语高级韩屋住宿广告。 语言不再是图像生成的“二等公民”了。 像素级生成 GPT-3到GPT-5大跨越 ChatGPT Images 2.0可以称之为OpenAI生图的下一个里程碑发布。 直播中，奥特曼将其称之为，“这种感觉就像是一下子从GPT-3直接跃升到了GPT-5”。 上传一张四人合照，ChatGPT直出一张杂志封面，在页面设计、文字排版都非常讲究。 而且海报中，包含了海量的细节，小字的处理，人物面部一致性，给人一种“男团”的即视感。 在细节方面，ChatGPT输出完全达到了“照片级”效果，逼真到让人看不出是AI生成的。 比如下面这张，穿越回2015年OpenAI刚成立那年，阶梯教室光线环境、PPT文案让人震惊。 真正让全场惊掉下巴的，是一张人类登月的360°全景图。 把ChatGPT生成的图片扔进全景查看器，便可以实现如下的效果，太阳的位置、影子的方向，以及一些细节全部清晰可见。 官方放出的Demo里，有一张macOS浏览器中ChatGPT窗口的截图。 窗口层叠、终端在后台打开、桌面杂乱无章，视觉细节多到离谱，生成出来的效果几乎和真实截图一模一样。 渲染精度到了这个级别，说明模型对图像中每一个像素的控制力已经跨过了一个临界点。 照片级逼真感 AI生成的图终于不像AI了 风格逼真度是另一个大跃进。 过去AI生成的图片，总有一种说不出的“AI感”，皮肤太光滑、光线太均匀、构图太完美，一眼就能看出不是真人拍的。 Images 2.0反其道而行之，开始学会“不完美”。 官方Demo里有一组抓拍快照，35mm胶片质感，可见颗粒感，构图略微偏离中心，衣服和头发在风中飘动。 如果不告诉你是AI生成的，你会以为这是某个摄影师在公路旁随手按下快门的结果。 还有一组一次性相机风格的照片，模拟的是2000年代初美国高中电脑室的场景，学生们挤在米色CRT显示器前用ChatGPT。 闪光灯过曝、轻微运动模糊、角落里印着“02 18 04”的橙色日期戳，所有“胶片时代的不完美”都被精准复现。 在风格多样性上，Images 2.0也拉开了差距。 宽高比现在支持最宽3:1、最高1:3。为此，OpenAI专门放了一张横版中国传统长卷山水画，笔墨晕染和留白都有模有样。 1960年代法国新浪潮电影海报、装饰艺术风格书签、动漫角色设定图，每一种视觉语言都保持了高度的风格一致性，而不只是“看起来有点像”。 会思考的图像模型 一次生成八张连贯画面 现场直播中，ChatGPT图像负责人Gabriel Goh表示，Images 2.0一共上线了两种模式—— 即时模式（Instant Mode） 思考模式（Thinking Mode） 其中最颠覆性的升级，全部藏在“思考模式”里。 当在ChatGPT中选择思考模型时，Images 2.0不再只是一个“你说我画”的渲染器，而是变成了一个视觉思考伙伴。 它会花更多时间理解你的意图，搜索网络获取实时信息，对图像结构进行推理，然后再动笔。 更关键的是，思考模式下它可以一次性生成最多八张风格连贯、角色一致、内容递进的图像。 只需上传一张大头照，ChatGPT就能立刻给出八套夏装搭配。选择其中一套，还会为你生成更多衣服不同角度的细节。 在这个任务中，ChatGPT调用了两种不同的“视觉智能”： 首先是“视觉理解”能力，它要真切地去“看”照片。理解一个人的样貌，然后规划出合适的服装搭配方案。 另一个维度则是“视觉生成”能力。它需要把规划好的服装布局，转化为一张连贯且有条理的图片。 以前想做一组社交媒体素材，你得一张张生成，自己拼接。现在一句prompt，Twitter、Instagram Stories、Instagram Feed、LinkedIn四种尺寸一次性出齐，色调和构图风格统一。 官方Demo展示了一家布鲁克林抹茶店“kizuki”的广告素材，冰镇草莓抹茶在阳光下的画面，街头服饰美学搭配日式极简，四种社交平台尺寸一步到位。 还有一个学术论文海报的Demo，直接上传PDF，模型自动提取关键图表、数据和结构，排版成一张横版海报。 值得一提的是，Images 2.0开启思考模式后，还可以直接联网搜索信息。 团队透露，几天前在Arena盲测的“DuckTape”就是今天的Images 2.0。 然后，他们让Images 2.0搜集网友反馈，并制作成一张图。没想到，模型还生成了一个可直接扫描的“二维码”。 ChatGPT、Codex全线开放 从今天起，所有ChatGPT、Codex都可以用上ChatGPT Images 2.0。 带有“思考”过程的图像生成功能，已向ChatGPT Plus、Pro、Business用户开放。底层模型gpt-image-2也已在API中上线。 在定价方面，ChatGPT Images 2.0更强了，同时toekn输入/输出价格没有涨。 对普通用户来说，演示文稿配图、社交媒体海报、产品宣传卡片这些过去要开Photoshop折腾半天的活，现在一句prompt搞定。 对开发者和企业来说，本地化广告、多语言信息图、教育内容、设计工具这些需要大量人工的视觉工作流，现在都可以通过API批量自动化了。 Codex里更是把图像生成整合进了工作区，设计团队可以在同一个环境里出UI方案、比选项、转产品，全程不用切换工具。 图像生成的iPhone时刻？ 回头看，从DALL·E到Midjourney到Stable Diffusion，AI图像生成一直处在“够用但不太行”的状态。 文字渲染翻车、多语言拉胯、风格千篇一律、构图一眼AI，这些痛点每一个都劝退了想把AI图像用在正经场景里的人。 Images 2.0一口气把这些短板全补上了，还加了思考能力和多图一次性生成。 虽然它离“完美”还有距离，但它可能是第一个让设计师、营销人员和内容创作者觉得“这东西我真的可以用在工作里”的AI图像模型。 现在，设计师们可能要重新想想，自己的护城河到底在哪里了。 参考资料： https://x.com/OpenAI/status/2046661795327459677 https://x.com/OpenAI/status/2046670977145372771 https://openai.com/index/introducing-chatgpt-images-2-0/ https://x.com/sama/status/2046672912833458597 查看评论