就在刚刚，港中文的一位博士生Jie Liu破解了GPT-4o不一般的前端生图秘密：实际上，它很大可能是原生自回归（AR）生成的，甚至我们可以手动改图。 无独有偶，CMU博士Sangyun Lee也推测出，GPT-4o的图像生成原理，应该大致如下： ...

但就在GPT-4o火遍全球之际，一个来自初创团队的新模型Reve Image（Halfmoon），却凭借其在特定图像生成领域的出色表现，悄然赢得了用户和专业榜单的认可，排名连续多日超过GPT-4o，在人物、奇幻与神话、插画等细分领域更是妥妥的王者。

此外，团队通过用相应的文本描述替换图像输入，创建了一个仅文本版本 Creation-MMBench-TO。对这两个基准的实验全面的评估了主流多模态大模型的创作能力，并探查出了视觉指令微调对模型的潜在负面影响。

很多网友猜想 GPT-4o 的图像生成采用了「自回归 + 扩散」的范式。比如 CMU 博士生 Sangyun Lee 在该功能发布后不久就发推猜想 GPT-4o 会先生成视觉 token，再由扩散模型将其解码到像素空间。而且他认为，GPT-4o ...

从纯语言模型的评测结果来看，闭源LLM的创作能力略优于开源的LLMs，令人惊讶的是，GPT-4o 在 Creation-MMBench-TO ...

鲸哥也用4o生成了自己的头像，大家看看是不是还挺好玩。要知道此前AI头像生成是小红薯上非常赚钱的副业赛道。现在门槛被打没了，你只需要一句话就可以生成（记得这是3D迪士尼风格即可）。

图片来源：Unsplash多家机构指控 OpenAI 可能利用付费墙后的 O'Reilly 书籍训练 AI 模型，未经许可使用受版权保护的内容训练其人工智能。如今，一家 AI ...

该论文采用了名为DE-COP 的方法（2024 年首次在学术论文中提出），旨在检测语言模型训练数据中的受版权保护内容。这种方法也被称为"成员推理攻击"，通过测试模型是否能可靠区分人类撰写文本与相同文本的 AI ...

在AI技术飞速发展的今天，GPT-4o的多模态生图功能以其惊艳的视觉效果和广泛的应用场景，正在重新定义创意工作的边界。这一革命性工具的6种实用玩法，从风格转换到表情包制作，从商品图换场景到虚拟试穿，每一种都可能成为你工作中的效率倍增器。

为了获得更好的生成效果，在进行提示词描述时，尽量简洁而准确地给出人物、动作和神态，比如「这个女人慢慢转过头去，留下一个背影」、「这个女人悲伤严肃地眨着眼睛」等。 因此，我们的建议是二者搭配「食用」 ，不好描述提示词、且涉及大幅度运动时使用 ...

截至目前，GPT-4o的图像生成功能已集成至ChatGPT平台，并向付费用户开放。可以预见，随着这一功能的进一步普及，其在设计、教育和娱乐等领域的应用潜力将逐步释放，为用户带来更智能、更具创造力的体验。

本文深入体验了GPT-4o图像生成模型，发现其在多种设计场景中表现出色，甚至可能让comfyUI工作流的学习变得不再必要。 上周我介绍了gemini生图模型，我觉得已经算是实用性很强了，但紧接着Open ...