隨著OpenAI的圖像生成功能完成重大升級,,新的問題也隨之而來,。OpenAI首席執(zhí)行官薩姆·奧爾特曼表示,ChatGPT的文生圖應(yīng)用需求過高,,導致GPU過載,。為解決這一問題,,OpenAI將對ChatGPT生成圖片的功能實施臨時限速,降低單位時間內(nèi)的請求處理量,,以緩解GPU壓力,,并優(yōu)先保障文本生成和對話等核心功能的穩(wěn)定性,。
3月25日,OpenAI宣布正式推出GPT-4o圖像生成功能,。該功能迅速走紅,,用戶通過簡單的文字描述或語音指令即可編輯、修改或生成圖片,,無需使用復雜的圖像編輯工具,。這種技術(shù)結(jié)合了自然語言處理與圖像生成,大大降低了圖片編輯的門檻,。GPT-4o是一個多模態(tài)AI模型,,能夠接受文本、音頻和圖像的組合輸入,,并生成相應(yīng)的圖像輸出,。
GPT-4o圖像生成功能具備四大核心優(yōu)勢:精準文本渲染、嚴格指令遵循,、深度知識調(diào)用及創(chuàng)意拓展能力,。測試表明,GPT-4o在生成帶有英文內(nèi)容的照片時表現(xiàn)良好,,但在處理中文字符時仍有待提升,。通過多輪對話優(yōu)化圖像時,GPT-4o展現(xiàn)了強大的上下文連貫性,。例如,,在生成一只戴著黑色墨鏡的老虎后,進一步要求戴上偵探帽并生成游戲場景,,GPT-4o成功實現(xiàn)了這一復雜指令,。此外,GPT-4o還能應(yīng)對包含多個不同物體的復雜網(wǎng)格圖生成任務(wù),,盡管存在一些指令缺失的情況,。
在實用性測試中,GPT-4o生成的傳統(tǒng)中式風格餐廳菜單和科學示意圖也表現(xiàn)出色,。盡管存在不足,,GPT-4o圖像生成功能的革新性依然顯著,為創(chuàng)意設(shè)計,、教育教學,、游戲開發(fā)等領(lǐng)域提供了強大工具。薩姆·奧爾特曼稱,,這一功能標志著“創(chuàng)作自由的新高點”,,用戶將借此釋放更多視覺創(chuàng)意潛能。
作為AI領(lǐng)域的頭部玩家,,OpenAI背后的GPU儲備是業(yè)內(nèi)頂尖水準,。微軟作為OpenAI的主要投資者,,在2024年購買了大量英偉達的Hopper芯片,使OpenAI的大模型得以在Azure云基礎(chǔ)設(shè)施上進行訓練,。新功能面臨的問題反映了AI多模態(tài)技術(shù)發(fā)展中資源與需求平衡的挑戰(zhàn)。
OpenAI計劃在未來幾個月內(nèi)推出GPT-5,,集成多項技術(shù),,包括推理模型o3的技術(shù)。此前,,OpenAI內(nèi)部代號為“獵戶座”的GPT-5項目已持續(xù)近兩年,,但目前進度嚴重滯后。每次大型訓練都需要數(shù)月時間處理大量數(shù)據(jù),,目的是讓“獵戶座”變得更聰明,。然而,該項目仍面臨諸多挑戰(zhàn),。
研究機構(gòu)Gartner預測,,到2026年,多模態(tài)生成模型的商業(yè)價值將占AI市場的45%,。隨著谷歌與微軟等巨頭的持續(xù)投入,,生成式AI正從通用工具向產(chǎn)業(yè)基礎(chǔ)設(shè)施演變,但其社會倫理和監(jiān)管框架的完善仍有待探索,。