2025年3月26日，OpenAI凌晨官宣，GPT-4o的原生多模态图像生收效率负责上线。用户不再需要登录OpenAI的文生图模子DALL-E迪士尼彩乐园极速快艇，不错获胜在ChatGPT期骗里调用4o生成、修改图片。

今夜之间，AI生成的吉卜力争像在X等豪爽媒体上疯传，互联网被一场随和的二次元画风海潮归并。东说念主们上传自拍照，输入“吉卜力作风”，几秒后，宫崎骏动画中的唯好意思与梦境便流淌在发丝衣角间，致使连OpenAI创举东说念主奥特曼也晒出我方的吉卜力头像，为这场兴隆添了一把火。

不外，吉卜力的火爆仅仅其一，更要道的是，GPT-4o的绘图智商出圈随意了文生图限制的固有花样，以Midjourney等垂类期骗为首的赛说念第一次遭到了大模子的挑战。

正本，东说念主们用Midjourney生图时，仍濒临着一个致命问题：立地性太强，在教导词过于复杂的期间，细节复原度就会显耀镌汰，而GPT-4o控图智商的跃升，让东说念主类第一次感受到了与AI艺术家在多轮对话中精确改图的魔力。

那么，一个东说念主类印象里只会聊天的通用大模子GPT-4o，是怎样赶超文生图限制专科选手Midjourney的呢？

践诺上，雷同Midjourney一样的期骗早在一年前就能生成吉卜力、赛博一又克、超现实等多种作风的图像，致使在画面笼统感、明白力上略胜于GPT-4o。但GPT-4o的闪耀之处在于，它莫得聘请正面硬刚其艺术限制的生图质地，而是在期骗门槛、修图改图、跨学科智商等细分赛说念弯说念超车。

一是当然言语对话智商的种植大大镌汰了使用门槛。传统文生图限制，用户必须掌捏一套复杂的结构化教导指示，比如作风、镜头、色调、角度、布景、主体等，差之豪厘、谬以沉。而GPT-4o不错精确说明当然言语敕令，只需要像跟好友一样相通，张嘴绘制成为现实。

当然言语即是大口语，日常糊口中的理论语。比如，若是你需要一张瀑布图，只需要告诉GPT-4o，“帮我生成一幅清早华贵丛林里的彩虹瀑布”就不错了。但面对Midjourney就需要像下图一般，用高度结构化的prompt指示告诉它：这个图像的主体有什么，布景是什么样式，仰角、俯角照旧平视，作风是油画、古典或者赛博一又克，需要细分到这种进度才可能达到理思效率，但就算分得这样细了，依然会有一些无关进犯的画面元素跳出来画虎不成。

二是多模态智商带来的图生图、图改图功能的上线。雷同Midjourney一样的期骗只可发笔墨指示，不解救上传一张图片再作念修改，或者说不解救AI生图后，再诊治图像的分手率、色调、布景。若是成图效率不睬思，只可回到第一步重写教导词碰运说念，之前生成的图像等同作废。

GPT-4o的强悍就在于用户不错通俗上传一张图片屡次修改，不错是AI生成的，也不错是我方拍的。比如，你不错上传一张全身照，把头型换成大波浪，把一稔换成购物车里的裙子看上身效率。它解救在现存的图片上去p图去修改，特殊于咱们毋庸学习PS这种具有高壁垒性质的修图时期。

更牛的是它还不错多轮对话，解救在原图上不限次数地一直改，直到满足为止。你不错一忽儿改一个头发，一忽儿把布景换成沙漠，或者一忽儿诊治滤镜作风。只须你思，它便餍足。

图源：小红书@Mr.汤先森

除了交互门槛的镌汰和控图智商的种植，GPT-4o的跨学科常识储备也让东说念主惊艳。集成了大言语模子原有常识库的GPT-4o特殊于一个知天文、晓地舆的画家，不仅能解高数、作念物理题，复原建立草图也不在话下。比拟之下，Midjourney算作垂类期骗恒久局限在艺术限制里，为电影宣发、告白等文娱产业作事。

GPT-4o有多牛？给一个题目就不错生成函数图像，特殊于一款绘制领导版的拍照搜题期骗。致使于你给他一个莫得任何色调的铅笔画建立草图，它齐能生成出施工后的房屋实景，弥漫超越了学科的鸿沟，是一个文理双全的万能型选手。

图源：小红书@云安

既然GPT-4o生图改图功能如斯惊艳，咱们就要提问了，在其火爆出圈背后，能够为普通东说念主带来什么践诺价值呢？

就在其上线一周内，Midjourney CEO大卫·霍尔兹坐不住了，发文称：GPT-4o仅仅花架子，Midjourney-v7下周上线。

GPT-4o和Midjourney孰优孰劣，当今还难以定论。但能够细倡导是，GPT-4o火出圈了，它冲出了打算师这个小众的圈子，走入了大大宗东说念主的责任场景里，就算弥漫不知说念AI生图是什么，但一定也知说念豪爽媒体上霎时冒出一个能用嘴P图的网罗器具。

那么，GPT-4o为什么这样火，给咱们带来的一个最践诺的价值点在那处？

领先，它的确作念到了期骗零门槛，用户致使不需要任何艺术功底和AI基础，毫无基础的普通东说念主也能获胜上手。用Midjourney，你必应知说念一些基本的门户、色调、光学、框架等绘画常识以及/imagine（生成图像）、--ar（图像宽高比）等基础英文教导指示。但用GPT-4o，你也不错不懂透视、框架、光泽，也不需要知说念什么是结构化教导词，弥漫毋庸任何专科基础，迪士尼彩乐园三邀请码就像跟一又友对话一般相通就不错修图。

图源：小红书@Geek4Fun

除了使用门槛镌汰，模子居品的质地和效率也大幅种植。一是生图更快，昔时用Midjourney明白复杂指示需要1min驾驭，GPT-4o在20s内就不错复原。

第二，生图和改图的为止性提高了，GPT-4o能够弥漫复原你给它的指示。比如一样的一个指示“给我生成一个猫猫和狗狗在草地里玩耍的场景”，GPT-4o生成的即是一只猫和一只狗在草地上玩，莫得任何其他会霎时冒出的元素，但Midjourney可能在草坪上多一个公园或建立，不会弥漫按指示来。闲居地讲，即是GPT-4o更能听你的东说念主话了，它就像你的电子仆东说念主一样，你让他干嘛，他就干嘛，过剩的事一件不作念，该作念的事也毫不少干，精确度更强了。

由此，GPT-4o绽开全民赛说念，参加到咱们责任场景里。之前，普通用户用Midjourney更多照旧出于意思意思，文娱属性强、器具属性弱。生成的油画、动漫等多样作风的图像虽顺眼，但既不可种植责任效率，也不可收货，主要起到了一个造型上的作用。

而GPT-4o的用嘴P图让AI绘图能够落地的行业加多，从文娱化与艺术性走向了专科化与出产力，不错期骗到电商、教学、建立、打算等五行八作。比如你的小孩不会作念题，昔时需要请示课淳厚或者下载功课帮，指引用度贵而功课帮的训导只须干巴巴的一段笔墨，令东说念主朦拢。然则GPT-4o弥漫不错生成一张训导草稿图，函数何如生成的，谜底何如得来的，推导过程运动当然。

再比如电商行业的宣传海报，甲方需要你生成一个针对泰西阛阓的英语海报，其中打算元素和言语齐需要作念腹地化润色。之前的进程是对接打算师修改元素、去翻译软件润色，再导入PS软件修改，费时忙碌。但当今GPT-4o只需要一句话，“把这张海报改成泰西风，言语形成英语”，它就很快就能打算一张合乎条款的海报，跨限制跨学科的集成智商相称强悍。

聊完GPT-4o的绘制出圈，不如再聊聊，GPT-4o算作一种底层模子还有什么可挖掘的场地。

咱们齐知说念，Midjourney是一个架构在模子上的期骗，但GPT-4o自己即是一个模子，生图是它的智商之一。2022年刚出说念的ChatGPT仅仅一个能够笔墨相通的对话助手，其后不错语音打电话，当今又能绘制，一直持续在不同维度上迭代升级。

而这次GPT-4o能绘图赛说念杰出重围，真要感谢其原生多模态模子智商的大幅知晓。跟Midjourney不一样，GPT-4o有更多时期旅途可走。当今文生图限制期骗广阔用的底层模子叫扩散模子diffusion model，旨趣是先生成一个大致的图像，再摒除噪点，就像雪中作画、醉中逐月，复原智商不彊。而GPT-4o沿用文生图自回首模子，特殊于把之前展望token的逻辑推闪耀商进一步蔓延到了文生图限制，通过逐帧绘制的面孔，从已生成的像素意象下一个像素，内容是效法东说念主类画画。这意味着，与垂类期骗不同，大模子不错从底层架构上聘请不同的时期旅途，而架构的升级通常会带来性能的跃升，基于GPT-4o等原生模子的功能有更多的生漫空间。

第二个是，多模态交会通带来跨限制的会通相识，GPT-4o算作一种通用大模子，领有整合笔墨、音频、图像等不同步调信息的智商，现阶段照旧不错打电话、生图改图了。而在畴昔，是不是不错获胜生成音乐和视频，也值得期待。践诺上，GPT-4o本次上线的生图功能就脱胎于OpenAI的文生图模子DALL-E。有时，OpenAI旗下的文生视频模子Sora也可能通过某种时期被整合到GPT模子里。届时，在一个模子里交叉处理多种模态的信息将不再远处。

而多模态改进也进一步证明，模子走向多功能后，处理多样任务的智商越来越强，带来的总AI使用资本镌汰。一个不错料思的趋势是，大模子正在试图成为一个一站式打包站点，将代码、打算、音乐、数据处理等多种任务集成在通盘。可能在畴昔某一天，雷同于ChatGPT一样的模子强悍到在职何限制齐能作念到前三，咱们也不再需要下载绘制的Midjourney、写代码的coze、作念音乐的suno等垂类期骗，获胜下载雷同于ChatGPT一样的模子，就能管制统共的事情。这样一来，手机的内存更大了，启动效率也快了。每个月还不错省下了垂类期骗一百块驾驭的会员定制费，性价比更高了。

简言之，GPT-4o绘图智商的出圈让咱们看到了底层大模子集成多期骗的智商。而从这个智商滋生出的愿景是，咱们畴昔不错在一个一站式的模子内部同期使用绘画、音乐、代码等多维智商。况且，它的使用门槛短长常低的，低到任何一个毫无时期基础，致使连AI齐不了解的东说念主齐能用。

而这有时才是东说念主类发明AI的终极运筹帷幄——让时期普惠到每一个边缘。

• 迪士尼彩乐园极速快艇
• 何如
• GPT-4o
• Midjourney
• 饭碗