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。

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 ...

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： ...

根据独立AI评测机构Artificial Analysis测试，GPT-4o实至名归，在图像竞技场中以ELO评分并列第一，超越Recraft V3、FLUX 1.1 [Pro版]和Gemini 2.0 Flash。

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 ...

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 ...

观察各种测试案例，可以发现 GPT-4o 能够实现多种神奇的功能或特性，包括主体关系控制、多视图生成、精准轮廓的风格迁移、知识理解能力、多轮对话编辑能力、多元素的一致稳定性控制、复杂文字嵌入和排版等。

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 ...

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。

“看到人们喜欢 ChatGPT 中的图片功能真是太有趣了，但是我们的 GPU 正在融化。” 上线不到 72 小时，OpenAI 的 GPT-4o 原生图像功能终于扛不住了。 今天凌晨，OpenAI CEO 山姆・奥特曼在社交平台 X 上宣布 ...

仅仅24小时之内，从名人的头像到经典电影的场景，从温馨的家庭合影到珍贵的历史名画，仿佛世间万物都被施了魔法，统统被“吉卜力化”了。相关帖子如潮水般涌来，超过了2000万条，把社交平台刷得满满当当。