白交 发自 凹非寺

量子位 | 公众号 QbitAI

再见了，DALL-E！

OpenAI总裁兼联合创始人Greg再次大秀GPT-4o操作，结果网友直接缅怀DALL-E。

直接看效果。

文本拼写达到惊人的一致！手部细节、光照全都有，甚至后背上的Logo也完全正确。

有网友表示：恍惚间还以为真的是本人在讲课。

也有人感叹图像生成技术发展的飞跃：Holy Cow！

从完全破碎的文本到风格一致、拼写正确的写作，只用了一次迭代。

GPT-4o让网友直接缅怀DALL-E

GPT-4o发布以来，简直就被玩儿疯了，尤其是图像生成这块。

比如有网友发现，GPT-4o在组合任意图像上面就像是打通了任督二脉。

给它两张完全不相干的图。

结果摇身一变，“悲伤蛙版的麦片”，这不广告设计公司直接可以用了。

不过像生成统计图，就有点子翻车…比如这个，将正态分布的前 10%染成红色，就没有完成。

还有更翻车的效果……

于是乎，就有人认为这应该是DALL-E，GPT-4o现在还没办法生成图像。

如今Greg亲自下场展现GPT-4o的图像生成效果，应该也算是一种回应。

当然在评论区有网友质疑：这确定是同一个版本吗？能不能给完整的提示？

但不管怎么说，OpenAI这次免费大开放，让更多的人探索到GPT-4o的能力。

比如在上下文能力上面，有网友发现它就比GPT-4-Turbo好太多。

而在从情景对话这个场景中，GPT-4o也比ChatGPT更乐意谈论自己的感受和意识。

Omni团队大揭秘

Omni团队负责人Prafulla Dhariwal也在社交网络上表达了自己团队成员的感谢，并坦言这项工作是从一年前开始的。

Prafulla Dhariwal本科毕业于MIT，随后就前往OpenAI已经待了7个年头。

他首先表示GPT-4o是他们团队推出的第一个模型，也是OpenAI首个原生多模态大模型。

随后就来了一个团队大点名。

James Betker，负责图像和音频生成、数据准备、集成以及后续训练。

Jamie Kiros：负责GPT-4o的视觉感知。

Rowan Zellers：让模型/产品能够像人类一样自然地观看视频。

Alexis Conneau：首个在OpenAI提出Her愿景的人。他在个人简介中提到是音频AGI主管。

Gabriel Goh、Ishaan Gulrajani：负责Scaling Law相关的工作。

Alex Nichol、Heewoo Jun、Li JING，保障GPT-4o的图像生成、3D生成的能力。

……

随后奥特曼也随手一个转发评价，并表示这项工作引发了一场革命，它能改变我们使用计算机的方式。

所以，有使用过GPT-4o的朋友吗？欢迎在评论区分享你们的体验。

参考链接：
[1]https://twitter.com/gdb/status/1790869434174746805
[2]https://twitter.com/sama/status/1790816449180876804

Read More