外贸商的淡定与忧闷
+242。。。 。。。。。这是 4 月 21 日 GPT-Image-2 在 Image Arena Text-to-Image 排行榜上领先第二名的 Elo 分差。。。 。。。。。Arena 官方用了一个词：clean sweep ——全榜第一，，，，，，，，没有破例。。。 。。。。。OpenAI 在这天正式宣布了 GPT-Image-2。。。 。。。。。面向所有 ChatGPT 用户，，，，，，，，API 预计 5 月初跟进。。。 。。。。。焦点参数：最高 4096 × 4096 区分率，，，，，，，，天生速率比前代快一倍，，，，，，，，文字渲染准确率以前代的 90-95% 跳到约 99%。。。 。。。。。定价每百万 token $8-$30，，，，，，，，折合单张图片 $0.006-$0.211。。。 。。。。。模子分两种模式。。。 。。。。。Instant 是快出图，，，，，，，，所有人可用；；；；；Thinking 模式集成推理和网页搜索，，，，，，，，单次最多天生 8 张气概一致的图片——但锁在 Plus 及以上付费层级。。。 。。。。。只看参数，，，，，，，，这像一次通例迭代。。。 。。。。。但 Arena 首创人 @ml_angelopoulos 看完 Arena 榜单后说了一句话："literally broke the chart ——有史以来最大的差别。。。 。。。。。"差别背后是一个积攒了三年的问题终于被正面回应了。。。 。。。。。AI 图像天生最大的笑话，，，，，，，，一直是文字。。。 。。。。。DALL-E 3 拼差池重大单词，，，，，，，，Midjourney 把招牌写成乱码，，，，，，，，Stable Diffusion 在海报上输出鬼画符。。。 。。。。。文字渲染是生图模子的 " 手指问题 " ——不是不主要，，，，，，，，而是一做就露馅。。。 。。。。。99% 的准确率若是建设，，，，，，，，AI 天生的海报、菜单、UI 截图、品牌物料第一次可以跳过人工修正，，，，，，，，直接交付。。。 。。。。。生图模子的能力界线，，，，，，，，正在从 " 视觉 " 扩展到 " 信息 "。。。 。。。。。1. 案例：它究竟能做什么宣布当天，，，，，，，，社区反应险些是即时的。。。 。。。。。文字渲染是宣布当天被验证最多的能力。。。 。。。。。VentureBeat 的 Carl Franzen 让模子天生阿兹特克、玛雅和印加三大帝国国界的历史地图，，，，，，，，附完整图例。。。 。。。。。地图准确、图例完全可读，，，，，，，，他用的词是 "seemingly flawlessly"。。。 。。。。。TechCrunch 的 Amanda Silberling 让模子天生一份墨西哥餐厅菜单——两年前 DALL-E 3 拼差池 "enchilada"，，，，，，，，这次的输出 " 可以直接放进餐厅使用，，，，，，，，客人不会察觉任何异样 "。。。 。。。。。Thumio 首创人 @corbin_braun 连发几串 thread，，，，，，，，做了更直觉的比照：把 Google Pro 3 和 GPT Image 2 的缩略图天生效果并排放出来。。。 。。。。。他的结论一个词："insane。。。 。。。。。" 统一天他还连发数条帖，，，，，，，，称这是 "YouTube thumbnail endgame"。。。 。。。。。文字之外，，，，，，，，角色一致性是另一个被重复提到的点。。。 。。。。。OpenAI 演示了从一张自拍天生三页漫画的事情流，，，，，，，，角色在多页间坚持一致。。。 。。。。。美妆博主 @jameygannon 把这个能力拉进了商业场景：一条 prompt 天生一整套品牌 kit —— logo、配色、排版、多页应用。。。 。。。。。值得注重的是，，，，，，，，这些测试所有爆发在宣布后几小时内，，，，，，，，来自差别人、差别场景、差别诉求。。。 。。。。。没有人在全心挑选最佳输出。。。 。。。。。2. 手艺拆解：为什么这次纷歧样架构重写。。。 。。。。。 GPT-Image-2 不再基于 GPT-4o 的图像 pipeline。。。 。。。。。研究认真人 Boyuan Chen 将其界说为 "GPT for images" ——一个重新设计的自力系统。。。 。。。。。社区测试者在 4 月初 Arena 泄露阶段（模子以 maskingtape-alpha、gaffertape-alpha、packingtape-alpha 三个代号泛起）就注重到转变：从两阶段天生转向单次推理。。。 。。。。。用一个类比：已往的模子是 " 先听懂你说什么，，，，，，，，再下手画 "，，，，，，，，中心有一次信息压缩；；；；；GPT-Image-2 是 " 边明确边画 "，，，，，，，，语言明确和图像天生在统一历程中完成。。。 。。。。。以是文字渲染终于准了——天生每个像素时，，，，，，，，模子仍然 " 知道 " 自己在写什么字。。。 。。。。。Thinking 模式。。。 。。。。。 开启后，，，，，，，，模子在落笔前先妄想构图，，，，，，，，天生后检查输出，，，，，，，，发明过失还会迭代修正。。。 。。。。。anti gamble 首创人 @damianplayer 的拆解："reasoning mid-generation —— plans the composition, checks its own output。。。 。。。。。" 推理集成还让模子可以在天生历程中挪用网页搜索、将文档转化为视觉图表、在 8 张图片间维持角色一致性。。。 。。。。。天下知识的奔腾。。。 。。。。。 训练数据显着偏向真实天下的视觉素材：UI 截图、店面招牌、界面结构。。。 。。。。。当你要求天生 " 通俗工程师的屏幕 "，，，，，，，，它输出的是可信的显示器画面，，，，，，，，不是要害词拼贴。。。 。。。。。@Yuchenj_UW 试用后的判断很直接："It is really good. OpenAI is finally leading the image gen again。。。 。。。。。"架构决议了它能 " 读懂 " 文字，，，，，，，，Thinking 让它能 " 检查 " 文字，，，，，，，，天下知识让它知道文字应该 " 长什么样 "。。。 。。。。。三层能力叠在一起，，，，，，，，文字渲染从短板酿成了长板。。。 。。。。。3. 人类必需严肃看待这样的以假乱真能力StartupFortune 在宣布日给了一个定位：从 "creative novelty" 到 "production infrastructure"。。。 。。。。。品牌 mockup、广告设计、信息图表，，，，，，，，已往由于文字不可靠而必需人工介入的场景，，，，，，，，最先酿成一条 prompt 可以交付的事情流。。。 。。。。。不过 StartupFortune 自己也加了一句审慎的提醒："benchmark performance and production performance often diverge。。。 。。。。。"99% 是实验室数字，，，，，，，，真实天下的多语言、多字体、多排版场景能不可 hold �。。。 。。。。。�，，，，，，，5 月 API 开放后才会有谜底。。。 。。。。。我们更体贴的是另一个问题。。。 。。。。。Jake Handy 在宣布日的 Substack 手艺拆解中写了当天最尖锐的一段：让 GPT-Image-2 成为最好生产力工具的那组能力——准确的文字渲染、可信的 UI 结构、真实天下的视觉词汇——恰恰也是制造虚伪信息的完善工具集。。。 。。。。。假 UI 截图、假 Bloomberg 终端、假法庭文件、假 Slack 对话，，，，，，，，"every one of those is dense text laid over a known visual vocabulary, which is the exact workload OpenAI optimized for。。。 。。。。。"（" 这些中的每一个都是在已知视觉词汇之上叠加的麋集文本，，，，，，，，而这正是 OpenAI 所优化的事情负载。。。 。。。。。）这个视察之以是耀眼，，，，，，，，是由于它不是在说模子有什么 " 副作用 "，，，，，，，，它在说模子最被赞美的谁人能力——把文字准确地嵌入可信的视觉场景——自己就是双刃的。。。 。。。。。已往的生图模子由于文字太烂，，，，，，，，反而自然带有一层 " 防伪标记 "：一眼就能看出是 AI 做的。。。 。。。。。GPT-Image-2 把这层自然屏障拆掉了。。。 。。。。。OpenAI 的应对是 C2PA 元数据水印和溯源分类器。。。 。。。。。image-2 lauch 的直播中，，，，，，，，产品认真人 Adele Li 在宣布会上自己认可，，，，，，，，元数据 "is not a silver bullet" ——截图、裁剪、平台压缩，，，，，，，，任何一步都让水印失效。。。 。。。。。Jake Handy 给出的定性我们以为是准确的："The model is an excellent problem。。。 。。。。。"AI 图像天生确实进入了 " 文字时代 "。。。 。。。。。但文字可信这件事，，，，，，，，在人类的前言史上，，，，，，，，历来就不但是一个手艺问题。。。 。。。。。这也许才是谁人 " 强到不应该果真宣布 " 的模子，，，，，，，，今天之后，，，，，，，，每小我私家都有了随意天生一经都会被认作事实证据的图片，，，，，，，，信息的判断变得亘古未有的难，，，，，，，，这个强到离谱的模子会在未来很长一段时间给人们带来恐慌，，，，，，，，我们会看到因此而爆发的种种冲突和讨论，，，，，，，，人类必需一起严肃应对这种以假乱真的能力了。。。 。。。。。