在周二的直播中,OpenAI 首席执行官 Sam Altman 宣布了 ChatGPT 一年多以来首次重大的图像生成功能升级。
ChatGPT 现在可以利用公司的 GPT-4o 模型原生创建和修改图像及照片。GPT-4o 一直是这个 AI 驱动的聊天机器人平台的基础,但直到现在,该模型只能生成和编辑文本,而不能处理图像。
Altman 表示,GPT-4o 原生图像生成功能现已在 ChatGPT 和 OpenAI 的 AI 视频生成产品 Sora 上线,面向该公司每月 200 美元专业版计划的订阅用户开放。OpenAI 表示,该功能将很快向 ChatGPT 的 Plus 用户和免费用户开放,同时也会向使用公司 API 服务的开发者开放。
与其实际替代的图像生成模型 DALL-E 3 相比,具有图像输出功能的 GPT-4o 在生成过程中会"思考"更长时间,以创建 OpenAI 所描述的更准确和更详细的图像。GPT-4o 可以编辑现有图像,包括含有人物的图像——对其进行转换或"修复"前景和背景对象的细节。
据 OpenAI 向《华尔街日报》透露,为了支持新的图像功能,他们使用"公开可用的数据"以及与 Shutterstock 等公司合作获得的专有数据来训练 GPT-4o。
许多生成式 AI 供应商将训练数据视为竞争优势,因此对其相关信息严格保密。同时,训练数据细节也可能引发知识产权相关诉讼,这是公司不愿透露太多信息的另一个原因。
OpenAI 首席运营官 Brad Lightcap 在向《华尔街日报》的声明中表示:"在输出方面,我们尊重艺术家的权利,并且我们制定了相关政策,防止生成直接模仿任何在世艺术家作品的图像。"
OpenAI 提供了一个退出表单,允许创作者请求将其作品从训练数据集中移除。该公司还表示,会尊重网站禁止其网络爬虫收集训练数据(包括图像)的请求。
ChatGPT 升级后的图像生成功能紧随 Google 旗舰模型之一 Gemini 2.0 Flash 的实验性原生图像输出功能之后。这个强大的功能在社交媒体上迅速传播——但并非都是好事。Gemini 2.0 Flash 的图像组件似乎缺乏足够的安全限制,允许用户移除水印并创建包含受版权保护角色的图像。
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
中科院联合字节跳动开发全新AI评测基准TreeBench,揭示当前最先进模型在复杂视觉推理上的重大缺陷。即使OpenAI o3也仅获得54.87%分数。研究团队同时提出TreeVGR训练方法,通过要求AI同时给出答案和精确定位,实现真正可追溯的视觉推理,为构建更透明可信的AI系统开辟新路径。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
PyVision是上海AI实验室开发的革命性视觉推理框架,让AI系统能够根据具体问题动态创造Python工具,而非依赖预设工具集。通过多轮交互机制,PyVision在多项基准测试中实现显著性能提升,其中在符号视觉任务上提升达31.1%。该框架展现了从"工具使用者"到"工具创造者"的AI能力跃迁,为通用人工智能的发展开辟了新路径。