OpenAI正在全面升级其图像生成器,推出全新模型和重新设计的界面。周二,该公司宣布推出"全新旗舰图像生成模型"GPT Image 1.5,声称该模型在遵循指令、特定方式编辑照片以及生成结果方面表现更佳,速度提升可达四倍。该模型今日向所有用户开放。
OpenAI在博客文章中表示,新模型将能够更好地"匹配用户意图",特别是在修改现有照片时。改进包括"更实用的照片编辑、更逼真的服装和发型试穿,以及在保持原始图像本质的同时提供风格滤镜和概念转换"。据该公司介绍,ChatGPT侧边栏中新增的专用图像标签页将包含预设滤镜和热门提示及创意。
OpenAI将这一新模型和功能定位为特别有用的企业工具,这是其在投资者压力下寻求盈利的推进举措的一部分。在谷歌Nano Banana病毒式成功之后,AI实验室之间的图像生成竞争正在加剧。
该公司在发布声明中表示,这是"从新奇图像生成向实用、高保真视觉创作的转变","将ChatGPT转变为快速、灵活的创意工作室,用于日常编辑、表现力转换和现实世界应用"。博客文章的一个部分还重点介绍了图像生成工具如何在工作和产品图像方面发挥作用。OpenAI应用程序首席执行官Fidji Simo在Substack文章中写道,新模型和图像功能的工作方式"更像一个创意工作室"。
Q&A
Q1:GPT Image 1.5相比之前的版本有什么改进?
A:GPT Image 1.5在遵循指令、特定方式编辑照片方面表现更佳,生成结果的速度提升可达四倍。它能更好地匹配用户意图,特别是在修改现有照片时,提供更实用的照片编辑、更逼真的服装和发型试穿功能。
Q2:OpenAI为什么要推出这个新的图像生成模型?
A:OpenAI推出GPT Image 1.5是其在投资者压力下寻求盈利的推进举措的一部分,将其定位为特别有用的企业工具。同时,在谷歌Nano Banana病毒式成功之后,AI实验室之间的图像生成竞争正在加剧。
Q3:GPT Image 1.5适合什么场景使用?
A:GPT Image 1.5定位为实用、高保真的视觉创作工具,适用于日常编辑、表现力转换和现实世界应用。它特别适合企业使用,可以用于工作和产品图像创作,将ChatGPT转变为快速、灵活的创意工作室。
好文章,需要你的鼓励
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。