今天日子是2025年3月26日。
OpenAI又是临时发了一个直播预告 。
凌晨2点要发东西 。
我：？？？？？？？？？？
当熬到2点看完了直播以后，我人都恍惚了，我怎么好像去年5月的时候 ，见过这个东西？怎么感觉特娘的我时间穿越回到1年前了？
翻了一下 ，果然……
2024年5月13号，GPT4o正式发布 ，那时候的blog里面 ，就说了GPT4o是一个原生多模态模型，不仅支持端到端的语音输入输出 ，其实也支持图片的端到端输入输出。
只不过 ，这一鸽，就鸽了一年 ，鸽得我都快忘了GPT4o原来也支持图片输出的……
感觉是Gemini的原生多模态用嘴改图给OpenAI逼急了 ，没办法，只能临时加塞把这玩意掏出来 。
OpenAI的发布节奏 ，真的已经越来越不对劲了 。
但是回到4o生图这个产品能力本身。
虽然说节奏稀碎 ，可OpenAI一年后掏出的这个产品，质量直接拉到顶，就跟DeepResearch把google的按在地上摩擦一样 。
大家虽然都是原生多模态 ，都可以用嘴改图 ，但是GPT4o的绘图质量，就是可以把Gemini按在地上摩擦 ，就是当今的王 ，太牛了 。
作为200刀的pro会员，我也在第一时间 ，就拿到了体验资格。
目前 ，有两个渠道可以使用4o Image Generation 。
一个事ChatGPT，一个是单独的那个Sora的网站 。
在ChatGPT上 ，当你画图的选项变成这个的时候 ，就说明用的不是Dalle3了，而是4o。
你就直接可以用嘴画图 。
也可以 ，直接用嘴改图 。
但是在ChatGPT上用 ，有一个问题就是，即使我作为200刀的Pro会员，他居然也限我流 ，才生成十几张 ，就给我限了，让我7分钟以后再用。
而在Sora上用的话 ，有个好处 ，就是速度极快，一次性可以跑4张 ，而且还无限用。
质量顶到飞起 。
你可以把这个位置 ，改成image就OK了 。
但是最大的问题，就是生成完以后的图片 ，不能进行多轮对话修改了。
现在ChatGPT和Sora的关系 ，越来越像豆包和即梦的关系了 。
我从2点，跑图跑到4点 ，坦率地讲 ，我对4o的生图质量，是非常震惊的 。
比我想象的还要好。
用过Gemini的就知道，虽然可以实现多模态改图 ，但是那个生图的质量 ，丑的不忍直视，能用 ，但是到不了生产力级别 。
但是 ，4o可以 。
我直接放一下我跑的纯生图case，改图的case放后面。
先看生图 。
Prompt：冰霜巨龙盘踞在雪峰上 ，周身冰晶闪耀 ，龙息喷出寒气，背景狂风席卷雪花 。
Prompt：山姆奥特曼在摘棉花。
Prompt：制作一张漫画风格的生日卡 ，上面写着“我希望你今天像动漫开场中的超新星一样闪耀！"
Prompt：创建一个多步骤表单用户界面设计的图像 ，简约一点，好看一点 。
Prompt：创建一个索隆的女孩版动漫角色 。
Prompt：创建一个包含所有元素的周期表卡通图像。确保每个元素框都标有元素的全名（如氦或氢）。在每个元素的框中 ，包含一个代表该元素的卡通图像 。同时也包括一些完全随机的物品 ，而不是实际的元素，仿佛是在幻觉中看到周期表的成员 。
Prompt：做一个用火龙果的外皮做的蜥蜴，照片必须逼真 ，整个鳞片都要是火龙果。
Prompt：一张坦率的狗仔风格照片 ，卡尔·马克思匆忙走过美国购物中心的停车场，回头用惊讶的表情看着 ，试图避免被拍照 。他手里抓着多个装满奢侈品的光滑购物袋 。他的外套在风中飘动 ，其中一个袋子在他迈步时摇摆。模糊的背景中有汽车和发光的购物中心入口，以强调运动 。相机的闪光灯部分过曝了图像 ，给人一种混乱的小报感觉 。
Prompt：画一个包含机器人运动学和动力学详细信息的海报。
Prompt：描绘一只对冒烟的计算机服务器机架感到困惑的水豚 。
Prompt：一只猫用粉笔在街上写下“我是一只猫”的图片 。
我还有太多太多太多跑出来的图想放给大家看了。
受限于篇幅 ，我只能放这么多，我推荐你们每一个人 ，都去试试 。
诚然 ，4o当然还有很多小问题，比如手指细节可能有问题 ，比如海报里的公式都是错的 ，比如上面的元素周期表很多是不对的，比如你让他画中文有时候会干出英文或者日文等等 。
但是，但是 ，这个质量 ，这个自由度，这个语义理解。
让我可以在这个阶段 ，无视他的所有那些细小的瑕疵。
我已经很久没有跑图跑得兴奋了 ，跑图跑得不想睡觉，这样的感觉 ，还在两年前 ，第一次看到Midjourney v5更新的时候 。
太酷了 。
当然，你并不是只可以文生图 ，当然也可以 ，图生图。
如今，你再也不需要什么SD、什么Comfyui、什么ControlNET插件 ，你就可以实现很多很多效果 。
效果就是这样的 ，BUG就是4o无法区分句和勾：
又或者，把雷总经典手势转一下风格 。
再或者，把拼多多的logo ，改成青花风格。
又或者 ，把几张图融起来 。
人物脸的一致性有一点瑕疵，但是这个融合效果 ，已经无敌到没边了 。
Sora差不多就这样 ，ChatGPT上也可以用，效果跟Sora一样 ，反正背后都是4o ，但是ChatGPT最大的好处，就是可以进行后续对话。
比如我先跑一个妹子的图片 。
Prompt：创建一幅史诗般的现实主义图像 ，特写 ，1 个女孩，漂浮的蓝色头发 ，长发 ，水滴，湿润，手持武士刀 ，带有图案的蓝色和服 ，超详细 。
我现在，想把她放到游戏海报上 ，直接嘴说就可以。
虽然在中文标题字的审美 ，跟即梦2.1相比还有一点差距，但是已经很好了 ，毕竟4o的主语言 ，是英文 。
用嘴给图片改色调 。
用嘴改变材质。
用嘴改屏幕里的UI（虽然有点乱码就是了）：
用嘴来改性别。
还有他们自己官方跑的，几个我觉得屌炸天的case ，我觉得必须拿给大家看看 。
上面这是AI直出的 ，甚至玻璃上的影子都是对的……
当年，Midjourney让世界见识到AI画师的潜能 。
后来 ，Stable Diffusion把开源的火炬交到社区手里。
再后来 ，Gemini显露多模态的雏形，却始终差点火候 。
如今，GPT4o原生多模态横空出世 ，用几乎成熟得可怕的质量 ，宣布了图像生成的新纪元 。
如此高的生成质量，如此丝滑的多模态对话 ，已经不是能不能用的问题 ，而是能否彻底改变现有的AI绘图生态。
以及人们，做AI绘图的交互方式 。
这是AI时代 ，也是我们的时代 。
说句题外话。
今天除了GPT-4o原生多模态上线 ，同时也是Gemini 2.5 pro发布 。
然后，当4o发了之后 。
我的X上的时间线……
就几乎全部被4o出图攻占了。
Gemini 2.5 Pro这一次 ，还是没抢过GPT-4o 。
1.5 Pro被Sora淹 ，2.5 Pro被4o淹 。
真的，听哥一句劝。
要不然以后咱就别发Pro ，改个名叫Ultra吧。
你说好不……
