#OpenAI文生图强在哪# 当你以为 OpenAI 拉了，他就给你放个大的。GPT-4o 文生图模型出来后，昨天差不多刷爆了 X，这玩意直接让用嘴 P 图、敲字画图的离谱需求，成了可能。
首先，画面保持和图片风格转化方面，4o 主打一个驾轻就熟。像照片转成漫画风，把画改成真实风格，都相当不错。但其他 AI 也能做到。真正 Only OpenAI can do 的是以下几点。
第一个是在文本的渲染上，4o 模型这次残暴得甚至有点可怕。例如图五，我让他生成一个学者在白板上写量子力学的公式和理论，又有数学公式又有框图的，它不仅全识别出来，白板的倒影效果甚至都能做出来。
第二个就是在多主体的生成上，4o 模型这次主打一个又准又狠。按照 OpenAI 的说法，其他模型在处理 5-8 个对象时就顶不住了，而 4o 最多能处理 10-20 个不同的对象。
我觉得最牛的，是 4o 的图片生成模型在对于文字和图像的理解这方面，就跟长了脑子一样，特别是在长文本理解上。例如图八，我叫它画一个房间里的大象，但不能让观众直接看见有大象，得是那种明明存在，但所有人都看不见，但在氛围里又真的存在的大象。很抽象是吧，但它理解了，并用光影搞了一个透明的空气大象。
还有不给任何参考信息，让它直接用插图解释一样牛顿发现的光的折射原理，他能直接给出教科书级的专业插图。
当然它不是完美的，图片元素如果过多，或者长度太长，到后面就会崩了。官方博客还说，他们虽然在拉丁文字处理上整挺好，但对别的小语种，就不大行了。但瑕不掩瑜，AI 更新的速度实在是太快了。
