“動動嘴就能P圖”，ChatGPT文生圖功能太火爆，奧爾特曼：GPU“冒煙了”！什么情況？

每經(jīng)編輯 杜宇

隨著OpenAI的圖像生成功能完成重大升級，新的問題出現(xiàn)了。

OpenAI首席執(zhí)行官薩姆?奧爾特曼（Sam Altman）表示：ChatGPT的文生圖應(yīng)用需求過高，我們的GPU“冒煙了”（melting，原為融化之意），在努力提高效率的同時，將暫時對ChatGPT生成圖片的功能引入一些速率限制。

圖片來源：社交平臺

這意味著，OpenAI將對ChatGPT的圖像生成功能實施臨時限速，降低單位時間內(nèi)的請求處理量，緩解GPU過載壓力，并優(yōu)先保障文本生成、對話等核心功能的穩(wěn)定性，或許將暫時放緩圖像生成的技術(shù)優(yōu)化節(jié)奏。

據(jù)OpenAI官網(wǎng)，當?shù)貢r間3月25日，美國開放人工智能研究中心（OpenAI）宣布正式推出GPT-4o圖像生成功能。

圖片來源：OpenAI官網(wǎng)

該功能上線后，以“動動嘴就能P圖”的便利迅速火爆，互聯(lián)網(wǎng)平臺上涌入大量由個人照片、知名梗圖轉(zhuǎn)變而來的“吉卜力”卡通風格圖片。

“動動嘴就能P圖”是指通過簡單的文字描述或語音指令，利用AI技術(shù)直接對圖片進行編輯、修改或生成，而無需手動使用復(fù)雜的圖像編輯工具，如Photoshop等。這種功能的核心在于將自然語言處理與圖像生成技術(shù)相結(jié)合，極大地降低了圖片編輯的門檻。

GPT-4o是一個多模態(tài)AI模型，能夠接受文本、音頻和圖像的組合輸入，并生成相應(yīng)的圖像輸出。這意味著用戶可以通過語音指令來要求AI生成或修改圖像，而不僅僅局限于文字描述。

連Altman也感嘆起該功能帶來的潑天流量：“自己過去十年埋頭苦干做AI，試圖幫助實現(xiàn)超級智能來治愈癌癥之類的事情。前7.5年幾乎無人問津，接下來的兩年半，做什么都會引來所有人的厭惡。然后某天醒來收到幾百條消息，人們告訴你被畫成了吉卜力風格的美少年。”

Sam Altman在社交平臺上的新頭像，生成自Images in ChatGPT

據(jù)OpenAI介紹，GPT-4o圖像生成功能具備四大核心優(yōu)勢：精準文本渲染、嚴格指令遵循、深度知識調(diào)用及創(chuàng)意拓展能力。

據(jù)揚子晚報·紫牛新聞，為驗證其實際表現(xiàn)，記者進行了多組實測。在測試“生成一張帶有‘揚子晚報/紫牛新聞’字樣的照片”時，GPT-4o精準還原了英文部分內(nèi)容，但對于中文字符的識別能力有待提升。整個過程耗時約30秒，生成速度遠超預(yù)期。

圖片來源：揚子晚報·紫牛新聞

在另一項測試中，通過多輪對話優(yōu)化圖像。首先要求生成“一只老虎，戴著黑色墨鏡”，GPT-4o迅速呈現(xiàn)了細節(jié)豐富的畫面。老虎的毛發(fā)紋理清晰可見，透過墨鏡能看到老虎的眼睛細節(jié)。隨后，記者進一步輸入指令“給這個老虎戴上偵探帽，并生成游戲場景”，新生成的圖像不僅完美實現(xiàn)了場景變化，還保持了主體特征的一致性，展現(xiàn)了強大的上下文連貫性。

圖片來源：揚子晚報·紫牛新聞

針對復(fù)雜場景的處理能力，以“設(shè)計一個包含12個不同物體的4x3網(wǎng)格圖，每個物體需準確呈現(xiàn)指定特征”進行測試。GPT-4o成功應(yīng)對了這一挑戰(zhàn)，從藍色星星、紅色三角形到彩虹閃電，細節(jié)精準度令人驚嘆。但可能是對中文理解能力不足，生成圖案中存在指令缺失的情況。

在實用性測試中，記者嘗試生成專業(yè)場景圖像。例如，要求“制作一份傳統(tǒng)中式風格的餐廳菜單，包含毛血旺和酸菜魚的菜品描述”。GPT-4o生成的菜單不僅文字排版優(yōu)雅，插畫風格與菜品完美契合，整體視覺效果令人滿意。此外，生成科學示意圖的能力同樣出色。記者輸入指令“繪制牛頓棱鏡實驗的示意圖”，模型迅速輸出了結(jié)構(gòu)清晰的教學圖像。

盡管存在這些不足，GPT-4o 圖像生成功能的革新性依然顯著。其精準的文本渲染能力、對復(fù)雜指令的高遵循度，以及多輪對話中的一致性表現(xiàn)，為創(chuàng)意設(shè)計、教育教學、游戲開發(fā)等領(lǐng)域提供了強大工具。正如OpenAI首席執(zhí)行官薩姆?奧爾特曼（Sam Altman）所言，這一功能的推出標志著 “創(chuàng)作自由的新高點”，用戶將借此釋放更多視覺創(chuàng)意潛能。

作為AI領(lǐng)域的頭部玩家，OpenAI背后的GPU儲備自然是業(yè)內(nèi)頂尖水準。根據(jù)技術(shù)咨詢公司Omdia的分析，微軟作為OpenAI的主要投資者，在2024年購買了約48.5萬塊英偉達的Hopper芯片，是其主要競爭對手Meta的兩倍，這使其成為英偉達GPU的最大買家。OpenAI的大模型正是用微軟的Azure云基礎(chǔ)設(shè)施進行訓練。

可以說，OpenAI因新功能面臨的問題，折射了AI多模態(tài)技術(shù)發(fā)展中的資源與需求平衡難題，一方面，AI應(yīng)用對GPU等算力資源的需求依然龐大，另一方面，行業(yè)繼續(xù)呼喚技術(shù)迭代，以求高效利用現(xiàn)有資源。

圖片來源：視覺中國

據(jù)北京商報，此次更新GPT-4o的圖像生成功能之后，OpenAI更大的產(chǎn)品更新將是推出GPT-5。今年2月，OpenAI首席執(zhí)行官山姆·奧爾特曼表示，OpenAI將會在ChatGPT和API服務(wù)中搭載新模型GPT-5，GPT-5將集成公司多項技術(shù)，包括推理模型o3的技術(shù)，GPT-5可能會在未來幾個月內(nèi)推出。

封面圖片來源：每日經(jīng)濟新聞 資料圖