搜索
用强化学习（RL）优化文生图模型的 prompt following 能力，是一条被广泛验证的路径 —— 让模型根据 prompt 用不同随机种子生成多张图片，通过 reward model 计算 reward，再利用相关 RL 算法优化模型。
GPT Image 2 凭什么这么强？是扩散模型又迭代了一版？是把 DiT 的参数量从 7B 扩到 20B？是训了更多高质量数据？先给结论：OpenAI 很可能已经不在“纯扩散模型”这条主赛道上了。他们已经把图像生成从“美术课”调到了“语文课”——用一个能读懂指令、能记住上下文、能理解物体关系的 LLM 主导语义规划，至于最后一步的像素生成，可能由扩散组件或其他解码器完成。
当AI生图真的开始被普通人使用，它会先被用在哪里？所以这次我没有继续测模型或者写Prompt分享。而是去找了10个身边的普通人，问他们怎么开始用AI生图，又为什么会在这些具体的小事上用到它。
商汤刚刚开源了一个全新架构的理解生成统一模型SenseNova-U1，虽然小尺寸版本只有8B，却能复刻不少GPT-Image-2的拿手绝活。太阳系图解，八大行星各自的轨道、属性、图文介绍一应俱全，看着挺像那么回事。
在消耗了无数张 GPU 资源、烧掉了够几座城市用一年的电力之后，OpenAI 最新推出的 AI 生图大模型 GPT-Image-2，再次迎来了它人生中的高光时刻——给人类看手相/面相。
允中 发自 凹非寺 量子位 | 公众号 QbitAI 这两天，大家伙朋友圈是不是被GPT-Image-2刷屏了？ 文字渲染精准、高密度的信息图，复杂布局和美学UI一次到位，真实感爆棚。 连社交媒体截图
AI第一次从包工头，变成了建筑设计师。
谷歌真是急了。 前脚刚传来消息，称谷歌联合创始人谢尔盖·布林重启“创始人模式”，亲自督战并组建精英“突击队”，全力提升Gemini在AI编程和自主智能体等关键能力上追赶Anthropic等对手。 后脚
今夜，ChatGPT Images 2.0震撼上线，成为首个「会思考」的图像AI。奥特曼直呼这是从GPT-3到GPT-5的飞跃。它不仅能精准听懂中文指令、渲染复杂UI，甚至能在米粒上刻字。
4 月初，LM Arena 评测平台上出现了三个匿名图像模型，代号分别是 maskingtape-alpha、packingtape-alpha、gaffertape-alpha。几小时后它们消失了。OpenAI 官方还没有正式宣布这个模型，但根据 API 返回的元数据和用户侧的测试记录，它已经有了一个被广泛接受的名字：GPT Image 2。