大家好，我是 GPT Image 团队的研究科学家陈博远。上周发布的 GPT 生图模型就是我主力训练的！这次终于轮到我和奥特曼一起主持了发布会。很高兴这次修好了模型的中文渲染！如果大家有什么反馈可以直接回复我哦。图 1 中就是我在发布会上的直播（不过多语言能力是直播后半节，国内媒体好像并没有发现只有我才是国人 QwQ）。这次特意用图片生成了整个官网 blog，背后有很多花絮很好玩。 除此之外我花时间做了好多我们官网上的图片。整个 Blog 都是用图片生成的，完全没有文本。下面这些图都是我亲手做的！每张图的背后都有很多思考，这里也像艺术家一样和大家展示下。 然后是我们的中文彩蛋。当时特别想做一个很搞笑的漫画，于是想到了接住梗和香蕉梗。当然，为了秀一下文字能力，我特意让他用多国语言加了很多文字，并且家乡海报的右下角让他生成特别特别小的中文来测试到底能多细节。我为了让模型做一些只有我们才做得到的事情，特意让他生成的图要看起来像是一张对着一本真的漫画书拍的照片。这整张图，包括画中画和画中画中画都是一次性生成的。我设计完以后担心大家觉得这是张拼接图，于是特地在图底加了备注。 思来想去，这样的文字渲染其实还是不够惊艳。在队友的提示下我做了一张 4K 图 (为了节省大家的流量压缩了一点点）。内容是一堆米粒，但是其中的一颗上面刻着字。你能找到吗？ 这张日语漫画也是我做的。当时想做一个和 GPT 图片生成相关的漫画。当时做了一张和香蕉有关的巨搞笑的漫画，但是感觉放在官网上不太合适。于是最后还是用了另一种方式把漫画和 GPT 生图联系在一起。我构思了羽毛笔这个主题，剩下的只有很简单的提示词，告诉他构思 “戏剧化” 的漫画。 更多杂志页，这张是和同事一起做的。思路是让生图模型用一些真实的物体结合艺术的布局。这样既可以体现模型的对真实世界的还原，又不失设计感。 做下面这张图的时候，我在想到底有什么东西能突出我们模型在思考能力上的进步。如果让他解普通数学题方程啥的，似乎就太简单了。nano banana 似乎通过思考模式 + 文字渲染的方式也能做。于是我想到了我非常喜欢的一个视觉证明来真正考验 GPT Image 2 独特的视觉推理效果。图里提示词说的是，在黑板上用视觉（而不是代数）证明从 1 开始的奇数之和是一个平方。普通的模型其实很容易推理出代数解，但是图形解只有视觉模型才能做了。 最后这张图展示的是搜索能力，要去我们官网的商店里找内容做一个海报。直播里我们还展示了 Thinking mode 自动生成二维码放进图片里 - 其实背后有个彩蛋，当时展示的二维码扫进去的前若干个人可以获得一个免费小奖品。 最后的最后还是要感谢团队的齐心协力！每个人都做了很多很多的事情。在发布前的尾声，我除了在修一些小东西就是和市场部门的同事还有做艺术的同事一起准备发布会和这个网站，他们真的是我见过的最强大的合作者了，也让我们最后才有了这么漂亮的网站。