白交发自凹非寺
量子位公众号 QbitAI
再见了，DALL-E！
OpenAI 总裁兼联合创始人 Greg 再次大秀 GPT-4o 操作，结果网友直接缅怀 DALL-E。
直接看效果。
文本拼写达到惊人的一致！手部细节、光照全都有，甚至后背上的 Logo 也完全正确。
有网友表示：恍惚间还以为真的是本人在讲课。
也有人感叹图像生成技术发展的飞跃：Holy Cow！
从完全破碎的文本到风格一致、拼写正确的写作，只用了一次迭代。
GPT-4o 让网友直接缅怀 DALL-E
GPT-4o 发布以来，简直就被玩儿疯了，尤其是图像生成这块。
比如有网友发现，GPT-4o 在组合任意图像上面就像是打通了任督二脉。
给它两张完全不相干的图。
结果摇身一变，“悲伤蛙版的麦片”，这不广告设计公司直接可以用了。
不过像生成统计图，就有点子翻车…比如这个，将正态分布的前 10% 染成红色，就没有完成。
还有更翻车的效果……
于是乎，就有人认为这应该是 DALL-E，GPT-4o 现在还没办法生成图像。
如今 Greg 亲自下场展现 GPT-4o 的图像生成效果，应该也算是一种回应。
当然在评论区有网友质疑：这确定是同一个版本吗？能不能给完整的提示？
但不管怎么说，OpenAI 这次免费大开放，让更多的人探索到 GPT-4o 的能力。
比如在上下文能力上面，有网友发现它就比 GPT-4-Turbo 好太多。
而在从情景对话这个场景中，GPT-4o 也比 ChatGPT 更乐意谈论自己的感受和意识。
Omni 团队大揭秘
Omni 团队负责人 Prafulla Dhariwal 也在社交网络上表达了自己团队成员的感谢，并坦言这项工作是从一年前开始的。
Prafulla Dhariwal 本科毕业于 MIT，随后就前往 OpenAI 已经待了 7 个年头。
他首先表示 GPT-4o 是他们团队推出的第一个模型，也是 OpenAI 首个原生多模态大模型。
随后就来了一个团队大点名。
James Betker，负责图像和音频生成、数据准备、集成以及后续训练。
Jamie Kiros：负责 GPT-4o 的视觉感知。
Rowan Zellers：让模型/产品能够像人类一样自然地观看视频。
Alexis Conneau：首个在 OpenAI 提出 Her 愿景的人。他在个人简介中提到是音频 AGI 主管。
Gabriel Goh、Ishaan Gulrajani：负责 Scaling Law 相关的工作。
Alex Nichol、Heewoo Jun、Li JING，保障 GPT-4o 的图像生成、3D 生成的能力。
随后奥特曼也随手一个转发评价，并表示这项工作引发了一场革命，它能改变我们使用计算机的方式。
所以，有使用过 GPT-4o 的朋友吗？欢迎在评论区分享你们的体验。
参考链接：
