GPT-4o再秀神操作，“复现”OpenAI总裁讲课，网友当真了

转载 于 2024-05-16 12:31:41 发布 · 96 阅读 · 0 ·
CC 4.0 BY-SA版权
原文链接：https://mp.weixin.qq.com/s?__biz=MzIzNjc1NzUzMw==&mid=2247729355&idx=3&sn=dd7cdacb5f47bb927b98de5687feb5e5&chksm=e9f37e027be2b2adf83083e3538ff2f9cad71503d208997cee060dbf3a242a59b7cae4f318b3&scene=126&sessionid=0
文章标签：

#人工智能

部署运行你感兴趣的模型镜像
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-E7e388ef5899357661b8d1fa72125b85b.png。

38eba50f5ff59758d5eea1a516dd7389.png

直接看效果。

2bfd5d475b95bbb919d37c950fde7c84.png

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。

fbc6873114320960f0f7b175aec54fb5.png

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。

22ebd42839ac9379fc4ec7d8b0bf47f2.png

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。

6280c8b7f7d616b86590cb31fa05dda2.png

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。

517317cbb092fa78000a34a8ff0d9053.png

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。

a539a6b5874adf6a4bb21998031e12f9.jpeg

还有更翻车的效果……

cab81130235d2a8422d7db71d09a84b5.png

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。

34c0e14dc24be5a47e228723b8f33cf0.png

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？

1c29fb62f39cb3f835f242f2b287450b.png
13cdc4bc8d76e2159e4ae6f3ebee0939.png

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。

18fee586ea5dec73e49729556e490be3.png

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。

243a1f5da7caf1342eda94e975556286.png

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。

e08845f5c3bae0fb8dae945344e10993.jpeg

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。

5717068c78d6fc71dcc0afe711cd7185.png

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。

094b0651ad6df3a20eb8aa6809122489.png
……

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：
[1]https://twitter.com/gdb/status/1790869434174746805
[2]https://twitter.com/sama/status/1790816449180876804

— 完 —

量子位年度AI主题策划正在征集中！

欢迎投稿专题 一千零一个AI应用，365行AI落地方案

或与我们分享你在寻找的AI产品，或发现的AI新动向

d12a84713c1eb82bef568c72e1300bf7.png

点这里👇关注我，记得标星哦～

您可能感兴趣的与本文相关的镜像

GPT-SoVITS

GPT-SoVITS

AI应用

GPT-SoVITS 是一个开源的文本到语音（TTS）和语音转换模型，它结合了 GPT 的生成能力和 SoVITS 的语音转换技术。该项目以其强大的声音克隆能力而闻名，仅需少量语音样本（如5秒）即可实现高质量的即时语音合成，也可通过更长的音频（如1分钟）进行微调以获得更逼真的效果

QbitAl
关注
博客
英伟达巧用8B模型秒掉GPT-5，开源了
12-06 35
MIT和CMU联合团队的ToolRL，提出以奖励为核心的工具学习框架，训练小模型通过强化学习动态选择工具，主要是解决“传统工具学习过度依赖人工标注数据” 的问题，通过自动生成工具交互轨迹训练模型。最明显的原因就是实用。大模型虽强，但太贵、太慢，而Orchestrator-8B参数量小，还能实现「强+省钱」，直接解决了落地时的成本难题。虽然也是奖励机制，但ToolRL的奖励函数更侧重于任务的正确性和工具调用效率，并没有明确纳入用户偏好，且工具库以基础工具和专业API为主。
博客
SpaceX估值8000亿美元超OpenAI，IPO就在明年
12-06 103
2008年，猎鹰1号在历经三次失败后终于成功入轨，这让SpaceX证明了自己——虽然是一家私营公司，但同样具备入轨能力。再到2025年，依靠猎鹰9号的高频复用，SpaceX实现了全球最高的发射能力，为大规模卫星星座的建设彻底铺平道路。比如，据彭博在内的另外几家媒体透露，SpaceX也可能以300美元左右/股进行交易，届时公司估值可能为5600亿美元，而非当前正在传的8000亿美元。到目前为止，SpaceX已经在火箭发射市场占据主导地位，除了帮一些商业卫星公司执行发射计划，也和NASA等官方机构多有合作。
博客
14岁华人小孩，折个纸成美国天才少年
12-06 15
而就是这些日常生活随处可见的普通纸张，让迈尔斯在一众背靠专业实验室设备的选手中脱颖而出，一举成为纽约名声大噪的天才少年。而就是这张看似平平无奇的折纸，却在此后成为了日本卫星太阳能板的关键结构，甚至NASA的可折叠太阳能阵列也曾受其启发。为了找出最优解，迈尔斯的研究囊括了4项变量：包括三种不同的平行四边形宽度、三种角度、两种高度，再加上三类纸张。神奇的是：在这54套方案中优胜的，并非尺寸较小、角度较小的板材，反倒是看似普普通通的复印纸。我完全是在没有任何专业设备的情况下完成的研究。
博客
智能体A2A落地华为新旗舰，鸿蒙开发者新机遇来了
12-06 448
当你沉浸在小红书的旅行攻略时，只需双指长按即可召唤分屏导航，左侧点击攻略里的景点，右侧的百度或高德地图瞬间就能响应定位，甚至能依据文中提到的多个地点自动规划出最佳路线，让导航出行一目了然。总之，A2A协作把人找服务的旧模式，变成了一声令下服务就主动找人的新形态，它让设备具备了组织能力，这不仅是效率的提升，更是消费电子设备进入主动智能协作阶段的里程碑。现在，只需对小艺下令，小艺就会作为主Agent，点个名就能自动调度并指挥第三方应用的子Agent，无需界面跳转，在小艺的对话框内就能完成任务。
博客
《三体》“宇宙闪烁”成真！免佩戴裸眼3D屏登Nature
12-06 30
长相上，它的大小和普通的24寸桌面显示器相当，但别小看这个尺寸，它的有效3D成像面积达到了0.1到0.2平方米，跟以前那种只能显示指甲盖大小的全息技术比起来，足足大了1000倍。它的思路不再是试图在整个空荡荡的空间里重建光场，而是利用传感器实时锁定观察者的眼球位置，通过精密计算，将有限的光学信息“聚拢”起来，只精准地投射到你双眼注视的那个小范围内。在实现这么多复杂效果的同时，它的画质一点没缩水，依然保持了1920×1080的高清分辨率，刷新率也超过了50Hz，画面非常流畅，完全能撑得起实时的动态内容。
博客
知名数学家辞职投身AI创业：老板是00后华人女生
12-06 69
是一个30年前的加法数论问题，涉及将整数表示为多个进制下的幂之和，在Axiom发布的前两天，Harmonic同样宣称解决了该问题，但只完成了简化版问题的证明，以及Lean形式化验证。在此期间还发表了9篇论文，涉及领域相当广泛，包括模椭圆曲线与K3曲面的L函数、月光猜想、theta与划分函数同余方程、堆栈排序算法，和二部图边染色的马尔可夫链。他主要的工作是推动内部AI模型达到性能极限，通过设计出只有深度理解数学原理才能够解决的数学问题，以及制定衡量系统性能的基准，指导模型优化。几周前，OpenAI曾声称。
博客
谷歌新架构突破Transformer超长上下文瓶颈！Hinton灵魂拷问：后悔Open吗？
12-05 70
现在AI领域已经达成共识的是，Transformer虽好，但自注意力机制的效率问题正在日益凸显：每个token都要“关注”其他所有token，导致计算量和内存消耗与序列长度的平方成正比。它把从长期记忆中提取的信息，当作是历史信息的“摘要”，与当前的短期输入一起进行处理。其中的关窍是“意外”。本质上，可以说这个新架构的重点，是重新定义Transformer的“记忆模式”，将其进化为一种更强大的混合架构。是Titans架构的一种主要变体，设计思路是，将长期记忆作为一种额外的上下文信息，直接“喂”给注意力机制。
博客
Office危！阿里千问这回把“办公全家桶”打包进了对话框
12-05 89
更实用的一点是，生成完还能改，我觉得这是这次升级最最最实用的功能点，毕竟我们平时让AI帮我们生成的PPT都不支持修改，最后还是要挪到office里搞，很麻烦。除了生成、编辑、格式调整外，在这次升级中，千问还支持Word/PPT/PDF/Excel等各类格式转换，确保用户相关操作在一个APP里就能完成。从排版格式上来看，文字行间距、字间距、大小标题的位置都没乱，内容也被分成了清晰的序号区块，整体观感还是比较舒服的。此外，PPT美观程度也是我们很care的点，现在我们在千问中可以直接更换PPT。
博客
优理奇机器人完成两轮合计3亿元天使++++轮及天使+++++轮融资，“算法-硬件-场景”三位一体加速具身智能应用落地
12-05 45
优理奇构建了涵盖感知、决策、控制的完整技术栈，并通过UniTouch多模态感知模型、UniFlex、UniCortex等行业领先的“大小脑”模型组合，以及行业首款量产的8自由度仿生机械臂和开放工具链，显著提升了机器人在非结构化环境中的适应性与可靠性。深度参与产品定义，以“可教学、可编程、可复现”为特点，配备完整ROS2接口，为科研与教育提供高效基础设施，进一步巩固公司在技术生态中的影响力。顶尖的技术与工程团队、经过严苛验证的产品、清晰的商业化路径、强大的产业资本联盟以及政府层面的全力支持。
博客
视频模型也能推理，Sora2推理能力超过GPT-5
12-05 69
这种通过视频来“预知未来”的能力，让模型不仅能理解当下的物理规则，更能推演未来的连锁反应，这或许才是通往World Simulator那把关键的钥匙。反观视频模型，它们通过构建时空连贯的Chain-of-Frame进行推理，这种“视觉动力学”机制保证了无论场景多么复杂，每帧的视觉 Token 密度都保持稳定，从而天然地维持了空间连续性。值得注意的是，团队进行了一项严苛的对比实验：在完全相同的训练数据和接近的训练设置下，同时微调了Wan2.2-TI2V-5B 和 Qwen2.5-VL-7B。
博客
GPT-5从零提出量子物理新想法，物理学家写成论文已登Physics Letters B
12-05 90
通俗地说，我们熟悉的量子力学是 “线性” 的，那如果给它加一些 “非线性” 的修改（让量子状态的变化不仅和自身有关，还和整个系统的状态挂钩），能不能依然符合相对论的要求（比如信息不能超光速传播、物理规律不随观测角度变）。他指出，这是大模型在物理学中的常见问题：模型的专业知识覆盖整个文献领域，因此完全有能力引入来自遥远子领域的、听起来很合理的技术应用，而这些往往是最难发现的虚构内容。与大模型一起做研究，可能类似于与一位才华横溢但不可靠的人类天才合作，他能够产生深刻的洞见，但也会犯下简单和深刻的错误。
博客
北航领衔发布300页代码智能综述：从基础模型到智能体，一次读懂Code LLM全景图
12-05 56
From Code Foundation Models to Agents and Applications》一文是对过去几年代码智能领域的一次系统梳理：模型、任务、训练、智能体、安全与应用都被串联成了一条完整、连贯的技术链路。论文将风险拆分为数据安全、模型安全和执行安全三个层面：包括训练数据的许可证风险、模型生成的潜在漏洞、提示攻击、环境操控、以及代码执行带来的系统级风险。论文从需求理解、代码定位、跨文件生成、自动测试、APR（自动修复）、日志分析等任务切入，为每一步构建了对应的Agent框架和案例。
博客
谷歌最强大模型付费上线，在DeepSeek开源后被吐槽太贵
12-05 64
具体来说，在「深度思考」模式下，Gemini会开启迭代推理，能多轮打磨代码，生成更精细的程序，从而在可视化、原型设计和实验方面给出细节更丰富的交付结果。不给对手任何喘息的机会，Gemini 3 Pro刚给OpenAI按在地上锤完，谷歌转手又扔出一重磅炸弹——Gemini 3 Deep Think。这或许也能解释，为什么本该是谷歌又一大招的Gemini 3 Deep Think，最终却出乎意料的反响平平，评论区几乎清一色都在吐槽定价。该模型的底层技术衍生于Gemini 2.5 Deep Think——没错，
博客
Ilya刚预言完，世界首个原生多模态架构NEO就来了：视觉和语言彻底被焊死
12-05 647
而过去几年，行业陷入了“唯规模论”的路径依赖，直到今天，以Ilya为代表的一批顶尖研究者才集体发出警示：Transformer架构的固有局限已日益凸显，仅靠堆叠算力和数据，无法通往真正的通用智能。它不仅重新定义了多模态模型的构建方式，更向世界宣告：AI的下一站，是回归到对智能本质的探索，通过根本性的架构创新，去构建能真正理解并融通多维信息的通用大脑。注意力机制是大模型的思考方式，在传统模块化模型里，语言模型的注意力是因果的（只能看到前面的词），而视觉编码器的注意力是双向的（能看到所有像素）。
博客
2025年的冬天，上海凭什么被称为“世界具身智能第一战场”？
12-05 65
真正的里程碑在于，在中国，以上海为代表的世界具身智能产业排头兵们，已经建立了一个让硅基生命能够“出生、成长、学习、就业”的完整生态系统。坐镇，她考核的不仅是摆放位置，更是机器人能否理解“留白”的意境，能否通过花材的疏密布局，表达出“孤独”或“热烈”的。行业的“定海神针” 发布的“青龙”全尺寸通用人形机器人开源公版机，通过开源图纸和架构，将全行业的起跑线向前推进了。2025年的冬天，黄浦江畔的风带着些许湿冷，但张江科学会堂周边的空气，却因高密度的算力运转而近乎沸腾。具身智能的大脑训练需要极高的算力支持。
博客
华为新架构砍了Transformer大动脉！任意模型推理能力原地飙升
12-05 526
如果我们将一层Attention视为一阶关系（A认识B），那么将Attention的输出作为下一层Attention的输入，就可以构建二阶关系（张三通过李四认识王五），乃至更高阶的关系。这种结构天然支持多跳推理链，就像人在解一道数学题时，先理解题干中的关键变量（第1层），再思考它们之间的公式关系（第2层），最后验证整体逻辑是否自洽（第3层）。例如它能轻松理解“A认识B”，但如果要它理解“张三通过李四认识了王五”，即多跳、多点之间的复杂、间接关系，它的脑回路就显得不够深，推理能力的天花板瞬间触顶。
博客
“豆包手机”在二手市场价格都翻倍了……
12-04 30
当用户给助手指令，要求操作手机时，助手确实需要读取屏幕，否则无法完成用户任务，但屏幕和操作过程都不会在服务器端留下存储，且所有的相关内容也都不会进入模型训练。据了解，豆包手机助手官方最新向新浪科技表示，“合作的工程样机由豆包主导AI手机助手的产品定义与体验，中兴通讯旗下努比亚nubia主导硬件工程与技术研发”。，所有权限的使用在官网的隐私安全白皮书中都有明确的披露，并不存在一些谣言所说的“入侵”、“越权”等行为。另外，有传言称这款手机基本算是字节自己研发的，但是迫于压力说的合作，其实中兴只是代工。
博客
黄仁勋做客美国第一播客：每天都在担心英伟达倒闭
12-04 48
然后你说“不，那是错的”，你需要把那个误差反向传播回去，调整这几十亿个开关的参数。我的两个孩子现在都在英伟达工作，所以我们在一起时，大家都在工作，都在聊公司的事情。我去见世嘉的CEO，我告诉他：“我没法完成合同了，我们的技术是错的。： 我一直想弄懂这个基础问题，因为我也在玩游戏，我知道显卡是干嘛的。如果这能让我们获取知识更高效，哪怕是由AI合成的知识，只要它是基于第一性原理核实过的，那就没问题。当时行业的主流是用三角形来绘图，而我们却选择了一种叫“正向纹理映射”的技术，用的是四边形，甚至是曲面。
博客
嘉宾全阵容揭晓！张亚勤孙茂松，百度小米商汤谷歌都要来MEET2026
12-04 145
PPIO聚焦于AI云计算领域，推出高性能推理加速引擎，集成GPU容器实例、Serverless GPUs、Agent沙箱、大语言模型API、图像与视频生成模型API等产品，使开发者无需关注底层基础设施运维与模型接口开发，即可快速部署AIGC应用，聚焦应用创新与业务增长。刘凡平，毕业于中国科学技术大学，上海市科技专家库专家，曾出版人工智能领域著作4本，发表多篇人工智能领域论文，人工智能技术相关专利20余项，涵盖基础算法研究到大模型架构设计。主要研究兴趣包括：大模型、多模态、搜索推荐、具身智能、VR/AR等。
博客
下周三！量子位的这件大事就要来了｜MEET2026
12-04 321
这几位大咖聚在一起，探讨的不仅是Agent的技术架构，更是如何让AI从陪聊进化为真正的超级助理。前者， 是由量子位智库梳理总结出的2025年度AI代表进展，并且展望接下来能预见的技术趋势，覆盖从算法数据算力的技术底座，到产品解决方案，乃至行业应用的发展走向，总之关于AI的一切，都可以在这份报告一览而尽。而且现在大会的内容已经可以剧透，真就是光看嘉宾就知道有多重磅了，包括清华大学张亚勤、孙茂松、智源研究院王仲远等学术界的大咖，国内产业界有百度、小米、商汤等，国外有谷歌云、亚马逊云科技、高通等。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值