GPT-4o
3月26日凌晨，在谷歌发布Gemini 2.5 Pro模型仅一小时后，OpenAI创始人兼CEO萨姆·阿尔特曼（Sam Altman）紧急开启直播，推出全新GPT-4o原生图像生成技术。
编辑 | 数据君
3月26日凌晨，科技圈上演了一场“双雄对决”。在谷歌发布Gemini 2.5 Pro模型仅一小时后，OpenAI创始人兼CEO Sam Altman紧急开启直播，推出全新GPT-4o原生图像生成技术，并宣布该功能即日起向所有ChatGPT Plus、Pro、Team及免费用户开放，企业版和教育版即将接入。
有趣的是，最近半年时间里，基本上谷歌的每次发布都会与 OpenAI 的直播“撞车”。
谷歌 Gemini 2.5 Pro：多模态升级，展现卓越性能
3月26日凌晨，谷歌正式推出新一代人工智能推理模型Gemini 2.5，该模型基于多模态大语言框架升级，显著增强了推理能力、多语言支持及长文本处理能力。
据官方介绍，Gemini 2.5通过优化算法架构，将响应速度提升40%，能耗降低25%。在关键指标测试中，其复杂逻辑任务完成度较前代提升65%，尤其在医疗诊断辅助、法律文书生成等垂直领域展现出更高精度。Gemini 2.5 Pro支持文本、图像、音频、视频及代码的多模态输入，上下文窗口达100万token（约75万单词），可解析完整《指环王》系列文本，未来将升级至200万token。
OpenAI GPT-4o：原生图像生成，打造创作新体验
与以往扩散模型（如DALL·E）不同，GPT-4o图像生成是首个原生嵌入ChatGPT的自回归模型，通过联合训练图像与文本数据，实现更自然的上下文感知能力。其核心亮点包括：
多模态无缝衔接：支持文本、图像、音频混合输入输出，用户可通过对话迭代优化设计。例如，上传猫咪图片后添加“侦探帽和单片眼镜”，即可生成游戏角色原型，并在后续对话中调整场景细节。
超强文本渲染：精准生成手写文字、菜单价格、信息图表等实用内容，甚至能绑定10-20个物体的属性，避免传统模型常见的混淆问题。
真实感与知识融合：结合内置知识库生成符合物理规律的第一人称视角图像，如旧金山雾气成因的可视化图表。
GI梗图现场直出，奥特曼成“最强代言人
直播中，阿尔特曼亲自演示了GPT-4o的“玩梗”能力：他上传自拍照后，模型瞬间生成了一张包含“Feel The AGI”文字的动漫风格表情包，人物倒影、背景细节均精准还原，甚至结合了海湾大桥等复杂场景。
体验链接：https://chatgpt.com/
此外，GPT-4o还展示了生成“相对论科普漫画”的能力——通过模糊的提示词，模型自主调用世界知识库，输出兼具幽默与教育意义的图像，令观众惊叹其“创造力”。
AI竞赛白热化：OpenAI与谷歌的对决
尽管GPT-4o在生成质量上实现突破，但其渲染时间较此前模型更长（约1分钟），且存在多概念呈现不一致、人脸编辑瑕疵等问题。OpenAI承诺将在一周内修复人脸编辑功能，并通过多重安全策略（如提示词过滤、CSAM屏蔽）降低滥用风险。
面对谷歌Gemini 2.5 Pro的百万级上下文窗口优势，OpenAI选择以“免费+全用户覆盖”策略抢占市场。目前，开发者可通过API调用GPT-4o图像功能，未来还将扩展至电商、教育课件、游戏设计等场景。
正如阿尔特曼所言：“创作的自由应交给用户，而社会将决定AI的边界。”这场技术盛宴，既是OpenAI与谷歌的巅峰对决，也预示着多模态AI将重塑人类表达与创造的方式。
财经自媒体联盟
第一财经日报 
每日经济新闻 
贝壳财经视频 
尺度商业 
财联社APP 
量子位 
财经网 
华商韬略 
4000520066 欢迎批评指正
All Rights Reserved 新浪公司 版权所有
