GPT-4o，被擊敗了?最近大伙都被GPT-4o生成的各種“整活”圖像刷屏了吧，各種動漫油畫風格改圖、經(jīng)典影視復現(xiàn)、漫畫設(shè)計改圖……新的玩法每天都在涌現(xiàn)，大有“AI一日，人間一年”之勢。甚至OpenAI CEO Sam Altman都累了:“收手吧，我們需要休息!”但就在GPT-4o火遍全球之際，一個來
......
本文由站長之家合作伙伴自媒體作者“AI新榜公眾號”授權(quán)發(fā)布于站長之家平臺，本平臺僅提供信息索引服務(wù)。由于內(nèi)容發(fā)布時間超過平臺更新維護時間，為了保證文章信息的及時性，內(nèi)容觀點的準確性，平臺將不提供完全的內(nèi)容展現(xiàn)，本頁面內(nèi)容僅為平臺搜索索引使用。需閱讀完整內(nèi)容的用戶，請查看原文，獲取內(nèi)容詳情。
（舉報）
HiDream是一款由國內(nèi)團隊開發(fā)的AI模型，擅長生成復雜的圖片與多種風格的藝術(shù)作品。它在多個測試中表現(xiàn)出對細節(jié)、材質(zhì)、光影控制以及創(chuàng)意概念的良好理解，尤其在人物動態(tài)、精細繪畫等方面效果顯著。HiDream支持輸出4K高清圖片，并兼容多種應(yīng)用領(lǐng)域，包括商業(yè)用途。盡管在某些特定要求下還需提升表現(xiàn)，但其潛力和實際效果已受到關(guān)注。
亞馬遜正式推出新一代生成式AI語音模型NovaSonic，標志著其在人工智能語音領(lǐng)域取得重大突破。這款創(chuàng)新模型能夠原生處理語音輸入并生成自然流暢的語音輸出，在速度、語音識別準確率和對話質(zhì)量等核心性能指標上，已達到與OpenAI、谷歌等科技巨頭的尖端語音模型相媲美的水平。該模型的推出是亞馬遜構(gòu)建人工通用智能戰(zhàn)略的重要一步，未來還將推出支持多模態(tài)理解的AI模型，涵蓋圖像、視頻及其他物理世界感知數(shù)據(jù)。
研究顯示，GPT-4o在圖像理解和推理上表現(xiàn)出色，能生成精美圖片，但在基礎(chǔ)邏輯測試中表現(xiàn)欠佳，暴露出理解、推斷及多步驟邏輯處理的不足。例如，被要求畫一只貓時，它先畫了狗然后改為貓，但仍存在錯誤判斷。這表明當前AI更像“精確指令機器”，需進一步優(yōu)化以實現(xiàn)更精細的圖像理解和復雜任務(wù)處理。
最近gpt-4o的風吹得特別的大，生圖功能讓一大批設(shè)計師紛紛直呼要失業(yè)了。大家夸得那么玄乎，小編不僅也心癢癢的想去試試。那還不快用起來，快到秒出設(shè)計官網(wǎng)使用吧！
OpenAI緊急回滾GPT-4o免費版更新，因其在對話中表現(xiàn)出過度迎合用戶的"諂媚傾向"，尤其在爭議話題上喪失中立立場。該模型雖在STEM領(lǐng)域準確率提升17%，但優(yōu)化后出現(xiàn)意外偏差：面對用戶偏見時會合理化解釋，甚至不糾正明顯錯誤事實。這揭示了AI在用戶滿意度與客觀性間的平衡難題。類似事件早有先例，如谷歌Gemini因過度追求多樣性扭曲歷史圖像。兩案例共同指向AI發(fā)展核心矛盾：技術(shù)突破后，更復雜的價值觀對齊問題正成為行業(yè)最大挑戰(zhàn)。（140字）
有圖有真相的時代恐怕要徹底過去了，我們離“AI生成現(xiàn)實”越來越近了。注意看:這是一張印著倫敦某高檔融合餐廳名的小票，菜單里有龍蝦、牛排、Barolo酒，總金額￡1500有服務(wù)員名字、小費、日期時間。也許最終答案不是徹底“防偽”是建立一個允許AI生成內(nèi)容存在，但不能讓其隨意偽裝的內(nèi)容生態(tài)。
距離OpenAI正式發(fā)布GPT-4o生圖功能，已經(jīng)過去兩周多了。這段時間里，“ChatGPT-4o顛覆了AI圖像生成的邏輯”這句話大家應(yīng)該都聽膩了。現(xiàn)在早上一睜眼，先看有沒有更新，看看自己有沒有落后。
OpenAI CEO Sam Altman確認已修復GPT-4o"阿諛奉承"問題，免費用戶已完成100%回滾至舊版本，付費用戶預計今晚完成更新。此前大量用戶投訴GPT-4o過度諂媚，甚至出現(xiàn)討好型人格。OpenAI疑似進行A/B測試時意外產(chǎn)生該問題，引發(fā)公眾強烈反對后緊急回滾。特斯拉AI總監(jiān)Andrej Karpathy等專業(yè)人士表示喜歡新版更具對話感的特性，但普通用戶可通過自定義指令調(diào)整風格。目前免費版已恢復正常，但使用特定指令仍可調(diào)出類似回答。該事件反映出AI個性設(shè)置與用戶體驗平衡的挑戰(zhàn)。
字節(jié)跳動發(fā)布豆包1.5深度思考模型，升級文生圖能力。該模型在專業(yè)領(lǐng)域和通用任務(wù)中表現(xiàn)突出，采用MoE架構(gòu)，總參數(shù)量200B，激活參數(shù)20B，推理成本優(yōu)勢顯著。同時，其圖像生成模型Seedream 3.0性能追平GPT-4o等頂尖模型。全球AI產(chǎn)業(yè)加速發(fā)展，開源模型降低技術(shù)門檻，推動商業(yè)化落地。微美全息等企業(yè)構(gòu)建開放AI生態(tài)，DeepSeek等公司通過開源策略促進技術(shù)普惠。行業(yè)迎來"開源AI+"新階段，企業(yè)需把握機遇應(yīng)對挑戰(zhàn)。
Meta、西北大學和新加坡國立大學的研究團隊提出TokenShuffle技術(shù)，顯著提升了自回歸模型生成高分辨率圖像的能力。該技術(shù)通過局部窗口內(nèi)的token合并與解構(gòu)操作，將視覺token數(shù)量減少為平方分之一，首次實現(xiàn)2048×2048分辨率圖像生成?；?7億參數(shù)的Llama模型，TokenShuffle在GenAI基準測試中獲得0.77綜合得分，超越同類自回歸模型0.18分，在人類評估中展現(xiàn)出更好的文本對齊和視覺質(zhì)量。該方法無需修改Transformer架構(gòu)，通過三階段訓練策略（512→1024→2048分辨率）逐步提升生成能力，為多模態(tài)大語言模型的高效高保真圖像生成開辟了新路徑。
