ChatGPT 開發商 OpenAI 今日宣佈推出重大的圖像生成模型升級，用戶現已能直接在 GPT-4o 快速生成並編輯圖像，無需再開啟 DALL-E。本文將整理這個迄今為止最先進的圖像生成模型有哪些功能亮點。
（前情提要：OpenAI 解鎖 Deep Research：付費用戶每月可查詢 10 次、微軟發布多模態 AI 代理 Magma）
（背景補充：中國「Manus」通用型AI代理人爆紅！能開發網頁、分析股票、找房子勝過OpenAI，邀請碼炒到20萬天價）
人工智慧巨頭 OpenAI 今（26）日在直播中推出迄今為止最先進的圖像生成模型，內建於 GPT-4o，用戶現已能直接在 ChatGPT 快速生成並編輯圖像，無需再開啟 DALL-E。
官方表示該功能即日起對 Pro 訂閱用戶（每月 200 美元）開放，並將陸續向 Plus、Team 及免費用戶推出，並推送至 Sora 平台及 API 開發者。企業和教育用戶也即將開放使用。
GPT-4o 產圖帶來更高準確度和實用性
新功能採用 GPT-4o 模型，取代原先的 DALL-E 3，具備原生圖像生成與編輯能力，官方稱圖像品質逼真到肉眼難辨，細節豐富，甚至超越 Midjourney 等競爭對手。
與傳統一次生成整個圖像的擴散模型不同，GPT-4o 使用自迴歸技術，從左至右、由上至下類似文字書寫的方式逐步生成圖像。研究負責人 Gabriel Goh 向 The Verge 透露，這項技術顯著提升文字渲染和綁定（binding）的能力，能更好地遵循指令，同時準確處理 10 至 20 個物件的複雜指令，遠超競爭對手 5 ～ 8 個的限制。
此外，GPT-4o 在圖像生成多方面實現突破：
- 更精確的文字渲染和文字整合：過去模型常難以生成清晰且位置準確的文字，GPT-4o 則能將將文字與圖像精確融合，並整合 GPT 豐富的知識，更適合快速製作資訊圖表、PTT 或海報。
- 多輪生成圖像：一句話就能 P 圖，可靈活調整長寬比，使用十六進位色碼指定精確顏色或是要求去背。還可利用聊天歷史，用戶可互動式精修圖像，保持多次生成間的一致性。
- 多模態輸入輸出（文本、影像）：GPT‑4o 可以分析和學習使用者上傳的影像，將其細節無縫整合到其上下文中以引導影像生成。
- 多樣化的風格轉換：從手繪草圖到高解析度寫實風格，模型可靈活創建和轉換，滿足不同需求。
雖然生成速度稍慢於 DALL-E 3，OpenAI 強調品質提升值得這點等待。展示案例包括多格漫畫（角色一致性極高）、LOGO、資訊海報和餐廳菜單設計等等，展現其商業應用潛力。
OpenAI 執行長 Sam Altman 在直播中興奮表示：「這些圖像品質令人驚嘆，我幾乎不敢相信它們出自 AI！這是創意自由的新高峰。」
Create or transform images into a variety of styles with 4o image generation. pic.twitter.com/trEqLLZ9KL
— OpenAI (@OpenAI) March 25, 2025
📍相關報導📍
OpenAI 影片生成工具Sora正式上線！5大功能亮點、訂閱方案一次看
OpenAI首款AI代理「Operator」來了！幫你購物、訂票、叫外送…解決繁瑣網路任務
