歷經四個月的重新設計,GPT Image2 的 13 人核心團隊正式揭曉
最近,GPT Image2 憑藉其驚人逼真的圖像生成能力,在社交媒體上掀起了一股熱潮。隨著該專案人氣飆升,幕後那支低調的小團隊也走上了聚光燈下。 據透露,核心團隊僅由 13 人組成,他們竟在短短四個月內徹底重寫了底層架構。雖然研究負責人陳博元尚未透露具體技術細節,但他將這個新模型形容為「視覺領域的 GPT」,預示著通用能力方面將有重大飛躍。
團隊的核心人物陳博源 擁有非凡的個人經歷。攻讀博士期間,他開創了「擴散驅動(Diffusion Forcing)」等創新方法,並為後續被 Google Gemini 2.0 採用的指令微調技術做出貢獻。有趣的是,他最初參加高中科學營時甚至還不懂 Python。 轉戰 OpenAI 後,他不僅主導了 GPT 圖像模型的所有訓練工作,更是 Sora 影片生成團隊的核心成員。在一次演示中,他透過生成中、韓、孟加拉三種語言文字渲染完美的海報,突顯了該模型在語言理解方面的先進能力。

除了文字渲染能力外,GPT Image2 在理解世界知識及遵循複雜指令方面也達到了新的高度。這個由中國科學技術大學王建峰博士領導的模組,解決了人工智慧圖像生成中一個長期存在的問題——例如舊版模型總是預設將時鐘畫成 10:10。新模型能夠準確解讀任何指定的時間以及複雜的空間佈局。 王建峰博士指出,該模型正有效縮短使用者創意構想與最終生成結果之間的差距。
在生產力方面,浙江大學竹園學院的楊宇光展示了該工具能將冗長的研究論文即時轉換為高精度的 PowerPoint 簡報與資訊圖表。此能力源自團隊將多模態理解、專家混合(MoE)架構與長上下文引導技術深度整合的成果。
從最初的 DALL-E 到今日的GPT Image2
相關文章
美國股市觸及歷史裡程碑,人工智慧與航空航天巨頭準備開啟萬億美元時代
埃隆·馬斯克、山姆·阿爾特曼和達里奧·阿莫迪,這三位科技領域的巨頭,正推動其各自的企業邁向首次公開募股(IPO)。隨著 SpaceX、OpenAI 和 Anthropic——這三家估值接近萬億美元的行業巨頭——即將上市,2026 年被預測將成為美國曆史上新股發行規模最大的一年。這一歷史性的資本激增已引起全球金融界的關注,成為檢驗公共市場吸收如此大規模資金能力的關鍵壓力測試。這些主要融資活動的同步啟動預計將打破 2021 年創下的 1560 億美元紀錄。超級獨角獸的資本博弈每家公司上市的路徑
瑞典人工智慧初創公司Lovable Eyes在完成主要融資輪後估值達132億美元
隨著人工智慧驅動的編碼工具日益普及,瑞典初創公司 Lovable 已獲一輪重大融資。該公司計劃籌集 30 億美元,其估值有望升至 132 億美元——這是去年 12 月記錄的 66 億美元的兩倍。預計 Menlo Ventures 將主導此次投資。Lovable 的吸引力源於其核心的“氛圍編碼”(vibe coding)技術,該技術透過消除對複雜編碼技能的需求來簡化軟體開發。使用者只需以自然語言描述其需求,系統即可自動生成應用程式。這種直觀的方法吸引了個人開發者、設計師和小企業,並擴充套件至 Work
Google 測試 Remy AI 代理,以 Gemini 為重點轉向使用者控制
根據《商業內幕》的報道,谷歌正在測試 Remy,這是 Gemini 的一款全新 AI 個人代理工具。該工具旨在代表使用者執行任務,從而簡化專業工作流程和日常事務。目前,Remy 正在 Gemini 應用的內部員工專屬版本中進行測試。該報告引用了一份內部檔案以及對兩位熟悉該專案的個人的採訪。內部資料將 Remy 描述為“全天候個人代理”,將 Gemini 定位為能夠代表使用者行事的主動助手。接近該專案的訊息人士證實,谷歌員工正在積極測試 Remy。谷歌發言人拒絕提供進一步評論。該報告未提及公開發布
相關專題推薦
評論 (0)
0/500
最近
團隊的核心

除了文字渲染能力外
在生產力方面,浙江大學竹園學院的楊宇光展示了該工具能將冗長的研究論文即時轉換為高精度的 PowerPoint 簡報與資訊圖表。此能力源自團隊將多模態理解、專家混合(MoE)架構與長上下文引導技術深度整合的成果。
從最初的 DALL-E 到今日的
美國股市觸及歷史裡程碑,人工智慧與航空航天巨頭準備開啟萬億美元時代
埃隆·馬斯克、山姆·阿爾特曼和達里奧·阿莫迪,這三位科技領域的巨頭,正推動其各自的企業邁向首次公開募股(IPO)。隨著 SpaceX、OpenAI 和 Anthropic——這三家估值接近萬億美元的行業巨頭——即將上市,2026 年被預測將成為美國曆史上新股發行規模最大的一年。這一歷史性的資本激增已引起全球金融界的關注,成為檢驗公共市場吸收如此大規模資金能力的關鍵壓力測試。這些主要融資活動的同步啟動預計將打破 2021 年創下的 1560 億美元紀錄。超級獨角獸的資本博弈每家公司上市的路徑
瑞典人工智慧初創公司Lovable Eyes在完成主要融資輪後估值達132億美元
隨著人工智慧驅動的編碼工具日益普及,瑞典初創公司 Lovable 已獲一輪重大融資。該公司計劃籌集 30 億美元,其估值有望升至 132 億美元——這是去年 12 月記錄的 66 億美元的兩倍。預計 Menlo Ventures 將主導此次投資。Lovable 的吸引力源於其核心的“氛圍編碼”(vibe coding)技術,該技術透過消除對複雜編碼技能的需求來簡化軟體開發。使用者只需以自然語言描述其需求,系統即可自動生成應用程式。這種直觀的方法吸引了個人開發者、設計師和小企業,並擴充套件至 Work





首頁






