经过4个月的重新设计,GPT Image2的13人核心团队正式揭晓
最近,GPT Image2 凭借其逼真得令人惊叹的图像生成能力在社交媒体上引发了轰动。随着该项目人气飙升,其背后那个低调的小团队也走入了公众视野。 据透露,核心团队仅由13人组成,他们仅用四个月时间就彻底重写了底层架构。虽然研究负责人陈博远尚未披露具体的技术细节,但他将这一新模型描述为“视觉领域的GPT”,这标志着通用能力方面取得了重大飞跃。
团队核心人物陈博远 有着一段非凡的个人经历。攻读博士期间,他开创了“扩散强制(Diffusion Forcing)”等创新方法,并为指令微调技术做出了贡献,这些技术后来被谷歌的Gemini 2.0所采用。有趣的是,他最初参加高中科学夏令营时甚至还不懂Python。 加入OpenAI后,他不仅主导了GPT图像模型的全部训练工作,还担任Sora视频生成团队的核心成员。在一次演示中,他通过生成中文、韩文和孟加拉文排版完美的海报,展示了该模型先进的语言理解能力。

除了文本渲染,GPT Image2 在理解世界知识和遵循复杂指令方面也达到了新的高度。该模块由中国科学技术大学的王建峰博士领导,致力于解决人工智能图像生成中一个长期存在的问题——例如旧模型总是默认将时钟画成10:10。新模型能够准确解读任何指定的时间以及复杂的空间布局。 王建峰博士指出,该模型正在有效缩小用户创意构想与最终生成结果之间的差距。
在生产力方面,浙江大学竹园学院的杨玉光展示了该工具能够将冗长的研究论文即时转换为高精度的PowerPoint演示文稿和信息图表。这一能力源于团队对多模态理解、专家混合(MoE)架构以及长上下文引导技术的深度融合。
从最初的DALL-E到如今的GPT Image2
相关文章
美国股市触及历史里程碑,人工智能与航空航天巨头准备开启万亿美元时代
埃隆·马斯克、山姆·阿尔特曼和达里奥·阿莫迪,这三位科技领域的巨头,正推动其各自的企业迈向首次公开募股(IPO)。随着 SpaceX、OpenAI 和 Anthropic——这三家估值接近万亿美元的行业巨头——即将上市,2026 年被预测将成为美国历史上新股发行规模最大的一年。这一历史性的资本激增已引起全球金融界的关注,成为检验公共市场吸收如此大规模资金能力的关键压力测试。这些主要融资活动的同步启动预计将打破 2021 年创下的 1560 亿美元纪录。超级独角兽的资本博弈每家公司上市的路径
瑞典人工智能初创公司Lovable Eyes在完成主要融资轮后估值达132亿美元
随着人工智能驱动的编码工具日益普及,瑞典初创公司 Lovable 已获一轮重大融资。该公司计划筹集 30 亿美元,其估值有望升至 132 亿美元——这是去年 12 月记录的 66 亿美元的两倍。预计 Menlo Ventures 将主导此次投资。Lovable 的吸引力源于其核心的“氛围编码”(vibe coding)技术,该技术通过消除对复杂编码技能的需求来简化软件开发。用户只需以自然语言描述其需求,系统即可自动生成应用程序。这种直观的方法吸引了个人开发者、设计师和小企业,并扩展至 Work
Google 测试 Remy AI 代理,以 Gemini 为重点转向用户控制
根据《商业内幕》的报道,谷歌正在测试 Remy,这是 Gemini 的一款全新 AI 个人代理工具。该工具旨在代表用户执行任务,从而简化专业工作流程和日常事务。目前,Remy 正在 Gemini 应用的内部员工专属版本中进行测试。该报告引用了一份内部文件以及对两位熟悉该项目的个人的采访。内部资料将 Remy 描述为“全天候个人代理”,将 Gemini 定位为能够代表用户行事的主动助手。接近该项目的消息人士证实,谷歌员工正在积极测试 Remy。谷歌发言人拒绝提供进一步评论。该报告未提及公开发布
相关专题推荐
评论 (0)
0/500
最近,
团队核心人物

除了文本渲染
在生产力方面,浙江大学竹园学院的杨玉光展示了该工具能够将冗长的研究论文即时转换为高精度的PowerPoint演示文稿和信息图表。这一能力源于团队对多模态理解、专家混合(MoE)架构以及长上下文引导技术的深度融合。
从最初的DALL-E到如今的
美国股市触及历史里程碑,人工智能与航空航天巨头准备开启万亿美元时代
埃隆·马斯克、山姆·阿尔特曼和达里奥·阿莫迪,这三位科技领域的巨头,正推动其各自的企业迈向首次公开募股(IPO)。随着 SpaceX、OpenAI 和 Anthropic——这三家估值接近万亿美元的行业巨头——即将上市,2026 年被预测将成为美国历史上新股发行规模最大的一年。这一历史性的资本激增已引起全球金融界的关注,成为检验公共市场吸收如此大规模资金能力的关键压力测试。这些主要融资活动的同步启动预计将打破 2021 年创下的 1560 亿美元纪录。超级独角兽的资本博弈每家公司上市的路径
瑞典人工智能初创公司Lovable Eyes在完成主要融资轮后估值达132亿美元
随着人工智能驱动的编码工具日益普及,瑞典初创公司 Lovable 已获一轮重大融资。该公司计划筹集 30 亿美元,其估值有望升至 132 亿美元——这是去年 12 月记录的 66 亿美元的两倍。预计 Menlo Ventures 将主导此次投资。Lovable 的吸引力源于其核心的“氛围编码”(vibe coding)技术,该技术通过消除对复杂编码技能的需求来简化软件开发。用户只需以自然语言描述其需求,系统即可自动生成应用程序。这种直观的方法吸引了个人开发者、设计师和小企业,并扩展至 Work





首页






