💡
原文中文，约3500字，阅读约需9分钟。
📝
内容提要
自OpenAI发布GPT-4o图像生成功能以来，网络上对此进行了广泛讨论。尽管OpenAI未透露技术细节，研究者们推测其可能结合了自回归与扩散生成或采用纯自回归生成方式。部分研究者认为，GPT-4o通过逐步生成图像，展现出与传统模型不同的特性，具体实现仍待OpenAI公布。
🎯
关键要点
- OpenAI发布GPT-4o图像生成功能，引发广泛讨论。
- OpenAI未透露技术细节，仅发布了关于评估、安全和治理的附录文件。
- GPT-4o的图像生成被认为是自回归模型，区别于基于扩散模型的DALL・E。
- 研究者们对GPT-4o的工作方式进行了多种猜测，包括自回归与扩散生成的结合。
- 部分研究者认为GPT-4o可能采用了逐步生成图像的方式，用户看到的效果是前端动画。
- 猜想一：GPT-4o可能结合了自回归和扩散生成的技术。
- 猜想二：GPT-4o可能采用非扩散的自回归生成方式，从图像顶部开始生成。
- GPT-4o的生成过程涉及流式传输图像token，具有更好的连贯性。
- 开发者和研究者对GPT-4o的生成能力进行了多方面的观察和分析。
- GPT-4o的具体实现仍待OpenAI公布，相关猜想和研究仍在进行中。
❓
延伸问答
GPT-4o的图像生成技术有哪些猜测？
研究者们猜测GPT-4o可能结合了自回归与扩散生成技术，或采用纯自回归生成方式。
OpenAI对GPT-4o的技术细节有何披露？
OpenAI仅发布了一份附录文件，主要讨论评估、安全和治理，未详细说明技术细节。
GPT-4o的图像生成过程是如何进行的？
GPT-4o通过流式传输图像token逐步生成图像，用户看到的效果是前端动画，并不反映真实生成过程。
GPT-4o与传统图像生成模型有何不同？
GPT-4o是自回归模型，按顺序流式传输图像token，而传统模型通常是从噪声到清晰图像一次性完成转换。
研究者对GPT-4o的生成能力有何观察？
研究者观察到GPT-4o生成图像时，先出现上半部分，且生成过程涉及流token，显示出更好的连贯性。
GPT-4o的具体实现何时会公布？
GPT-4o的具体实现仍待OpenAI公布，目前相关猜想和研究仍在进行中。
➡️
