DeepSeek发布了新开源多模态模型Janus-Pro-7B，超越DALL-E 3和Stable Diffusion，导致英伟达股价暴跌17%，市值蒸发近6000亿美元。该模型通过改进训练策略，提升了视觉生成和理解能力，迅速吸引用户，服务器频繁宕机。同时，阿里更新了其模型Qwen2.5-VL，AI领域竞争加剧。

2023年11月，OpenAI为ChatGPT添加了DALL-E 3功能，用户可以生成图像。尽管初期有趣，但生成的图像相似性较高，缺乏新意。文章探讨了如何通过简单提示改进代码，认为大型语言模型生成的代码质量更高。Claude 3.5 Sonnet在编码提示方面表现出色，值得进一步研究。

微软因AI图片生成功能更新导致图像质量下降，已撤回更新并回滚至PR13版本。用户反映新模型DALL-E 3 PR16生成的图像不够真实，预计2-3周内完成回滚。

该文章介绍了一系列AI Agent实验，使用gpt-4o-mini和DALL-E 3生成城市天气画报。用户输入城市名称，系统提供天气描述并生成相应图像，展示AI技术的应用效果。

微软更新了画图应用，集成AI技术，支持快速生成和删除图片元素，使用Bing Image Creator和OpenAI DALL-E 3。该功能需消耗AI积分，目前仅在部分市场推出。

作者分享了使用DALL-E 3生成图像的经验，特别是在设计“桐铭的技术小屋”Logo时的应用。DALL-E 3是OpenAI的图像生成模型，可以根据复杂文本生成高质量图像。作者强调提示词的重要性，建议包括场景、风格、细节、颜色和情感，以优化效果。经过多次尝试，作者成功生成了满意的Logo，并分享了提示词的结构和优化方法。

10月9日，参加“开源FiftyOne插件入门”工作坊，学习创建视觉AI应用。Dan Gural将主持90分钟的免费课程，内容包括使用DALLE3创建AI艺术画廊、应用GPT4 Vision进行数据处理、运行OCR和语义文档搜索等。

本文提出了常识-T2I基准，用于评估文本到图像生成模型的常识推理能力。研究发现，现有模型（如DALL-E 3和稳定扩散XL）在生成符合常识的图像方面存在显著不足，准确率分别为48.92%和24.92%。此外，研究还揭示了视频生成模型在模拟物理世界方面的局限性，并提出了新的评估基准和方法，以推动文本到图像生成的进展。

OpenAI正在考虑解除对使用DALL-E 3等AI模型生成不适宜内容的限制。他们希望负责地探索生成带有年龄验证的不适宜文本和图像。然而，他们不允许使用深度伪造技术或未经同意生成显性内容。OpenAI旨在让用户在不违反法律或他人权利的情况下控制生成所需内容。他们明确表示这些讨论并不意味着他们正在积极开发AI生成的显性内容。决策将在讨论结束后做出。

本研究介绍了HQ-Edit数据集，包含约20万个高质量图像编辑。通过GPT-4V和DALL-E 3构建数据收集流程，生成高分辨率图像和详细文本提示。提出的评估指标Alignment和Coherence用于定量评估图像编辑质量。SEED-X模型提升了视觉语言理解能力，SmartEdit和iEdit方法在复杂指令下的图像编辑中表现优异，推动了相关领域的研究。

OPENAI展示了DALL-E 2人工智能模型，可以通过提示词生成图像。2023年推出DALL-E 3，具有更好的图片生成特性和解决文本内容和人手问题。现已退役DALL-E 2，用户可继续使用DALL-E 3生成图像。