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。

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200,000个高质量编辑的图像，使用GPT-4V和DALL-E 3模型收集在线示例并创建高质量双联图像。提出了Alignment和Coherence两个评估指标，并使用GPT-4V对图像编辑对的质量进行定量评估。HQ-Edit的高分辨率图像和全面编辑提示增强了现有图像编辑模型的能力，微调的InstructPix2Pix达到了最先进的图像编辑性能。

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。

本研究介绍了HQ-Edit，一个包含约200,000个编辑的高质量基于指令的图像编辑数据集。使用GPT-4V和DALL-E 3构建了可扩展的数据收集流程，并创建了具有详细文本提示的高质量双联图像。通过GPT-4V对图像编辑对的质量进行定量评估，HQ-Edit的高分辨率图像和全面编辑提示大大增强了现有图像编辑模型的能力。

Stability AI推出了Stable Diffusion 3，是文本生成图像领域最强的AI模型之一，比OPENAI的DALL-E 3效果更好。新模型提高了图像质量，能更好地处理多个主题内容的提示，并解决了在图片中添加文字内容的不准确问题。OPENAI的Sora模型未向公众开放，正在解决AI生成内容的错误信息和仇恨内容等问题。Stability AI也在采取措施防止不良行为滥用Stable Diffusion 3。