# OpenAI 把图像生成直接塞进了 GPT-4o，能边聊边改图，文字也终于不崩了

> 原标题：Introducing 4o Image Generation

- 来源：OpenAI News
- 发布时间：2025-03-25T11:05:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/595
- 原文：https://openai.com/index/introducing-4o-image-generation

## 摘要

3 月 25 号，OpenAI 把新的图像生成功能做进了 GPT-4o 模型里，不再是外挂一个单独的画图工具。核心变化是模型直接学了图片和文字的联合分布，走的是“文本 token → transformer → 扩散模型 → 像素”这条管线，所以它能读懂上下文，也能在聊天里多轮改图，保持角色、风格一致。

## 推荐理由

OpenAI 将图像生成直接并入 GPT-4o，模型联合学习图文分布，支持聊天中多轮改图并保持角色与风格一致，文字渲染也更稳定。

## 锐评

示例里反复出现 best of ~8，我看实际出图的延迟和成本低不了。后台抽 8 次才挑出 1 张好图，完全是靠算力硬堆出来的文字稳定和多轮一致，线上产品根本经不起这么耗。

把 transformer 和扩散模型接在一起跑，多轮改图每动一次都得重算上下文，推理开销根本轻不下来。这种靠多次采样撑门面的做法，最后只能转嫁到 API 定价上，便宜不了。
