OpenAI · 图像模型
OpenAI 发布 4o 图像生成模型
OpenAI 将图像生成能力直接集成到 GPT-4o 多模态框架中，推出 4o 图像生成模型。该模型支持高分辨率输出，能根据自然语言指令控制构图、色彩和细节，并保持风格一致与上下文感知。相比前代，4o 在视觉质量、指令遵循和推理能力上有所提升，可用于创意设计、内容制作和视觉叙事等场景。
- 域名
openai.com- 评分
- 5 · 重大发布
- 发布
- 2026-05-22
导读
2025 年 3 月 25 日，OpenAI 把图像生成原生集成进 GPT-4o，发布 4o Image Generation。区别于此前作为独立模型存在的 DALL-E 系列，这次把图像生成视为语言模型的一项主要能力，模型在线上图像与文本的联合分布上训练，学习图像与语言之间、以及图像彼此之间的关系，再叠加强后训练。
能力上的突破集中在四个方面。文本渲染方面，模型能够把精确的符号文字嵌入到图像里，街道指示牌、菜单、邀请函这一类需要文字可读且语义对齐的场景都能稳定输出。多轮生成方面，因为图像生成原生在 GPT-4o 内，对话上下文里既往的图像与文本都可以被引用，例如设计游戏角色时角色外观能够在多轮迭代中保持一致。指令遵循方面，模型能够处理包含细致空间、构图、风格约束的长描述。模型还能将上传图像作为视觉灵感或直接变换的素材。
这一调整把图像生成从生成漂亮场景的工具推向了日常视觉沟通的工作面。从洞穴壁画到现代信息图，人类一直用视觉传达信息，而此前的生成模型在 logo、示意图、街景文字这类需要精确性的场景上往往力不从心。4o Image Generation 把图像生成接入对话上下文与模型内置的世界知识，给设计、教学、内容制作场景提供了一种文字与图像可以在同一会话里互相迭代的工作方式。