当地时间 3 月 25 日，美国 OpenAI 正式推出 GPT-4o 图像生成功能，该功能因 「动动嘴就能 P 图」 的便利性迅速走红，但也因图像生成需求过高导致 GPU 过载。OpenAI 首席执行官萨姆·奥尔特曼表示将对 ChatGPT 的图像生成功能实施临时限速，优先保障文本生成等核心功能稳定运行。
每经编辑 杜宇
随着 OpenAI 的图像生成功能完成重大升级，新的问题出现了。
OpenAI 首席执行官萨姆・奥尔特曼 （Sam Altman） 表示：ChatGPT 的文生图应用需求过高，我们的 GPU「冒烟了」（melting，原为融化之意），在努力提高效率的同时，将暂时对 ChatGPT 生成图片的功能引入一些速率限制。
图片来源：社交平台
这意味着，OpenAI 将对 ChatGPT 的图像生成功能实施临时限速，降低单位时间内的请求处理量，缓解 GPU 过载压力，并优先保障文本生成、对话等核心功能的稳定性，或许将暂时放缓图像生成的技术优化节奏。
据 OpenAI 官网，当地时间 3 月 25 日，美国开放人工智能研究中心 （OpenAI） 宣布正式推出 GPT-4o 图像生成功能。
图片来源：OpenAI 官网
该功能上线后，以 「动动嘴就能 P 图」 的便利迅速火爆，互联网平台上涌入大量由个人照片、知名梗图转变而来的 「吉卜力」 卡通风格图片。
「动动嘴就能 P 图」 是指通过简单的文字描述或语音指令，利用 AI 技术直接对图片进行编辑、修改或生成，而无需手动使用复杂的图像编辑工具，如 Photoshop 等。这种功能的核心在于将自然语言处理与图像生成技术相结合，极大地降低了图片编辑的门槛。
GPT-4o 是一个多模态 AI 模型，能够接受文本、音频和图像的组合输入，并生成相应的图像输出。这意味着用户可以通过语音指令来要求 AI 生成或修改图像，而不仅仅局限于文字描述。
连 Altman 也感叹起该功能带来的泼天流量：「自己过去十年埋头苦干做 AI，试图帮助实现超级智能来治愈癌症之类的事情。前 7.5 年几乎无人问津，接下来的两年半，做什么都会引来所有人的厌恶。然后某天醒来收到几百条消息，人们告诉你被画成了吉卜力风格的美少年。」
Sam Altman 在社交平台上的新头像，生成自 Images in ChatGPT
据 OpenAI 介绍，GPT-4o 图像生成功能具备四大核心优势：精准文本渲染、严格指令遵循、深度知识调用及创意拓展能力。
据扬子晚报·紫牛新闻，为验证其实际表现，记者进行了多组实测。在测试 「生成一张带有 『扬子晚报/紫牛新闻』 字样的照片」 时，GPT-4o 精准还原了英文部分内容，但对于中文字符的识别能力有待提升。整个过程耗时约 30 秒，生成速度远超预期。
图片来源：扬子晚报·紫牛新闻
在另一项测试中，通过多轮对话优化图像。首先要求生成 「一只老虎，戴着黑色墨镜」，GPT-4o 迅速呈现了细节丰富的画面。老虎的毛发纹理清晰可见，透过墨镜能看到老虎的眼睛细节。随后，记者进一步输入指令 「给这个老虎戴上侦探帽，并生成游戏场景」，新生成的图像不仅完美实现了场景变化，还保持了主体特征的一致性，展现了强大的上下文连贯性。
图片来源：扬子晚报·紫牛新闻
针对复杂场景的处理能力，以 「设计一个包含 12 个不同物体的 4x3 网格图，每个物体需准确呈现指定特征」 进行测试。GPT-4o 成功应对了这一挑战，从蓝色星星、红色三角形到彩虹闪电，细节精准度令人惊叹。但可能是对中文理解能力不足，生成图案中存在指令缺失的情况。
在实用性测试中，记者尝试生成专业场景图像。例如，要求 「制作一份传统中式风格的餐厅菜单，包含毛血旺和酸菜鱼的菜品描述」。GPT-4o 生成的菜单不仅文字排版优雅，插画风格与菜品完美契合，整体视觉效果令人满意。此外，生成科学示意图的能力同样出色。记者输入指令 「绘制牛顿棱镜实验的示意图」，模型迅速输出了结构清晰的教学图像。
尽管存在这些不足，GPT-4o 图像生成功能的革新性依然显著。其精准的文本渲染能力、对复杂指令的高遵循度，以及多轮对话中的一致性表现，为创意设计、教育教学、游戏开发等领域提供了强大工具。正如 OpenAI 首席执行官萨姆・奥尔特曼 （Sam Altman） 所言，这一功能的推出标志着 「创作自由的新高点」，用户将借此释放更多视觉创意潜能。
作为 AI 领域的头部玩家，OpenAI 背后的 GPU 储备自然是业内顶尖水准。根据技术咨询公司 Omdia 的分析，微软作为 OpenAI 的主要投资者，在 2024 年购买了约 48.5 万块英伟达的 Hopper 芯片，是其主要竞争对手 Meta 的两倍，这使其成为英伟达 GPU 的最大买家。OpenAI 的大模型正是用微软的 Azure 云基础设施进行训练。
可以说，OpenAI 因新功能面临的问题，折射了 AI 多模态技术发展中的资源与需求平衡难题，一方面，AI 应用对 GPU 等算力资源的需求依然庞大，另一方面，行业继续呼唤技术迭代，以求高效利用现有资源。
图片来源：视觉中国
据北京商报，此次更新 GPT-4o 的图像生成功能之后，OpenAI 更大的产品更新将是推出 GPT-5。今年 2 月，OpenAI 首席执行官山姆·奥尔特曼表示，OpenAI 将会在 ChatGPT 和 API 服务中搭载新模型 GPT-5，GPT-5 将集成公司多项技术，包括推理模型 o3 的技术，GPT-5 可能会在未来几个月内推出。
相比于之前一直不明确 GPT-5 的推出节点，奥尔特曼突然官宣 GPT 路线图，或许是因为 OpenAI 面临用户流失的压力。奥尔特曼此前表示，DeepSeek 让 OpenAI 的领先优势不会像前几年那么大了，并称个人认为在开源权重模型和研究成果的问题上，OpenAI 已经站在了历史的错误一边，需要制定不同的开源策略。
此前据 《华尔街日报》 报道，OpenAI 内部代号为 「猎户座」（Orion） 的 GPT-5 项目的开发已持续近两年，目前面临严峻挑战。按原计划，该项目应在 2024 年年中完成，但现在进度严重滞后。
OpenAI 已经进行了至少两次大型训练，每次训练都需要数月时间处理大量数据，目的是让 「猎户座」 变得更聪明。一位前 OpenAI 高管表示，如果说 GPT-4 的表现相当于一个优秀高中生，那么 GPT-5 的目标是要在某些任务上达到博士水平。然而熟悉该项目的人士表示，「猎户座」 的训练每次都会出现新问题，软件也达不到研究人员的预期。
东吴证券发布研报称，判断 OpenAI 对大模型的产品线与预期曾进行过调整。GPT-5 的发布时间或提前，或由于 DeepSeek 近期的重磅更新和亮眼表现对 OpenAI 产品版图构成了威胁，进而希望加快产品迭代步伐。
研究机构 Gartner 预测，到 2026 年，多模态生成模型的商业价值将占 AI 市场的 45%。随着谷歌与微软等巨头持续加码，生成式 AI 正从通用工具向产业基础设施演变，但其社会伦理、监管框架的完善也有待各方共同探索。
每日经济新闻综合北京商报、扬子晚报·紫牛新闻、OpenAI 官网、公开资料
封面图片来源：每日经济新闻 资料图
文章转载自 每经网