100镜横测GPT-4o生图，即梦/Gemini/Flux等领域T0全上场，多模态成就十项全能

100镜横测GPT 4o生图，即梦/Gemini/Flux等领域T0全上场，多模态成就十项全能 100镜横测GPT 4o生图，即梦/Gemini/Flux等领域T0全上场，多模态成就十项全能 Modified March 27, 2025 就是说啊，怎么做到的啊？文字真的稳定成这个样子了，太突然了，感觉生图模型一下变天了。 我不死心，甚至尝试一张各种语言都有的图片： Code block Plain Text Copy 提示语：一个繁忙的国际城市十字路口，各种店铺招牌林立，包括中文'美食广场'、英文'COFFEE SHOP'、日文'ラーメン店'、韩文'화장품'等清晰可辨的标识。路边的广告牌展示着完整的促销信息，包括价格、日期和详细条款。街角的报刊亭陈列着多种语言的报纸和杂志，头条标题清晰可见。路人手中拿着写有不同文字的标语牌，参与一场多元文化庆典。 成！我服了！ OpenAI，要不还得是你呢？Sora 的事，我原谅你了。 5.4 透明通道 还有一个玩法，这个是 @歸藏 老师发现的，可以通过对话让 GTP 4o生成带有透明通道的图： 我试了一下，还可以直接让 4o 帮你把图中的人物抠成透明通道的，也可以把自己的图丢给它让它抠图。 做设计的都知道这个功能有多重要，这代表我们其实可以分图层生成了，这个不管是对于设计还对于做 AI 视频，效率都提升了不是一点半点。 六、如何使用 噼里啪啦讲了这么一大堆，总该讲讲怎么用吧！！ 目前是氪了GPT的 plus 和 pro 会员可以几乎无限使用这个新生图模型（我一天用下来没啥限制），使用入口有两个： 一、是可以直接在 chatGPT 4o 的对话页面上，直接点击创建图片就可以生成： 这个页面中可以进行多轮对话生图修图，但一次只能生成一张图，然后图片的尺寸不太好固定。 第二个入口就是，直接登陆Sora的页面，在这里选择image，就可以输入提示语生成了： Sora这里可以固定图片的比例，而且一次性可以生成四张图，也可以上传图片进行多图融合，就是不能多轮对话。 有了这个生图模型，Sora这个页面看着都顺眼了一些。。。 写在最后 这回真是狂测了，好久没测的这么爽了！ 每一轮都给我惊喜，那个我熟悉的 OpenAI 回来了！ 真是令我又爱又恨的 OpenAI 啊！ 要我说，这个模型还有非常多可以探索的用法， 而且可以说是，又一次顶破了生图模型的天花板。 别说传统设计师瑟瑟发抖了， 这玩意，就是专门玩 AI 的设计师都已经开始睡不着了， 我现在就在想， 我以前熬夜研究的SD、Comfyui，ControlNET， 都算什么啊！ @ 作者 / 阿汤 & 卡尔 @ 动手学AI知识库 / learnprompt.pro 最后，感谢你看到这里👏 如果喜欢这篇文章，不妨顺手给我们 点赞👍｜在看👀｜转发📪｜评论📣 更多的内容正在不断填坑中…… 就是说啊，怎么做到的啊？文字真的稳定成这个样子了，太突然了，感觉生图模型一下变天了。 我不死心，甚至尝试一张各种语言都有的图片： 成！我服了！ OpenAI，要不还得是你呢？Sora 的事，我原谅你了。 5.4 透明通道 还有一个玩法，这个是 @歸藏 老师发现的，可以通过对话让 GTP 4o生成带有透明通道的图： 我试了一下，还可以直接让 4o 帮你把图中的人物抠成透明通道的，也可以把自己的图丢给它让它抠图。 做设计的都知道这个功能有多重要，这代表我们其实可以分图层生成了，这个不管是对于设计还对于做 AI 视频，效率都提升了不是一点半点。 六、如何使用 噼里啪啦讲了这么一大堆，总该讲讲怎么用吧！！ 目前是氪了GPT的 plus 和 pro 会员可以几乎无限使用这个新生图模型（我一天用下来没啥限制），使用入口有两个： 一、是可以直接在 chatGPT 4o 的对话页面上，直接点击创建图片就可以生成： 这个页面中可以进行多轮对话生图修图，但一次只能生成一张图，然后图片的尺寸不太好固定。 第二个入口就是，直接登陆Sora的页面，在这里选择image，就可以输入提示语生成了： Sora这里可以固定图片的比例，而且一次性可以生成四张图，也可以上传图片进行多图融合，就是不能多轮对话。 有了这个生图模型，Sora这个页面看着都顺眼了一些。。。 写在最后 这回真是狂测了，好久没测的这么爽了！ 每一轮都给我惊喜，那个我熟悉的 OpenAI 回来了！ 真是令我又爱又恨的 OpenAI 啊！ 要我说，这个模型还有非常多可以探索的用法， 而且可以说是，又一次顶破了生图模型的天花板。 别说传统设计师瑟瑟发抖了， 这玩意，就是专门玩 AI 的设计师都已经开始睡不着了， 我现在就在想， 我以前熬夜研究的SD、Comfyui，ControlNET， 都算什么啊！ @ 作者 / 阿汤 & 卡尔 @ 动手学AI知识库 / learnprompt.pro 最后，感谢你看到这里👏 如果喜欢这篇文章，不妨顺手给我们 点赞👍｜在看👀｜转发📪｜评论📣 更多的内容正在不断填坑中…… 🔗 原文链接： https://mp.weixin.qq.com/s/lvaVbFWZ... https://mp.weixin.qq.com/s/lvaVbFWZ... 原创 AI沃茨 卡尔的AI沃茨 2025年03月26日 23:59 浙江 OpenAI 又又又搞了个突然更新， 鸽了一年，GPT4o 多模态生图可算来了！ 相信大家已经看到非常多的测试案例，清楚这个模型应该是很厉害的，在文字、风格化、多图融合、对话生图上都有非常不错的表现， 但光看 OpenAI 自己的例子对比肯定是不够，我这回直接把它拉下场，和目前已经经过市场千百回考验的各类 Top 1 工具进行实测对比，包括即梦、豆包、Flux、Midjourney、Gemini2.0，量大管饱。 带大家直观感受这个新模型究竟有多好，好在哪里，是不是好到可以把市面上所有生图模型都干掉？ 且这个 OpenAI 的新生图模型又有哪些独有的玩法？ 依旧是把同样的提示语同时丢给不同的模型， 100图狂测，多图预警，话不多说，Here we go！ （PS：使用模型的方法在文末） 一、写实PK：GPT4o VS FlUX 都说写实就看 FLUX，确实没错，一直以来，我们在做写实风格图片的时候，质感最好，最接近真实状态的就是 FLUX 了。 先来看一张超精细节的人物脸部特写： 人像上 FLUX 的皮肤细节和瞳孔都还是到位，但 GPT4o 对于提示语中的“老者”和“马赛族”的表现同样惊艳。 再看一张具有灯光细节的场景图： 两张场景图，其实我会觉得 FLUX 的写实感觉更强烈一些，GPT4o 有点迷幻感，更体现出了“霓虹灯牌”的光效。FLUX 差在文字是乱码的。 那倘若我拿出 FLUX 最擅长的网红小姐姐照片时，GPT 4o 你又要如何应对呢？ 我实在是不得不说，网红照片还是 FLUX 强，这个味儿太对了，而 GPT4o 对于提示语的表现还是非常完整的，整体照片质感也有，就差了那么一点点氛围感。 整体来说，写实风格，我觉得 FLUX 不输。但这里我还是要感叹一句，GPT4o 进步也太大了吧！谁还记得当年DALLE3 的图片效果是啥样啊，OpenAI 这个拖延怪！ 二、风格化：GPT4o VS Midjourney 接下来，我们再来比比风格化。不得不说风格化审美这一块确实还得看我们的老牌王者，Midjourney！（也是个不爱更新的 ） 这次我们不测单一风格，来玩个更猛的，看看对于提示语中不同风格的融合，两个模型做的怎么样？ 首先来看个赛博观音雕像： 原生多模态的 GPT4o 的提示语遵循能力非常强。跟 Midjourney 对比的话，GPT4o 能精准get到“千手”这个特点，而且机械臂和代码层的展现都很到位。Midjourney 就是氛围感很强，能看出“赛博”也能看出“观音”，而且整个图片更具有电影感和压迫感。 再来看个敦煌飞天机械姬： 惊艳我了！4o 这个完完全全就是我想象中的样子。Midjourney 就有点拉垮了……有敦煌味儿，但是细节不能看。 如果是“赛博水墨”呢？ 我只能说 GPT4o完胜，完全震惊，是我原本没有想到的画面，但又在合理之中，又水墨又赛博，绝了。 最后，规规矩矩看个热血小厨神： 我觉得很难得的是，GPT4o 生成出来的图片没有什么多余的元素。从前文生图一直以来被诟病的其中之一就是图片上总是会多很多莫名其妙的东西，显得整个图片很繁琐。那现在 4o 做的就好多了。 我宣布，这轮 GPT4o 胜利！ 三、文字：GPT4o VS 即梦2.1 记得去年12月，我曾经写过一篇即梦2.1生成稳定中文的文章， 一键生成会动的中文海报，即梦是要把设计和剪辑的饭碗都抢了 一键生成会动的中文海报，即梦是要把设计和剪辑的饭碗都抢了 当时即梦2.1对于各种海报风格的拿捏都很到位。甚至是，在这次 GPT4o 出来之前，即梦2.1都是文字稳定性的Top1（个人觉得）！ 那么今天，这个宝座还坐不坐得稳呢？ 不墨迹，我直接放出四张不同风格的海报对比图： 相信大家看到这里，应该和我一样要感叹这次 GPT4o 的文字功底了吧。 稳，实在是太稳了。 当然，即梦2.1也是很能打的，生成的图片很有自己的风格，能够融合一些国内电商的特点，只是经常会带一些不知名的小文字。 上面即梦2.1的文章中也说过它能画小漫画，那换成 GPT4o 我们再来对比一下： 强就一个字，我要说十次了。虽说这两张图片都是生成了多次才做出来的，但是 GPT4o 的四格画面逻辑更完整。即梦2.1这个画风我也很喜欢，遗憾的是没有作出猫猫掉入浴缸的滑铁卢场面。 嗯，这轮 GPT4o 又赢了。 四、用嘴修图：GPT4o VS Gemini2.0 VS 豆包 前一段时间，Gemini 2.0 和豆包的对话修图功能小出圈了一把，大家纷纷测的火热。现在，原生多模态的GPT4o自然也是拥有了这个对话修图的功能。 那肯定少不了把这三个都拎出来比一比了！ 我的观感， GPT4o 豆包 Gemini2.0 。前面两步对于图片元素的修改，4o 和豆包做得都不错。但是最后一步风格化，我会更喜欢 4o 的风格多一些，卡通可爱又保留了原图的特征。Gemini2.0这局可惜了，发挥失常。 五、GPT4o 专属能力项 基于对话能力和上述多项非常能打的能力上，GPT4o 还能玩出更多的花样！ 5.1 多图融合 在 GPT4o 中是支持一次性上传多张图片的，能基于这个我们就能让模型根据我们上传的多张图片进行不同的操作，比如： 让马斯克和奥特曼一起比个心，或者让我和奥特曼、黄仁勋一起开发布会（梦想啊梦想）： 把一张图片重绘成另一张图片的风格： 把马斯克的脸换到奥特曼的脸上： 让老师在黑板上画出奥特曼的粉笔画： 甚至是用 4o 先生成一张 UI 界面（这个设计也很棒），然后把它放到发布会的手机展示图上，讲道理，这个UI和融图，前端设计的饭碗又危险了。 5.2 四格漫画 上面已经看过 4o 可以根据文字生成四格小漫画了，那么如果我上传两张图片限定主角的话，是不是也行？ 答案就是，真的行！而且让它自己写剧情也不赖，很可爱！那我换一个设定，将一张照片作为首图限制剧情来试一下： 真，的，可，以！而且我家小猫的特点复刻的好棒！细节都对上了，小猫调皮的样子也很可爱，看的我抓起我家小猫 rua 了一把！ 5.3 多元素稳定 这个特点是我测了这么多图感受出来的。放在之前，如果提示语中有很多元素或者是让模型自行想象生成的元素的话，生成出的效果一般情况下要么要素过多，容易乱码，也么理解不出提示语的意思。说到这，大家应该知道我要说什么了。没错，GPT4o 又做到了！ 我直接放出来四张生成截图，每一张都很稳定，我把这个结果发给别人之后，收到了如下回复：