我在OpenAI修中文

作者｜陳博遠(yuǎn)

今天凌晨，Open AI 研究科學(xué)家陳博遠(yuǎn)在知乎上發(fā)布了一篇博客，介紹了 GPT Image 2 官網(wǎng)博客的花絮。本文是對該博客的原文轉(zhuǎn)載。

大家好，我是 GPT Image 團(tuán)隊的研究科學(xué)家陳博遠(yuǎn)。上周發(fā)布的 GPT 生圖模型就是我主力訓(xùn)練的！這次終于輪到我和奧特曼一起主持了發(fā)布會。很高興這次修好了模型的中文渲染！如果大家有什么反饋可以直接回復(fù)我哦。圖 1 中就是我在發(fā)布會上的直播（不過多語言能力是直播后半節(jié)，國內(nèi)媒體好像并沒有發(fā)現(xiàn)只有我才是國人 QwQ）。這次特意用圖片生成了整個官網(wǎng) blog，背后有很多花絮很好玩。

陳博遠(yuǎn)在 OpenAI GPT Image 2 發(fā)布會上和山姆奧特曼演示文字渲染能力

我們的模型在發(fā)布前用 duct-tape 的代號在 LMArena 上進(jìn)行了雙盲測試。這個代號也是我起的，意思是布基膠帶，也就是下面這個東西：

duct tape 翻譯過來叫布基膠帶，不過國內(nèi)不常見。

至于為啥起名叫布基膠帶嘛.. 當(dāng)然是因為你可以用布基膠帶把香蕉貼在墻上啦！

那副世界聞名的藝術(shù)品，就是用布基膠帶把香蕉貼在墻上

當(dāng)然，結(jié)果也是在雙盲測試中斷崖領(lǐng)先了代號為小香蕉的第二名。

除此之外我花時間做了好多我們官網(wǎng)上的圖片。整個 Blog 都是用圖片生成的，完全沒有文本。下面這些圖都是我親手做的！每張圖的背后都有很多思考，這里也像藝術(shù)家一樣和大家展示下。

然后是我們的中文彩蛋。當(dāng)時特別想做一個很搞笑的漫畫，于是想到了接住梗和香蕉梗。當(dāng)然，為了秀一下文字能力，我特意讓他用多國語言加了很多文字，并且家鄉(xiāng)海報的右下角讓他生成特別特別小的中文來測試到底能多細(xì)節(jié)。我為了讓模型做一些只有我們才做得到的事情，特意讓他生成的圖要看起來像是一張對著一本真的漫畫書拍的照片。這整張圖，包括畫中畫和畫中畫中畫都是一次性生成的。我設(shè)計完以后擔(dān)心大家覺得這是張拼接圖，于是特地在圖底加了備注。

思來想去，這樣的文字渲染其實還是不夠驚艷。在隊友的提示下我做了一張 4K 圖 (為了節(jié)省大家的流量壓縮了一點點）。內(nèi)容是一堆米粒，但是其中的一顆上面刻著字。你能找到嗎？

這張日語漫畫也是我做的。當(dāng)時想做一個和 GPT 圖片生成相關(guān)的漫畫。當(dāng)時做了一張和香蕉有關(guān)的巨搞笑的漫畫，但是感覺放在官網(wǎng)上不太合適。于是最后還是用了另一種方式把漫畫和 GPT 生圖聯(lián)系在一起。我構(gòu)思了羽毛筆這個主題，剩下的只有很簡單的提示詞，告訴他構(gòu)思 “戲劇化” 的漫畫。

更多雜志頁，這張是和同事一起做的。思路是讓生圖模型用一些真實的物體結(jié)合藝術(shù)的布局。這樣既可以體現(xiàn)模型的對真實世界的還原，又不失設(shè)計感。

做下面這張圖的時候，我在想到底有什么東西能突出我們模型在思考能力上的進(jìn)步。如果讓他解普通數(shù)學(xué)題方程啥的，似乎就太簡單了。nano banana 似乎通過思考模式 + 文字渲染的方式也能做。于是我想到了我非常喜歡的一個視覺證明來真正考驗 GPT Image 2 獨(dú)特的視覺推理效果。圖里提示詞說的是，在黑板上用視覺（而不是代數(shù)）證明從 1 開始的奇數(shù)之和是一個平方。普通的模型其實很容易推理出代數(shù)解，但是圖形解只有視覺模型才能做了。

最后這張圖展示的是搜索能力，要去我們官網(wǎng)的商店里找內(nèi)容做一個海報。直播里我們還展示了 Thinking mode 自動生成二維碼放進(jìn)圖片里 - 其實背后有個彩蛋，當(dāng)時展示的二維碼掃進(jìn)去的前若干個人可以獲得一個免費(fèi)小獎品。

最后的最后還是要感謝團(tuán)隊的齊心協(xié)力！每個人都做了很多很多的事情。在發(fā)布前的尾聲，我除了在修一些小東西就是和市場部門的同事還有做藝術(shù)的同事一起準(zhǔn)備發(fā)布會和這個網(wǎng)站，他們真的是我見過的最強(qiáng)大的合作者了，也讓我們最后才有了這么漂亮的網(wǎng)站。

希望這回穩(wěn)穩(wěn)地接住了大家！