自回归+扩散！Salesforce开源统一多模态模型BLIP3-o，图像理解与生成全拿下
自回归+扩散！Salesforce开源统一多模态模型BLIP3-o，图像理解与生成全拿下OpenAI 的 GPT-4o 在图像理解、生成和编辑任务上展现了顶级性能。流行的架构猜想是：
来自主题: AI技术研报
8888 点击 2025-05-23 11:42
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
OpenAI 的 GPT-4o 在图像理解、生成和编辑任务上展现了顶级性能。流行的架构猜想是：
2025 年 4 月的 AI 月报，你会看到：“评估（Evals）” 成为模型和 AI 产品开发的关键词；Google 继续提升 Gemini 模型能力的思路； OpenAI 的 GPT-4o 为什么变得谄媚，以及背后的问题；用户规模与模型能力提升关系不大？可能要有变化了
上个月， GPT-4o 的图像生成功能爆火，掀起了以吉卜力风为代表的广泛讨论，生成式 AI 的热潮再次席卷网络。
我又发现好东西了！前几天在 Artificial Analysis 上发现了一个新模型：17B 参数的国产模型 HiDream-I1排到第二名，和 GPT-4o 得分非常接近！
昨晚，奥特曼在 X 上发了条帖子，大意是由于发现 GPT-4o 「过于谄媚」的问题，所以从周一晚上开始回滚 GPT-4o 的最新更新。
坏了，AI 当「舔狗」这件事藏不住了。今天凌晨，OpenAI CEO Sam Altman 发了一个有趣帖子，大意是：由于最近几轮 GPT-4o 的更新，导致其个性变得过于阿谀奉承，因此官方决定尽快进行修复。
刚出道的 HiDream-I1，拿下了 Hugging Face 趋势榜第二（图像榜第一），Artificial Analysis 文生图第二，排在Midjourney、Google Imagen、FLUX、SDXL 之前，仅次于 GPT-4o 。
从 ChatGPT 引发认知革命到 GPT-4o 实现多模态跨越，AI 技术的每次跃迁都在印证一个底层逻辑 —— 数据质量决定智能高度。而今，这场 AI 浪潮正在反哺数据库领域，推动其从幕后走向台前，完成智能时代的华丽转身。
最近几天，OpenAI 革新的 GPT-4o 图像功能给大家带来了不少乐趣，各路社交媒体都被「吉卜力」风格的图像、视频刷了屏。机器之心还尝试了制作了《甄嬛传》的名场面（视频如下，制作方法参见《GPT-4o 整活！3 个小时、6 个镜头重现吉卜力版《甄嬛传》名场面》）。
现在，你可以指导 GPT-4o 的说话方式了。