大家好，我是言川。
近期，OpenAI 推出了GPT-4o模型的生图功能，这一消息迅速在朋友圈和各大社交媒体平台引发了热烈讨论。
此次更新的影响力，我认为与春节期间发布的Deepseek R1模型不相上下。尤其是在设计领域，人们对此反应强烈，可以说是一片“哀鸿遍野”。原因在于，GPT-4o模型的生图功能不仅革新了传统的设计流程，甚至可能对现有的AI生图工作流产生颠覆性的影响。
今天，我将与大家分享我的使用体验，并探讨GPT-4o在生图领域的应用场景。在文章的后续部分，我还会简要提及它与目前主流的AI图像模型（Diffusion model）之间的差异，以便大家能客观、理性地了解AI技术。毕竟，很多媒体和博主为了追求流量，不惜制造焦虑......
本文将继续保持我一贯的深入风格，从基础知识介绍和使用方法开始，逐步深入讲解。
感谢您抽出宝贵时间阅读我的文章，现在，我们正式开始。
一、基础知识介绍
GPT-4o是由OpenAI开发的一款多模态大型语言模型，于2024年5月13日正式对外发布。在这款模型中，“4o”中的“o”代表“Omni”，寓意其具备全能的多模态处理能力。
那么，什么是多模态模型呢？
它指的是能够同时处理文本、图像和音频输入，并生成相应输出的模型。例如，我曾向大家介绍过如何利用AI文本生成工具，通过图像来反推生成相应的提示词。
反观之，多模态模型同样具备通过提示词生成图像的能力。
然而，它所输出的图像效果与Midjourney、StableDiffusion等主流图像模型相比，尚有差距。
直至2025年3月26日，OpenAI对GPT-4o的图像生成功能进行了升级，使得其多模态模型的图像生成能力得以与Midjourney、StableDiffusion等图像模型比肩，甚至在某些特定领域实现了超越。
某设计社区官方公布了一篇关于GPT-4o图像生成技术的详细介绍，详情请查阅：https://openai.com/index/introducing-4o-image-generation/
接下来，我要向大家展示的内容，正是借鉴自OpenAI的那篇精辟文章中的实例。
GPT-4o在图像生成方面展现出六大显著特性：文本绘制、多轮迭代、严格遵循指令、情境模拟、掌握世界知识以及呈现真实风格。
GPT-4o具备精准生成图像中文字内容的能力，能够支持制作嵌入文字的图像，例如菜单、邀请函以及信息图等。
在GPT-4o的使用过程中，用户得以通过多轮对话的方式对生成的图像细节进行细致的调整与优化。GPT-4o具备理解并执行复杂指令的能力，从而确保最终生成的图像能够精确地满足用户的个性化需求。
GPT-4o 模型在执行任务时，能够严格按照用户给出的指示进行，从而创作出符合要求的图像作品。即便是在复杂多变的场景以及细节处理上，它也能保持输出的一致性，确保图像的精确度。
GPT-4o具备解析语境信息的能力，并在图像生成过程中巧妙地融入这些信息，使得输出的图像与对话内容或是所给的提示词汇紧密相连。
GPT-4o 模型拥有广泛的世界认知，它能够创造出包含丰富文本元素的商业级别图像，这些图像涵盖了菜单设计、信息图表以及徽标等多种形式。
GPT-4o 拥有丰富的艺术风格转换能力，它可以从逼真的摄影作品转换到生动插图，甚至能够创造出具有高度真实感的图像。它精准捕捉细节纹理和光影效果，将每一处光影变化都表现得淋漓尽致。
在生成图像时，我们可以通过以下提示词来引导：想象一下，这是一张狗仔队秘密拍摄的瞬间，画面中卡尔·马克思匆匆穿过美国购物中心的车库。他回头望去，脸上的表情充满惊讶，试图躲开镜头的捕捉。他手中紧握着数个装满高档商品的闪耀购物袋。他的外套随风飘动，其中一个购物袋轻轻摆动，仿佛他在匆忙行走。背景中模糊的景象包括车辆和购物中心入口，而入口的灯光则显得格外明亮，以突出他的动态。此外，相机闪光灯的强烈反光导致部分画面曝光过度，营造出一种混乱的小报风格。
标题：GPT-4o 全方位解析：AI 绘图技术迈入新纪元，指令化创作成为现实！
（本文第14/78节，正文核心段落，如下改写）
提示词描述：“展现一幅栩栩如生的水下画面，其中海豚在废弃地铁车厢的窗缝中畅游，周围环绕着气泡与细腻的水流，其模拟效果精准至极。”
提示词：捕捉一帧别具一格的“水果碗”影像，其中巧妙融合了自然界的真实果实与微缩版的行星世界（木星、土星、火星、地球），确保其反射、光线与阴影与原始图像保持高度一致，画面布局精致，纹理质感逼真，每一处细节都经过细腻的渲染。
二、操作指南
经过前文的详细介绍与案例展示，相信各位读者对于 GPT-4o 的图像生成功能已经有了较为深入的认识。
接下来，我将为您详细讲解如何操作这一功能。
ChatGPT 的网址为：https://chatgpt.com/
请注意：您需要特定的网络环境才能成功访问。
目前，GPT-4o 的图像生成服务仅对订阅用户开放，同时，部分免费用户在灰度测试期间也有机会体验这一功能。
然而，并非所有用户都能享受到这一服务，您可以通过 ChatGPT 的对话界面来确认自己的账号是否具备此项功能。
以我为例，我的非订阅账号在对话框中显示的是“DALL·E”，这表明我的账号尚未被纳入灰度测试的范围。
特别说明：DALL·E，这是一款由知名AI研究机构OpenAI精心打造的图像生成模型，其核心技术基于先进的扩散模型（Diffusion Model）。
在GPT-4o模型中，最新推出的图像生成功能展现出令人瞩目的性能，其准确无误的显示状态，如图所示：
文章标题：GPT-4o 深度测评：AI图像生成迈入新纪元，指令即成艺术！
（文章第18/78部分，中间部分，直接输出改写正文）
原文片段：
对于未进行订阅的账户，它们将自动纳入灰度测试的范畴。然而，在运用生图功能时，用户将面临一定的次数限制——每天最多只能生成三幅图像。
若想享受到无拘无束的使用体验，那么成为会员便是不可或缺的选择。特别是选择Plus会员，仅需支付20美元，即可畅享无限制的生图功能。
GPT-4o 图像生成功能的使用流程极为简便，用户只需借助简练的自然语言指令，便能轻松绘制出所需的图像。
然而，我们仍可将这一生成方式细分为两大类：首先是基于文字提示的生成方式，即“文生图”；其次是结合图像与文字提示的生成方式，称之为“图生图”。
在使用过程中，需特别注意GPT-4o在生成图像时对内容的严格限制。这包括但不限于：禁止生成任何有害信息、移除水印、尊重知名知识产权、避免模仿在世艺术家的作品，以及严格杜绝色情及儿童不适宜的图像内容。
整个操作流程仅需两步即可完成。首先，用户需点击“创建图像”按钮，随后输入相应的提示词。
提示词：“描绘一幅画面，其中权力的象征者丹妮莉丝·坦格利安与指环王里的神秘精灵王子莱戈拉斯，共同漫步在覆盖着冰雪的幽深森林之中。”
观察所生成的图像效果，GPT-4o 在遵循提示词并确保图像的真实性方面，其表现力与 Flux 模型可谓旗鼓相当。
坦白讲，当我首次在大型语言模型上见证到如此高品质的图片生成，内心不禁感到震惊。
接下来，我们将对插画风格进行测试。
输入提示词：“绘制一幅插画，描绘的是鱿鱼游戏中的迷宫式阶梯，并采用梵高的绘画风格。”
观察到的生成效果令人满意，然而，我决定深入交流，进一步检验它的“多轮对话”功能。
输入提示：“请将这幅模仿梵高风格的画作，巧妙地融入游戏王游戏中的卡牌设计中，制作成一颗星级满分的卡片。”
标题：GPT-4o深度解析：AI图像创作迈入新纪元，指令驱动创作成真！
（文章第23/78部分，正文部分，以下为改写内容）
原文的智能体不仅能够精准捕捉并再现《游戏王》卡片的精致图案，以及那些星光璀璨的图像，OpenAI此次的更新无疑是一次质的飞跃，它几乎能够迎合我们所有的想象和需求。
然而，真正有可能彻底革新现有的AI图像生成流程，对市面上绝大多数AI图像工具产生颠覆性影响的，是其“图生图”的强大功能。
整个过程仅需两个简单步骤：首先，上传一张或多张图像；紧接着，输入相应的提示词指令，对图像进行详细描述。
借助关键词的引导，我们可以将所上传的图像转变为迥异的视觉风格。例如，我们可以输入这样的指令：“请将这幅图像转变成插画风格。”
或许，你可以直接指定需要转换的特定风格，例如：“请将这幅图像转化为3D毛绒质感的效果。”
在GPT-4o的强大功能下，我们甚至能够上传多张图片，让这款AI将它们中的不同元素巧妙融合，生成一张全新的图像。
以这样的提示词为例：“将衬衫与短裤巧妙地搭配在马斯克的形象上。”
在领略了GPT-4o的强大图像生成功能后，我们可以预见到其广泛的应用前景。
在接下来的篇章中，我倾注了心血，参考了网络上众多出色的案例，经过连续三天的努力，得出了以下测试成果。尽管这些内容可能无法涵盖所有细节，但我衷心希望它们能为你的学习与研究带来一些启发。
三、应用领域
为了系统地整理和呈现这些应用领域，我将图像生成的场景划分为两大类别：图像设计和图像编辑。
图像设计涵盖了以下八个主要类型：风格转换、风格迁移、角色设计、草图转换、模特换装、产品组合、室内设计和字体设计。
风格转换，即是指将一种独特的艺术风格融入现有的图像中，使其呈现出该风格的视觉效果。
例如，我们可以输入这样的提示词：“请将这幅画作调整为具有写实人像风格的图像。”
提示词：“将这张图片中的角色，转换为3D毛绒风格，保持角色姿势不变。”
提示词：“将这张图片中的表情包，转换为3D毛绒风格。”
在风格转换的范畴内，这实际上与转绘的概念相吻合。具体来说，风格迁移技术是将一种特定图像的风格，巧妙地移植到另一幅指定图像之上。
以指令的形式，我们这样表达：“请将第一张图片上的图标元素，按照第二张图片所展现的风格和3D建模的质感，进行风格上的转换。”
提示词：“请将第二幅图像的画风巧妙地融入第一幅图像之中，同时确保第一幅图像中人物的姿态保持原样不变。”
标题：GPT-4o 全面体验：AI图像生成迎来全新纪元，命令成为艺术创作的利器！
段落：
让我们先来一场角色大变装游戏，把一个角色巧妙地融入新的环境里，让这个角色取代原有场景中的角色，同时确保角色原有的气质与风格得以保留。
输入指令：“在第一张图片的基础上，将画面中的角色巧妙转移到第二张图片的相应位置，并保持3D建模的视觉效果。”
角色三视图绘制技巧。
指导语：“基于此幅图像中展现的角色形象，精心构造其三视图，包括正面、侧面以及背面图。在创作过程中，务必确保角色的风格和细节特征得以完整保留。”
将一份简单的草图或是素描作品，巧妙地转化为栩栩如生的绘画佳品。在人工智能生成内容（AIGC）的浪潮中，草图绘制的细节和风格，主要受到提示词的引导与塑造。
输入的提示词如下：“请为这幅展现中国古代建筑风格的线稿增添色彩。在建筑主体部分，采用温暖的红色与金色进行描绘，屋顶部分则可以运用传统的深绿色或深蓝色调，并点缀以金色的装饰。背景中的山脉与树木，应以淡雅的绿色、棕色和灰色来呈现，水面则运用深蓝与浅蓝的渐变色彩，石块与植物则选用自然的土色系，例如灰色、棕色、绿色等。整体色调需保持柔和，并具备传统中国画的艺术韵味。”
在草图绘制的过程中，我们能够巧妙地融入风格迁移的技巧，从而实现图像的生动呈现。
具体操作时，我们可以这样设定提示词：“请将第一张图像中的人物线稿进行上色处理，并参照第二张图像的风格进行创作。”
提示词：“根据这张web设计的手绘草图，生成一张原型图。”
提示词：“依据所提供的原型图像，制作一幅完整的UI设计图，确保其中包含必要的图片元素和文字说明，呈现出UI设计的实际应用效果。”
借助AI的力量，我们能够将各式各样的服饰与配饰巧妙地叠加到模特的身上，创造出独一无二的着装风格。
指令示例：“请将第二张图像中的服装款式，完美地移植到第一张模特的装扮上。”
提示词：“将这双AJ鞋穿在模特脚上，画面只展示鞋子部分。”
文章标题：GPT-4o 全方位评测：人工智能图像创作迎来新纪元，指令引领艺术创作！
（文章第40/78部分，中间部分，以下为改写正文）
提示语：“请将画面中的女子上衣色调调整为鲜艳的红色，同时确保上衣的每一个细节都与原图保持高度一致，其余部分则需维持原有画面元素不变。”
文章标题：GPT-4o 全方位评测：人工智能图像创作迈入新纪元，指令操控即成艺术！
（文章第41/78部分，正文改写）
原文片段：
通过精心打磨与场景融合两大阶段，AI技术自动优化产品图像的每一个细节，并将之巧妙地融入相匹配的背景之中。
精心打磨——指令提示：“对耳机的图像进行细致的优化。”
产品替换——提示词：“将第二张图中的耳机，替换第一张图中的耳机”
产品融合——指令输入：“请将第二张图像中的耳机元素，巧妙地融入到第一张场景图中。”然而，在Logo、光影以及产品局部细节的还原上，整体效果尚显不足，未能达到理想的精细度。
文章标题：GPT-4o 深度评测：AI图像创作迈入新纪元，文字引导即成艺术！
（文章第44/78部分，中间部分，直接输出改写正文）
原文片段：
转变思路，仅需通过关键词来构建画面。
关键词：“将这款色泽深沉的Beats耳机安置于一个具有现代科幻风格的展示架之上，四周环绕着洋溢着未来气息的蓝调科技氛围，光线自上方洒落，凸显耳机金属的质感与细节。场景中应具备光洁的金属光泽与闪烁的虚拟线条，彰显耳机在科幻世界中的独特地位，整体洋溢着科技与未来的气息。”
光影的融合显得更为和谐，然而，产品局部细节与原始图像仍存在一定的出入。
人像合成——提示词：“请将图中的耳机穿戴在一位亚洲男模特的头部。”
借助关键词的指引，AI得以依据既定场景展开室内装饰的构思。
关键词：“请为这间时尚的公寓空间打造装修方案，采用现代简约的装饰风格，墙面以浅灰色为主调，地面铺设浅色木质地板，窗台上点缀生机勃勃的绿植，并搭配一款温馨的沙发与简洁的茶几。”
以全新的视角，借助选定的家具元素，AI将为我们呈现一幅富有创意的室内空间设计图。
输入指令如下：“请AI协助我打造一幅室内设计方案，将我提供的沙发、茶几、绿植以及地毯的图像巧妙地融入其中。整个空间的设计风格应偏向温馨与简约，同时充分利用宽敞的自然光线。”
标题：GPT-4o 全面评测：AI图像创作迈入新纪元，指令引领艺术创作！
段落一：
随着技术的发展，AI模型在文字生成方面的能力日益增强。依托于多模态大型语言模型的技术优势，即便是面对中文，GPT-4o 同样能够精准地理解和生成内容。
段落二：
以一个具体的提示词为例：“请将第一张图的字体特效巧妙地应用到第二张图中。”我们可以看到，GPT-4o 在这一任务上的表现令人印象深刻。
提示词：“根据这张图的字体风格，帮我设计“言川真棒” 的标题字体。”
借助先进的人工智能技术，我们得以将一幅图像中人物的五官特征巧妙地替换为另一位人物的五官，进而创造出全新的面部表情和形象。
指令示例：“将克里斯汀·斯图尔特的脸部特征，巧妙地移植到第一张图像中。”
运用类似的思路，我们可以借助换脸技术来制作证件照。
输入指令：“请将第二张图片中的人物面部特征，精确地替换至第一张证件照的相应位置。”
在AI技术的辅助下，我们能够对既有的图像进行边缘的拓展和场景的扩充，从而创造出一个既连贯又保持原始风格的全新区域。
输入的指令：“请将这幅画中的场景进行拓展，确保街道和建筑的风格保持不变。”
提示词：“扩展这张图片，16:9比例的横图。”
通过AI技术的巧妙运用，我们得以对那些年代久远、破损不堪或是部分缺失的照片进行有效的修复。这项技术能够自动识别并修复照片中的损坏区域，同时细致地恢复原有细节，显著提升图像的清晰度和色彩的还原度。
输入指令：“将这张老照片还原成鲜艳的彩色。”
提示词：“修复这张老照片，并上色。”
在图像编辑的过程中，我们有时需要针对某些特定区域进行重新描绘或是进行修补工作。这种操作，是依托于先进的AI技术，对所选区域进行深入的细节重构、优化或是调整，其目的是为了提升图像的视觉体验，或是将那些不再需要的元素替换掉，同时在处理过程中，务必保证整个画面的协调性和一致性。
经过我们的实际测试，这一功能的表现似乎并不如预期。尽管GPT-4o能够遵循我的指示对图片进行修图处理，然而，它却在不经意间对一些原本并不需要改变的元素也进行了修改。
以下是我在操作时的提示词：“请将图像中的女性形象去除，同时确保画面中的其余部分保持原有细节不变。”
提示词：“删掉图中不必要的元素（比如人、电动车等），保留图片中的场景。”
利用先进的人工智能技术或图像处理软件，我们能够实现将图像中的角色、物品或其他主要元素从其背景中精准提取。
指令示例：“请将本图中的商品从周围环境中提取出来，确保商品原貌不受影响，并输出为PNG格式的透明背景商品图像。”
通过上面的展示你可能不确信真的是 PNG 透明图，我把生成的页面放出来。
标题：GPT-4o 全方位评测：AI图像创作迈入新纪元，指令化操作引领潮流！
（文章第60/78节，中间内容，如下改写）
提示语：“请执行任务，将画面中的汽车从其背景中分离出来，确保汽车产品轮廓保持原样，并生成PNG格式的带有透明背景的产品图像。”
然而，我们在使用GPT-4o进行图像处理时发现了一个问题：它在执行任务的过程中，会不自觉地改变原图像中的一些细节元素。例如，汽车上的车标、Ultra字样等，都会受到影响，发生了变化。
标题：GPT-4o 全面评测：AI图像创作迈向新纪元，指令引领艺术创作！
（文章第61/78部分，核心内容，以下为改写正文）
提示语：“请执行人物图像背景移除操作，确保产品原貌保持不变，并输出PNG格式的透明产品图像。”
对于毛发去除的处理效果来说，整体表现尚可，然而在处理过程中，人物形象却发生了不可逆转的改变，这一问题似乎难以解决。
提示词：“提取本图中的玻璃杯，确保其透明度清晰可辨，保留杯身细节和透明质感，移除背景及所有无关附加物，输出为PNG格式的透明产品图像。”
尽管是透明的玻璃杯，其杯身的透明材质在处理中仍然难以完全去除。
四、技术探讨
在欣赏了 GPT-4o 生成的诸多实例之后，我想借此机会与大家分享一些关于 GPT-4o 图像生成技术的见解。
需要说明的是，OpenAI 在此次更新中并未公开 GPT-4o 图像生成技术的具体实现方法。我仅能依据网络上其他博主分享的信息进行阐述，若有不当之处，还请各位不吝指正。在此，我也请大家保持宽容的心态......
首先，GPT-4o 的图像生成功能是基于“自回归模型”构建的，这与我们熟知的“扩散模型”存在差异。因此，我们有必要先对这两种模型进行简要介绍。
扩散模型的基本原理是通过逐步添加噪声，使得数据逐渐变得模糊不清，随后再通过逆向过程从噪声中提取出原始数据。
扩散模型的生成过程大致分为两个阶段：
GPT-4o的图像生成能力，我们耳熟能详的Stable Diffusion、Midjourney、DALL·E等，它们均是基于扩散模型进行图像的生成。
而GPT-4o的图像生成功能，则是依托于自回归模型，它能够深入理解自然语言的语义以及上下文信息，并将这些信息巧妙地转化为图像生成的条件输入。
自回归模型在生成图像时，采取的是逐步像素构建的方法，它通过分析每一个已生成的像素，预测下一个像素的样式，如此循环往复，直至整幅图像的生成完成。
此外，GPT-4o 乃是一款多模态的大规模语言模型，运用了多模态学习技术，成功融合了文本与图像数据，使模型能够在处理和生成图像与文本方面具备双重能力。
下面，我们通过一份详细的表格来对比说明 GPT-4o 的图像生成功能与扩散模型的差异：
总结而言：
GPT-4o在图像生成方面的核心是运用自回归模型，这一模型与语言模型相结合，能够精准地根据文本描述产出相应的图像。而扩散模型则是通过向图像中引入噪声并进行去噪处理来生成图像，这种方法能够产出质量更高、细节更丰富的图像，不过其生成速度相对较慢。
五、GPT-4o 的利弊分析
在浏览完上述内容之后，相信大家对GPT-4o已经有了自己的见解或评价。
由于本文是由我来撰写的，因此将由我代表大家发表意见。当然，您的看法也可以在评论区中留言，让我们一起交流探讨。
GPT-4o是一款多模态的大型语言模型。得益于其背后庞大的数据量，GPT-4o能够生成各式各样的文字，并且通过多模态技术，可以将这些文字转化为图像，这一点是扩散模型所无法比拟的（特别是在数据量方面）。
GPT-4o 的强大之处在于它能够精准解读复杂的文字指令，并将这些指令精确地转化为图像生成的具体任务。相较于传统的图像生成模型，GPT-4o 的独特之处在于它能够应对包含多重要求的指令，并且能够精确地捕捉每一个细节。
GPT-4o 拥有解析并运用对话过程中的语境以及用户所提供的视觉信息的能力，能够创造出与对话背景高度契合的图像。这一功能确保了在多轮对话过程中，生成的图像能够保持其连贯性与一致性。
GPT-4o 模型具备多样化的图像生成艺术风格，这些风格的数据均源自于大型的语言模型。在扩散模型的运用中，我们需独立训练特定的风格 Lora 或对 Checkpoint 大模型进行微调。
在图像生成过程中，GPT-4o 有时会遭遇裁剪失误的问题，同时，它也难以精确地设定图像的具体尺寸。
在图像创作过程中，GPT-4o 有时可能会遭遇与现实脱节的细节问题，这便是所谓的模型幻觉，这是大型语言模型普遍面临的一个挑战。这种现象可能会在生成的图像中引入一些不真实或矛盾的因素，进而影响到生成内容的整体可信度。
在应对含有众多元素的复杂场景时，GPT-4o或许会在将各式各样的对象和特性进行有机融合的过程中遭遇挑战，进而使得输出的图像在协调性与连贯性上略显不足。
在处理富含众多密集信息的图像时，GPT-4o有时会面临挑战，难以精确地还原所有细节，这可能导致图像中某些部分变得模糊不清，甚至出现信息缺失的情况，从而影响了图像的整体完整性与阅读体验。
在图像编辑或生成过程中，GPT-4o 能够对原始图像进行全面的修改（高达100%），其中最具代表性的应用场景之一便是人像抠图技术。
在创作高品质图像的过程中，对计算资源的需求量巨大，这导致GPT-4o的图像生成速度可能相对较慢。尤其是在系统负载较高的状态下，生成一张图像所需的时间可能会明显增加，这样的体验对于用户来说可能会感到不尽人意。
GPT-4o 在图像生成的过程中，可能会调用大量的数据资源，这其中自然包括了用户所提供的参考图像。这样的操作虽然有助于提升生成图像的准确性，但同时也可能带来数据隐私与安全方面的挑战，尤其是在生成的内容涉及敏感信息时，这一问题显得尤为突出。
在IP角色以及人物形象的生成上，GPT-4o 存在一定的限制，有时甚至会出现无法生成的情况。与StableDiffusion相比，其自由度相对较低。虽然这样的限制在一定程度上是对版权和原创性的保护，但在实际使用过程中，用户往往感到操作不够流畅。
六、结语
本文的内容就此告一段落，接下来我想谈谈对于OpenAI此次更新的个人见解。
首先，必须承认，GPT-4o在图像生成技术上的突破无疑是AI图像领域的一次重大变革。在此之前，众人都在竞相追求扩散模型的发展，然而每次扩散模型的更新迭代，尽管在图像效果上有所提升，例如Midjourney从V4到V6的版本迭代，但并未带来像这次自回归模型技术那样的颠覆性变化。它彻底颠覆了之前复杂的扩散模型工作流程，如ComfyUI工作流，使得仅凭一句提示词就能实现老照片修复、产品精修、模特换装等多种图像效果。
在2023年，我就曾提出过一个观点，即StableDiffusion这类复杂的生图流程在未来必将被取代。因为在AIGC时代，AI的主要作用就是简化人类的工作，用AI替代那些标准化的手工流程。AI作为程序，只要给予足够的计算资源，就能无休止地工作。
尽管StableDiffusion在商业生图场景中能够满足大部分需求，但其复杂性使得尽管能够优化传统工作流程，降低成本、提高效率，但实际效果并不显著。AI生成的内容仍需大量的人工成本进行修正。
显然，GPT-4o在图像生成领域的自回归模型做到了这一点，尽管它目前仍存在不足，需要人工后期修正，但与复杂的ComfyUI工作流相比，它极大地简化了工作流程。
那么，我们是否还需要学习扩散模型，比如Midjourney和StableDiffusion呢？
我的回答是，当然需要。
在我们会员社群中，大家戏谑地说：“再不学，就真的不用学了......”
我之所以这样认为，是因为一个令人痛心的现实：数据安全问题。GPT模型会学习我们上传的文本信息和图像信息，这对于许多公司来说是无法接受的，而StableDiffusion是本地部署的，不存在这种问题。
此外，还有各种自定义编辑问题，如图像裁剪、特殊风格、原始图像的稳定性等。尽管GPT-4o能生成高质量的图像，且非常听话，但在商业级图像质量水平和对图像细节的控制上，还远远不够，我们只能说它的综合能力很强。
显然，目前最适合商业级生图场景的模型或工具仍然是StableDiffusion。尽管我之前提到它复杂、学习成本高，甚至可能会被其他技术取代，但这次事件也将加速图像模型的研发进度，2024年的图像模型市场将更加活跃......
无论是之前的扩散模型，还是现在的自回归模型，都将在这次行业震动下再次掀起热潮！落后就要挨打，我非常期待4月份Midjourney V7模型的发布，也期待StableDiffusion的持续迭代。
最后，目前使用GPT-4o会存在许多限制，如网络、会员、生成速度等问题。但请耐心等待，按照行业惯例，国内的大厂如字节、腾讯、阿里等可能会很快推出类似的功能（自回归模型，而非当前的扩散模型技术）。当然，DeepSeek或许会继续开源。
以上分享，纯属个人观点。
在AI时代，谁也无法准确预测未来会发展到何种地步，唯一可以确定的是，AIGC将是未来发展的主流趋势。
在追求不断进步的道路上，我们应当抱持着终身学习的态度，用一颗理性且客观的心去面对行业发展的不断变革。切不可因技术的每一次更迭而心生焦虑与恐慌，否则，我们可能会在不经意间沦为AI技术浪潮中的“牺牲品”。
在此，对您的阅读表示衷心的感谢。希望这篇文章能为您的知识库增添一份力量。让我们期待下一次的相聚，再见。
