除了对视觉解码器的分析，研究人员也深入探讨了视觉编码方式。他们指出，一些研究（如UniTok）认为基于向量量化（VQ）的编码器可能会削弱模型的语义理解能力。

随着“万物皆可吉卜力”的趋势兴起，GPT-4o的图像生成能力引起了极大关注。近日，北京大学、中山大学等研究机构联合推出的GPT-ImgEval，首次对GPT-4o的图像生成进行了系统性的评估，揭开了其背后的架构秘密，并探讨了其短板和未来发展。

最近，华为诺亚盘古研究团队联合香港大学推出了 ILLUME+，这款模型是 ILLUME 的升级版本，采用了双重视觉联合词表（DualViTok）和扩散解码器的创新设计，显著提升了语义理解和高保真图像生成能力。与当前现有的统一模型不同，ILLUME + ...

GPT开山一作、「爱因斯坦级的天才」携手OpenAI前首席研究官，一起加入OpenAI前CTO的新公司Thinking Machine Lab。有消息称，Thinking Machine Lab曾与风投洽谈，筹集超过1亿美元的资金。

由于OpenAI未公布GPT-4o图像生成的技术细节，此前确实有人依据这个生成过程动画，猜测底层架构可能是多尺度自回归的组合。 GPT-4o玩家太疯狂，奥特曼紧急呼吁别再生成图片了：OpenAI团队为此一直在熬夜。 图片 ...

GPT-4o文生图模型展现惊人能力，从精准细节到复杂融合，AI生成图像的效率与质量正重新定义创意边界。本文通过多场景实测，揭示GPT-4o如何以非自回归架构颠覆传统设计流程。 前天，写了一篇关于 ChatGPT 文生图功能的文章。 发到知乎后，一位 ...

早前一度有外媒传出可能推迟发布的Meta（META）语言模型Llama 4，突于周六深夜发布，全系列采用混合专家（MoE）架构，并且是原生多模态训练，不再是Llama 3般的纯文字模型。Meta GenAI负责人Ahmad ...

OpenAI 正在积极测试一项为旗下 GPT-4o 图像生成模型添加水印的新功能。近期，ChatGPT 因其强大的图像生成能力而备受瞩目，该模型不仅能准确生成带文字的图片，还能创作出高度逼真的视觉作品，甚至能模仿如吉卜力工作室等著名动画公司的艺术风格 ...

2025年4月6日凌晨，Meta以“周末突袭”的方式开源Llama ...

GPT-ImgEval团队 投稿量子位 | 公众号 QbitAI GPT-4o图像生成架构被“破解”了！ 最近一阵，“万物皆可吉卜力”让GPT-4o的图像生成功能一炮而红，人们随之好奇： ...

但对于试图通过GPT-4o生成过程推断其底层架构的研究人员来说，就容易让人误解了。 由于OpenAI未公布GPT-4o图像生成的技术细节，此前确实有人依据 ...