什么值得买App下载 App ›
连续签到专享现金活动

GPT-Image-2发完,谷歌DeepMind连夜更新

美国当地时间4月21日凌晨,OpenAI正式发布了GPT-Image-2,并在ChatGPT、Codex及API端同步上线。此次更新并非简单的画质升级,而是通过引入“思考模式”实现了模型能力的重构,使其从单纯的图像渲染工具转变为具备信息处理与视觉表达能力的“视觉工作系统”。与此同时,Google DeepMind紧随其后推出了基于Gemini 3.1 Pro的新一代自主研究智能体Deep Research和Deep Research Max,重点强化了MCP接入与原生图表能力,意图在信息分析流程上实现突破。
01GPT-Image-2:核心能力解析
  • 引入思考模式
    模型在生成图像前会执行搜索获取信息、分析任务需求、规划图像结构及内容层级,并在生成后进行自检。这一机制改变了以往依赖“抽卡”式的生成逻辑,确保输出符合真实语境与设计要求。
  • 视觉与信息能力合流
    GPT-Image-2能够独立完成从信息组织到视觉表达的全流程。在信息图、海报、UI截图等场景中,模型可自动补全背景信息并整理内容,输出结构清晰的视觉成品,多语言文本与复杂排版的稳定性显著提升。
  • 一致性控制与规模生产
    支持一次生成多张保持一致性的图像,适用于漫画分镜、品牌物料及多尺寸广告图制作,降低了操作门槛,使非专业用户也能进行规模化视觉生产。
在Image Arena榜单上,GPT-Image-2以超过200分的差距领先第二名,显示出其在能力结构上的范式切换。这一变化标志着图像模型不再仅作为像素层面的渲染工具,而是进化为视觉层的执行系统,其竞争范围已扩展至多模态大模型领域。
02谷歌DeepMind:加速跟进与能力升级
面对OpenAI在视觉生产流程上的推进,Google DeepMind迅速响应,推出了Deep Research和Deep Research Max两款自主研究智能体。Deep Research Max在DeepSearchQA和HLE指标上分别达到93.3%和54.6%,旨在通过接管信息分析流程,将Gemini从聊天工具升级为“企业知识引擎”。
  • Model Context Protocol (MCP) 接入
    支持在一次调用中同时访问开放网络、企业私有数据库及第三方数据服务,打通了公开信息与内部数据的处理壁垒。
  • 后台异步运行
    支持夜间执行复杂研究任务并在次日交付结果,AI开始承担完整的研究周期,不再局限于即时问答。
  • 原生图表能力
    模型可在报告中直接嵌入图表和信息图,将数据可视化作为分析的一部分输出,减少了人工整合的工作量。
03行业趋势:吃掉“中间环节”

视觉生产 vs 信息分析

接管视觉生产流程
  • 具备前处理能力,整合指令理解、信息处理与视觉表达

  • 支持多语言文本、复杂排版及一致性控制

  • 实现从信息图到品牌物料的规模化生产

接管信息分析流程
  • 通过MCP协议打通内外部数据源

  • 支持后台异步研究,交付完整分析报告

  • 原生嵌入图表,提升数据可视化效率

无论是GPT-Image-2在视觉层面的执行系统化,还是Deep Research Max在信息分析层面的研究代理化,两者的核心演进逻辑均指向“吃掉中间环节”。AI正从单一的生成或问答工具,加速向能够独立承担完整工作流的高度自动化系统转变。

评论

评论区空态插画

当前文章无评论,是时候发表评论了