在 Google 發布了 Gemini 2.0 Flash (Image Generation) Experimental，在圖像生成與多模態處理令人驚嘆。OpenAI 也不甘示弱的升級GPT-4o 的重大改良，讓原本在圖像處理方面相對薄弱的 GPT 模型也成功追趕上來，甚至在某些面向上有超越 Google 的趨勢。
雖然過去 GPT 模型在圖片辨識與處理上的表現只能說是「堪用」，稱不上亮眼，但這次的 GPT-4o 更新，無論是在"圖片理解、修圖建議，甚至是生成圖片的能力"上，都有了質的飛躍。
圖片修圖
在修圖方面，GPT-4o 能夠結合圖像辨識與語言理解，提出具體且實用的修圖建議。例如提供一張照片後，它可以針對色彩、構圖、光影等面向給出專業等級的回饋，在結合其他圖像處理工具（如 Photoshop 或 Lightroom），能夠進一步協助調整參數，讓修圖更有效率。
圖片生成
GPT-4o 現在也能透過結構化的語意輸入，生成特定風格或主題的圖片，不僅能理解抽象描述，還能將這些語意轉化為具體的視覺元素。雖然目前在細節還有可提升空間，但對於創意構圖、初步視覺草圖等用途，已具備高度實用性。
整體使用下來，感覺非常的棒，已經到了"可實用"在工作的等級，當然細節還是要自己補強。
參考：介紹 4o 影像生成 | OpenAI --- Introducing 4o Image Generation | OpenAI