GPT-4o image generation
GPT-4o image generation 是原生嵌入 GPT-4o 的多模態圖像生成能力,可根據文字和圖像輸入生成或轉換圖像。OpenAI 於 2025 年 3 月 25 日發布該能力。(openai.com) 根據自然語言生成照片寫實或其他風格的圖像,並在圖像中呈現文字。 結合對話上下文多輪修改圖像,利用上傳圖片作為編輯對象或視覺參考。 遵循包含多個物件和限制條件的指令,適用於資訊圖、標誌…
模型發布檔案
彙整模型發布動態,按發布時間瀏覽,探索值得關注的新模型。
GPT-4o image generation 是原生嵌入 GPT-4o 的多模態圖像生成能力,可根據文字和圖像輸入生成或轉換圖像。OpenAI 於 2025 年 3 月 25 日發布該能力。(openai.com) 根據自然語言生成照片寫實或其他風格的圖像,並在圖像中呈現文字。 結合對話上下文多輪修改圖像,利用上傳圖片作為編輯對象或視覺參考。 遵循包含多個物件和限制條件的指令,適用於資訊圖、標誌…
Google 於 2025 年 3 月 25 日發布的 Gemini 2.5 Pro 公開實驗版本,是面向複雜任務的多模態思考模型。官方發布紀錄稱,該版本預設始終開啟思考模式。(blog.google) **推理與程式設計:**面向數學、科學和複雜問題推理,也可用於程式碼生成、轉換和編輯,以及開發網頁應用程式和程式碼代理。(blog.google) **多模態與長上下文:**發布時支援處理文字、音…
Wanx2.1-ImageEdit 是萬相通義圖像編輯模型,面向既有圖像的局部或全圖編輯。它支援預設編輯任務和指令式編輯,輸入和輸出均包含圖像。(docs.bailian.console.aliyun.com) 支援圖像風格化、線稿生圖、局部重繪、參考圖生成、圖像外擴和圖像超解析度等,可用於圖片修飾、內容修改和創意圖像製作。(docs.bailian.console.aliyun.com) 官方模…
騰訊混元 TurboS 的長文本版本,基於 TurboS 底座進一步增訓,採用混合專家(MoE)架構。騰訊雲產品動態記錄的發布日期為 2025年3月25日。(cloud.tencent.com) 官方稱該模型擅長文件摘要、文件問答等長文本任務,也可用於通用文本生成及複雜長文內容的分析與生成。(cloud.tencent.com) 名稱包含 128k,但所查發布公告未明確輸入與輸出各自的 token…