EZAPK

　　3 月 26 日凌晨，就在谷歌抛出 Gemini 2.5 Pro 之后，OpenAI 旋即开启深夜直播：GPT-4o 的原生图像生成正式推出，并已在 ChatGPT 和 Sora 中上线。奥尔特曼亲自上阵，演示了自拍变梗图、文本渲染等一系列升级。按照官方说法，从当天起创建和定制图像，就像聊天一样简单。

　　真正的风暴在上线之后才拉开帷幕。短短一天之内，大量用户把照片转换成吉卜力工作室风格的 AI 图像，在各大社交平台刷屏，版权争议随之而起；官方紧接着承认 GPU 超负荷被迫限流，并于 3 月 30 日晚间由奥尔特曼宣布，将限制 ChatGPT 的文生图速率、禁止通过提示词直接生成相应风格图片。一场技术发布，就此从秀肌肉滑向了版权与算力的双重约束。

深夜狙击谷歌：原生生图正式亮相

　　直播时间点相当微妙：谷歌刚刚扔出被称为地表最强模型的 Gemini 2.5 Pro，OpenAI 便在深夜组织了反击。奥尔特曼亲自带队，展示了 GPT-4o 图像生成技术的多项升级，包括制作梗图、文本渲染、多轮交互生成和指令遵循，并宣布从当天起，ChatGPT 原生图像生成功能正式推出。

　　演示环节亮点频出。三个人用手机拍了张自拍，GPT-4o 立即将其转换为动漫风格的版本；团队还当场官方玩梗，让模型在图片上添加一段「Feel The AGI」，一张表情包就此诞生。卡片演示则要求把主角换成某位研究者的狗狗，画面上还要呈现模型名称、年份与体重身高，所有数据都准确无误；收尾的纪念币演示更把此前生成的多个元素，连同特殊十六进制代码要求一并融进了同一张图。

　　能力层面的跃升同样明显。大多数生图模型在渲染多个项目时往往混淆颜色和形状，而新模型能正确绑定 15 到 20 个对象的属性，15 个非常细化的要求也能在一张图里同时实现。作为原生功能，模型基于聊天上下文构建图像与文本，多次迭代仍保持一致；生成的图像往往比以往更加逼真，OpenAI 在接受《The Verge》采访时将其描述为一次「质的飞跃」。

上线仅一天：吉卜力风潮席卷社交平台

　　新的图像生成器上线仅一天，社交媒体上就充斥着吉卜力工作室风格的 AI 生成梗图。玩法并不复杂：把现有图片上传至 ChatGPT，再要求聊天机器人以新的风格重新创作即可。过去 24 小时内，网络上出现了众多这类图像，题材包括马斯克、《指环王》以及特朗普的形象；连奥尔特曼本人也把新头像换成了一幅可能是 GPT-4o 制作的吉卜力风格图像。

　　风潮随即点燃围绕生成式 AI 的核心法律问题：如果这些公司使用版权作品进行训练，是否构成侵犯版权？Neal & McDevitt 律师事务所的知识产权律师埃文·布朗指出，这类产品处于法律灰色地带——风格本身并未明确受到版权保护，仅凭生成类似风格的图像似乎并未违法；但 OpenAI 可能是让模型学习了吉卜力电影的数百万帧画面才实现相似性，而使用版权作品训练 AI 是否属于合理使用，仍有多个法院正在裁定。

　　诉讼早已在排队。《纽约时报》及几家出版商正在起诉 OpenAI，指控其未经适当署名或支付费用就使用版权作品训练模型；Meta 和图像生成初创公司 Midjourney 也面临类似诉讼。OpenAI 向 TechCrunch 发布的声明称，ChatGPT 拒绝复制「在世个人艺术家的风格」，但允许复制「更广泛的工作室风格」；而吉卜力工作室联合创始人宫崎骏，恰恰被视为这类工作室独特风格的开创者。

GPU 告急：临时限流与免费版推迟

　　热度来得远比预想凶猛。3 月 27 日，奥尔特曼先是在 X 平台承认，图像生成工具的受欢迎程度远超预期，免费版用户的上线计划将不得不推迟随后他又表示需求过高造成 GPU 超负荷，OpenAI 将努力提高效率，并对生成图片功能临时引入频率限制，还打趣形容 GPU 已经快被「熔化」，但未透露具体标准，只希望这一措施不会持续太久。

　　配套细节也相继披露：免费用户「很快」将能够每天生成最多三张图像；OpenAI 还提到拒绝了一些本应被允许的生成内容，正在尽快修复。GPT-4o 在文本渲染方面进行了优化，并采用「自回归方法」生成图像，即从左到右、从上至下逐步构建画面；至于免费版何时上线，官方口径仍是尚未明确，现阶段该功能仅向 Plus、Pro 及 Team 订阅用户开放。

同步升级：GPT-4o 站上基准第二

　　3 月 28 日，OpenAI 发文宣布为 ChatGPT 中的 GPT-4o 带来更新，聚焦多指令解析优化、技术问题处理增强、逻辑推理与创造力提升以及交互界面精简四大方向；升级版已面向所有付费用户开放，开发人员可通过 chatgpt-4o-latest API 访问。跑分也佐证了升级分量：在 LMArena 众包基准上，最新版 GPT-4o（2025-03-26）已提升到第二名的位置，甚至超过上个月推出的 GPT-4.5，与 2025-01-29 那次测试相比足足提高了 30 分；此前落后的数学、难题与编码类别排名，则分别从第 14 位、第 7 位、第 5 位升至第 1 位。

破解前端魔术：五张中间图里的线索

　　热潮之下，技术圈也在拆解它。3 月 29 日，港中文的一位博士生 Jie Liu 破解了 GPT-4o 前端生图的秘密：逐行生成的效果其实只是浏览器上的前端动画；打开 Network 面板可见，单次生成中服务器实际上总共只发送了 5 张中间图像。放大图像能观察到区块，经像素计算每个区块似乎约占 8×8 像素，整张 1024×1024 像素的图像被划分为一个 128×128 的区块网格；手动调整模糊高度，甚至能改变生图的模糊范围。

　　更有价值的线索藏在中间图像里：两个色块之间的白色区域并没有严重模糊，不像扩散模型的噪点图像。社区随即推测：CMU 博士 Sangyun Lee 认为，GPT-4o 先生成视觉 token，再由类似 Rolling Diffusion 的分组式扩散解码器按从上到下的顺序解码；谷歌 DeepMind 研究者 Jon Barron 则猜测它是多尺度和自回归的组合。OpenAI 只提到采用类似语言模型的自回归方法，这与 DALL-E 的扩散路线不同，模型按先前的像素或补丁预测下一个像素或补丁，更多细节仍待披露。

奥尔特曼出手：限速并收紧风格生成

　　3 月 30 日晚间，浪潮迎来官方收口。奥尔特曼发文宣布：由于用户生成吉卜力工作室风格图片的行为存在版权争议，同时平台用户数量短时间内激增导致服务器吃不消，官方将限制 ChatGPT 的文生图速率，并禁止通过提示词直接生成相应风格图片；原计划同步向免费用户开放的图像生成功能，也因为需求太旺继续推迟，具体时间尚未公布。

　　从深夜直播的技术宣言，到限流、推迟与风格生成收紧，GPT-4o 原生生图短短几天就走完了一轮从狂欢到约束的周期。版权争议的最终答案，正如法律界人士判断，仍需等待法院裁决；而免费版用户何时能等到自己的生成额度，则成了没有时间表的悬念。