文生图开源第一易主，但 HiDream-O1-Image 为什么褒贬不一？
文生图开源第一易主，但 HiDream-O1-Image 为什么褒贬不一？UiT 架构探路者，底牌还没亮。
来自主题: AI资讯
9999 点击 2026-06-02 15:05
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
UiT 架构探路者，底牌还没亮。
Sam Altman 今天在 X 上扔出一个数字：ChatGPT Images 2.0 在印度已经生成超过 10 亿张图。距离产品发布只有 27 天。TechCrunch 和第三方数据验证了印度确实是最大市场——但全球增长远没有那么均匀，这更像一场区域性起飞。
当「地表最强生图」遇上「最强视频生成」，这对王炸组合再一次点燃了网友们的创作激情。
近日，字节跳动智能创作部门（Intelligent Creation Lab）提出新作 DreamLite，一个主干网络仅有 0.39B 参数的轻量级统一扩散模型，在单一网络内同时支持文生图（Text-to-Image） 和图像编辑（Text-guided Image Editing）两个任务，是目前已知首个实现这一能力的端侧模型。
各种单点的 AI 生图、生视频工具，我们平时已经聊过很多了。关注行业风向的朋友应该能察觉到，现在的 AIGC 正在经历一个分水岭：大家不再满足于用 AI 跑出一张精美的图，或者几秒钟用来炫技的动态片段。
用强化学习（RL）优化文生图模型的 prompt following 能力，是一条被广泛验证的路径 —— 让模型根据 prompt 用不同随机种子生成多张图片，通过 reward model 计算 reward，再利用相关 RL 算法优化模型。
GPT Image 2 凭什么这么强？是扩散模型又迭代了一版？是把 DiT 的参数量从 7B 扩到 20B？是训了更多高质量数据？先给结论：OpenAI 很可能已经不在“纯扩散模型”这条主赛道上了。他们已经把图像生成从“美术课”调到了“语文课”——用一个能读懂指令、能记住上下文、能理解物体关系的 LLM 主导语义规划，至于最后一步的像素生成，可能由扩散组件或其他解码器完成。
当AI生图真的开始被普通人使用，它会先被用在哪里？所以这次我没有继续测模型或者写Prompt分享。而是去找了10个身边的普通人，问他们怎么开始用AI生图，又为什么会在这些具体的小事上用到它。
商汤刚刚开源了一个全新架构的理解生成统一模型SenseNova-U1，虽然小尺寸版本只有8B，却能复刻不少GPT-Image-2的拿手绝活。太阳系图解，八大行星各自的轨道、属性、图文介绍一应俱全，看着挺像那么回事。
在消耗了无数张 GPU 资源、烧掉了够几座城市用一年的电力之后，OpenAI 最新推出的 AI 生图大模型 GPT-Image-2，再次迎来了它人生中的高光时刻——给人类看手相/面相。