英伟达重新定义文生图最后一步：潜在表征直达4K，高精细节一步生成！
英伟达重新定义文生图最后一步：潜在表征直达4K，高精细节一步生成！2K 图像 210ms 解码，4K 细节直接生成，传统「解码 + 超分」流水线可能要被重写了。
来自主题: AI技术研报
10393 点击 2026-06-08 14:50
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
2K 图像 210ms 解码，4K 细节直接生成，传统「解码 + 超分」流水线可能要被重写了。
最近，有网友发现了 ChatGPT 一个奇怪的图片 bug。给它下面的提示词：
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。