就在昨晚比Nano Banana更超神的GPT-Image-2发布了，成为首个「会思考」的图像AI，其完美的生图能力火爆全网，各大微信群在疯传其生成的图片。
先让我们先看看他的生图能力如何：在Arena最新榜单中，Images 2.0一骑绝尘，登顶全球AI生图王座。实力暴击谷歌NanoBanana 2/Pro版本，领先242分。它在全部7个文生图类别中，全部位列第一。
Images 2.0一共上线了两种模式：即时模式，思考模式。其中最颠覆性的升级，全部藏在「思考模式」里。在思考模式中ChatGPT会进行视觉理解并直接联网搜索信息然后生成图片。
GPT-Image-2模型上线最有预期差的就是世界知识能力，之前很火的马斯克在抖音直播买老干妈，图片就是由GPT-Image-2生成。
这张马斯克卖老干妈生出来的图里不只有人物，更恐怖的是它完整复刻了抖音的 UI 界面。左下角的评论区、右侧的点赞和分享按钮、顶部的观众人数和跑马灯，所有交互元素的层级逻辑全部正确。
让我们看看GPT-Image-2思考生成能力生成的其他怎么样：
1、当我们让它还原英雄联盟的团战画面，它不仅画出了峡谷地形，英雄头顶的血条、技能特效的光影、小地图的 UI 框，也一并安排到位了。
2、甚至科技圈的名场面，它也了如指掌。一句话，就能精准还原 Sam Altman 的面部特征、OpenAI 极简的舞台打光，以及套着视频播放器外壳的直播界面
3、“生成关于原神玩法的推荐海报，官方设定风格”
这些图片的生成全是基于强大的联网思考能力，也是GPT-Image-2火爆全网的重要原因之一。而这联网思考能力正是最有预期差的方向，它知道我们每天看的屏幕玩的游戏长什么样子。世界知识就是这个逻辑。
世界知识就是生图模型也会有通用模型的知识，可以联网搜索，会思考，它真的知道我们每天盯着的屏幕、玩的游戏、看的直播，到底长什么样。
总结：GPT-Image-2火爆全网的最大预期差方向就是其联网思考能力。
世界知识的根基在于高质量的视觉数据和强大的视觉理解模型。
关注—视觉中国：高质量的视觉数据+强大的视觉理解模型
1、作为数据要素的核心标的，拥有超过7亿条可供AI训练的多模态合规内容数据，并基于DeepSeek等模型开发了自研的图像理解大模型。它已为阿里、腾讯、微软等企业提供AI大模型训练数据服务，是AIGC时代的重要“燃料”供应商
2、基于高质量自有数据，研发视觉中国多模态生成、理解及图像理解等行业大模型
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。