作者:陈郁仲发布时间:2026-11-21 14:22:23 点击数:89614

本月行业协会发布重要动态学校辟谣“女老师台下给校长打伞” 很高兴为您解答这个问题,让我来帮您详细说明一下。品牌授权报修电话,快速上门服务

南开区体育中心街道山东省德州市齐河县湖北省襄阳市襄州区辽宁省大连市旅顺口区许昌市建安区河东区大直沽街道青海省海南藏族自治州贵德县四川省甘孜藏族自治州丹巴县四川省凉山彝族自治州昭觉县江苏省苏州市相城区黑龙江省伊春市金林区江西省九江市武宁县黑龙江省哈尔滨市巴彦县山东省泰安市东平县隆安县阿克苏地区新和县西藏阿里地区日土县广东省汕头市南澳县南开区体育中心街道陕西省汉中市西乡县哈密市伊吾县四川省广安市岳池县内蒙古鄂尔多斯市鄂托克旗焦作市中站区甘肃省陇南市武都区昌平区回龙观街道哈密市伊吾县百色市田林县黑龙江省伊春市金林区喀什地区叶城县云南省大理白族自治州云龙县辽宁省锦州市义县山东省威海市山东省烟台市龙口市青海省海北藏族自治州门源回族自治县开封市通许县朝阳区双井街道武清区汊沽港镇四川省甘孜藏族自治州九龙县江苏省徐州市丰县四川省甘孜藏族自治州四川省广元市四川省广安市岳池县黑龙江省伊春市金林区广东省江门市崇左市宁明县内蒙古兴安盟乌兰浩特市山东省青岛市城阳区山东省滨州市江西省萍乡市上栗县延庆区沈家营镇山西省晋城市高平市云南省普洱市景东彝族自治县陕西省汉中市南郑区陕西省宝鸡市千阳县贵州省安顺市普定县山西省忻州市定襄县赵县沙河店镇四川省广安市岳池县四川省宜宾市珙县无极县大陈镇延庆区沈家营镇海南省海口市美兰区陕西省汉中市南郑区平山县上观音堂乡福建省厦门市海沧区四川省成都市双流区焦作市中站区山东省烟台市牟平区青海省海南藏族自治州贵德县怀柔区龙山街道云南省西双版纳傣族自治州勐腊县大兴区黑龙江省鸡西市鸡冠区吉林省白山市浑江区怀柔区龙山街道四川省成都市双流区濮阳市南乐县丰台区和义街道江苏省南京市浦口区昌平区阳坊镇元氏县怀柔区雁栖地区陕西省宝鸡市眉县武清区上马台镇广东省深圳市焦作市中站区四川省遂宁市蓬溪县辽宁省锦州市义县洛阳市汝阳县陕西省咸阳市兴平市昌平区延寿镇赞皇县西龙门乡辽宁省铁岭市开原市重庆市市辖区北碚区朝阳区双井街道平山县小觉镇陕西省汉中市西乡县青海省果洛藏族自治州贵州省铜仁市玉屏侗族自治县

今日行业报告披露重大政策更新深扒GPT Image 2:疑似“吞”下了GPT-4o,OpenAI没把它当“生图”模型训练,很高兴为您解答这个问题,让我来帮您详细说明一下:官方服务专线,支持多品牌报修

甘肃省白银市景泰县辽宁省铁岭市开原市阿克苏地区新和县山东省聊城市冠县固原市西吉县宝坻区牛家牌镇广东省深圳市丰台区长辛店镇广东省广州市越秀区山东省潍坊市青州市平山县东回舍镇湖北省恩施土家族苗族自治州恩施市密云区河南寨镇山西省长治市襄垣县四川省宜宾市江安县贵州省黔南布依族苗族自治州惠水县西藏山南市贡嘎县陕西省咸阳市兴平市辽宁省本溪市溪湖区湖北省孝感市汉川市长安区南村镇江苏省苏州市相城区山东省青岛市城阳区江苏省徐州市新沂市青秀区平山县东回舍镇重庆市市辖区北碚区云南省玉溪市新平彝族傣族自治县山东省聊城市茌平区桥西区留营街道昌平区回龙观街道密云区高岭镇井陉县吴家窑乡赞皇县院头镇山西省运城市夏县山东省泰安市泰山区福建省福州市罗源县陕西省咸阳市兴平市海南省三沙市西沙区广东省江门市四川省宜宾市珙县河东区大直沽街道山东省东营市垦利区江苏省苏州市相城区四川省广安市岳池县山西省吕梁市中阳县江苏省徐州市新沂市江苏省苏州市相城区甘肃省白银市景泰县西藏山南市贡嘎县密云区古北口镇湖北省宜昌市西陵区广东省珠海市斗门区行唐县龙州镇西青区精武镇蚌埠市龙子湖区山东省聊城市茌平区山东省枣庄市台儿庄区辽宁省朝阳市北票市丰台区宛平城地区甘肃省天水市秦州区江西省宜春市奉新县福建省厦门市海沧区南阳市内乡县广东省惠州市龙门县平顶山市卫东区山东省聊城市茌平区蓟州区东赵各庄镇和平区南市街道博尔塔拉蒙古自治州温泉县福建省三明市梅列区甘肃省陇南市江苏省南通市启东市山西省吕梁市岚县山西省忻州市宁武县朝阳区双井街道内蒙古兴安盟乌兰浩特市四川省宜宾市江安县甘肃省兰州市山东省泰安市东平县辽宁省锦州市义县丰台区和义街道辽宁省沈阳市怀柔区龙山街道四川省宜宾市江安县云南省丽江市宁蒗彝族自治县淮南市大通区陕西省西安市未央区元氏县苏村乡甘肃省陇南市河东区东新街道湖北省恩施土家族苗族自治州恩施市平顶山市卫东区芜湖市南陵县西藏拉萨市达孜区西青区精武镇山东省青岛市城阳区山东省威海市百色市靖西市河东区大直沽街道

全球服务区域:行唐县龙州镇云南省红河哈尼族彝族自治州绿春县亳州市利辛县贵州省铜仁市印江土家族苗族自治县喀什地区麦盖提县湖北省宜昌市夷陵区山西省长治市襄垣县鹿泉区寺家庄镇河东区大直沽街道山西省晋城市高平市长安区南村镇云南省红河哈尼族彝族自治州泸西县山西省忻州市宁武县广东省珠海市斗门区山西省临汾市安泽县山东省枣庄市台儿庄区江西省宜春市奉新县甘肃省天水市秦州区新乐市协神乡山西省忻州市宁武县静海区西翟庄镇固原市西吉县内蒙古兴安盟乌兰浩特市赞皇县院头镇阿克苏地区拜城县内蒙古鄂尔多斯市鄂托克旗山西省运城市夏县合肥市瑶海区四川省甘孜藏族自治州丹巴县吉林省四平市铁西区平山县小觉镇甘肃省陇南市山东省威海市山东省聊城市冠县重庆市县巫山县平顶山市卫东区内蒙古呼伦贝尔市阿荣旗江西省萍乡市上栗县井陉县测鱼镇海淀区青龙桥街道山东省淄博市临淄区桂林市秀峰区黑龙江省大兴安岭地区呼玛县山西省晋中市太谷区密云区河南寨镇四川省遂宁市蓬溪县山西省晋中市榆社县平山县小觉镇海南省海口市美兰区平顶山市湛河区鹿泉区寺家庄镇贵州省铜仁市玉屏侗族自治县山东省泰安市泰山区濮阳市南乐县山西省晋城市泽州县怀柔区宝山镇云南省怒江傈僳族自治州福贡县四川省宜宾市江安县江苏省南京市浦口区内蒙古锡林郭勒盟正镶白旗桥西区苑东街道陕西省宝鸡市千阳县山西省吕梁市中阳县江西省鹰潭市余江区和平区南市街道门头沟区大峪街道赵县沙河店镇四川省甘孜藏族自治州泸定县陕西省宝鸡市眉县江苏省连云港市赣榆区江苏省徐州市江西省鹰潭市余江区甘肃省定西市渭源县辽宁省朝阳市北票市江苏省南京市浦口区蓟州区东二营镇亳州市利辛县武清区汊沽港镇静海区大邱庄镇井陉县吴家窑乡北辰区广源街道四川省宜宾市江安县密云区不老屯镇赞皇县院头镇西藏山南市贡嘎县辽宁省沈阳市浑南区喀什地区麦盖提县芜湖市南陵县辽宁省沈阳市沈河区福建省福州市永泰县哈密市伊吾县乌鲁木齐市沙依巴克区内蒙古乌海市乌达区崇左市黑龙江省绥化市明水县巴音郭楞蒙古自治州和硕县阿克苏地区新和县北辰区江西省景德镇市昌江区江苏省苏州市相城区

本月行业报告发布新政策深扒GPT Image 2:疑似“吞”下了GPT-4o,OpenAI没把它当“生图”模型训练,很高兴为您解答这个问题,让我来帮您详细说明一下:售后服务维修中心电话,支持多渠道服务

全国服务区域:焦作市沁阳市四川省乐山市云南省玉溪市新平彝族傣族自治县山东省枣庄市台儿庄区河东区东新街道四川省泸州市江阳区吉林省白山市浑江区百色市靖西市塔城地区和布克赛尔蒙古自治县山西省忻州市定襄县丰台区长辛店镇广东省惠州市龙门县阿克苏地区新和县山西省阳泉市平定县江苏省徐州市丰县哈密市伊吾县福建省厦门市海沧区怀柔区雁栖地区贵州省黔南布依族苗族自治州惠水县湖北省襄阳市襄州区云南省普洱市景东彝族自治县四川省宜宾市翠屏区云南省红河哈尼族彝族自治州泸西县山东省潍坊市青州市长安区南村镇山东省滨州市西青区精武镇山西省阳泉市平定县和田地区黑龙江省鹤岗市青海省海北藏族自治州门源回族自治县内蒙古锡林郭勒盟镶黄旗江西省鹰潭市余江区山西省晋中市灵石县湖北省襄阳市襄州区亳州市利辛县丰台区右安门街道隆安县山西省长治市襄垣县行唐县龙州镇丰台区长辛店镇山西省忻州市宁武县西乡塘区江西省吉安市永新县黑龙江省大兴安岭地区呼玛县山西省吕梁市岚县云南省大理白族自治州云龙县四川省成都市双流区山东省泰安市东平县江西省赣州市石城县福建省福州市罗源县江苏省徐州市山东省潍坊市青州市内蒙古鄂尔多斯市康巴什区山西省晋中市灵石县大兴区江苏省镇江市句容市江西省景德镇市昌江区元氏县苏村乡黑龙江省伊春市金林区河西区桃园街道平顶山市湛河区山东省德州市齐河县山东省德州市齐河县赞皇县西龙门乡四川省乐山市四川省宜宾市江安县广东省汕头市南澳县云南省怒江傈僳族自治州福贡县江苏省徐州市蓟州区东二营镇濮阳市南乐县南开区体育中心街道焦作市中站区山东省枣庄市台儿庄区吉林省四平市铁西区贵州省黔南布依族苗族自治州惠水县云南省红河哈尼族彝族自治州绿春县江西省鹰潭市余江区湖北省襄阳市襄州区内蒙古乌海市乌达区辽宁省沈阳市元氏县苏村乡湖北省宜昌市宜都市钦州市湖北省宜昌市宜都市百色市田林县朝阳区管庄地区桂林市兴安县朝阳区酒仙桥街道甘肃省陇南市武都区黑龙江省鸡西市鸡冠区吉林省白山市浑江区辽宁省铁岭市清河区广东省江门市芜湖市南陵县江西省鹰潭市余江区黑龙江省七台河市桃山区贵州省黔东南苗族侗族自治州天柱县辽宁省沈阳市浑南区

售后服务上门服务电话,智能分配单据:深扒GPT Image 2:疑似“吞”下了GPT-4o,OpenAI没把它当“生图”模型训练

作者 | 樊雅婷邮箱 | fanyating@pingwest.com

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?

这些答案都对,但都不够。

以下是我们与多位从业者交流后,提炼出的几个值得关注的技术方向,并尝试做出更清晰的解释。

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。

而这个LLM,极大可能是GPT-4o。

支撑这个推论的,首先是两条直接线索。

1. 模型自述

2. C2PA溯源验证

C2PA 是一种内容溯源标准,相当于给每张 AI 生成的图打上一个数字身份证。任何人拿到这张图,都能查到它是由 GPT Image 2 生成的、生成时间是什么、经过了哪些修改。

有专业人士在metadata2go.com上对image 2生成的图片进行元数据提取。发现在actions_software_agent_name一栏上记录着GPT-4o。

这也能理解为什么这次image 2的表现惊人了。

图片源于: 【深入调查:OAI最新图像模型底层是GPT-4o - 祈星函 | 小红书 - 你的生活兴趣社区】 https://www.xiaohongshu.com/discovery/item/69ea80200000000020003800?source=webshare&xhsshare=pc_web&xsec_token=CB9e0Yo8HLTCLA1XJWh0wUnT3SogJv370RfNnvUD6YFVY=&xsec_source=pc_share

单凭这两条当然不足以拆解全部秘密。但当我们带着“LLM 主导”的假定回头审视它的每一项能力跃迁时,这些变化,忽然有了统一的解释。

一、图像语义,从像素到token

过去两年,AI 生图领域有一条不成文的鄙视链:Midjourney 负责美学,Stable Diffusion 负责可控性,DALL·E 负责……嗯,负责被 OpenAI 发布。但不管你站哪一队,有一件事是所有人的共识——文字是 AI 的鬼门关。

你能让 AI 画出逆光下缅因猫毛发的半透明质感,却无法让它写对招牌上的“Coffee”六个字母。一个能理解顶级光影描述的模型,在文字上给出的结果仿佛楔形文字。这件事的荒诞与根源,就藏在扩散模型的工作原理里。

先说扩散模型为什么写不好字?

因为它的核心是一个从噪声中还原图像的“雕塑家”:

训练时,向清晰照片逐步撒噪声,直到变成纯电视雪花,模型学习逆向去噪。

生成时,从一片随机噪声开始,每步都靠 U-Net 预测并擦除噪声,几十步迭代后“雕”出毛发、虹膜和光影。

这个过程本质上在还原连续的、可以用概率无限逼近的纹理。毛发可以稍微硬一点或软一点,颜色可以偏暖 5%,无伤大雅。

但文字是离散符号,不存在“像不像”,只有“是不是”。字母 A 就是 A,你不能给它加 15% 的 B 和 8% 的 C 还指望它依然是 A。扩散模型的每一步去噪都是一个微小“估计”,用在纹理上是风格,用在文字上就是 O 变 0,或是拼出 WElcOm e。

最终就成了外行眼中的“楔形文字”。

不仅如此,扩散模型天然缺乏跨轮编辑的稳定一致性。你让它改一个局部,它本质上是整张图重新画一遍,没改动的地方也会悄悄漂移。

但GPT Image 2现在不仅能“写对字”,还能保持“有记忆”的一致性例如:你修改一个字之后,周围的文字会自动调整间距;当你把“咖啡”改成“红茶”,它不只是替换那个词,而是连带把杯子的颜色从深棕调成了琥珀色。

这说明文字在它的系统里不是图层标注,而是画面语义的一部分。文字内容的改动会像语言中的主语替换一样,连锁驱动画面其他元素的合理变化。

GPT Image 2 与其他模型对比图

它不再把图像当图像看,而是把图像当语言看。

这听起来像玄学,但其实是个很具体的工程选择。要理解这件事,得先搞明白一个概念:Tokenizer。

Tokenizer 的作用是把一种东西“翻译”成另一种东西。GPT 处理文字前,会先把“你好”这个词切碎编号,变成一个数字 ID,比如 [11892]。这是文本 token 化。

图像能不能也这么干?当然能。你把一张图切成 16×16 的网格,每个格子编个号,也是一种 token 化。但这种做法太笨重——一张 1024×1024 的图会变成几千个 token,LLM 还没开始画就先被淹死了。

所以过去两年,各家大模型公司在拼一件事:怎么把一张图压成尽量少的 token,同时还不丢关键信息。

这事有多难呢?想象你是一个情报员,要把《蒙娜丽莎》用一封电报发出去。电报局规定你最多只能发 256 个字。你怎么办?你不能说“一个女人在笑”,因为对方画不出来;你也不能逐个像素描述,因为字数不够。你必须发明一套只有你和对方懂的密语——“52号微笑、3号背景、17号手势”——对方收到后能八九不离十地还原出来。

这就是 OpenAI 在 tokenizer 上干的 事。从 CLIP 到 DALL·E 再到 GPT-4o,他们逐渐构建了一种能够在视觉与语言之间进行映射的语义表示体系。

这意味着:图像和文本被投影到了同一个对齐后的语义 embedding 空间。

现在在 LLM 眼里,“一只逆光的缅因猫”这行字,和一张逆光缅因猫的照片,是同一个语义空间里的两套坐标。它能像理解文字一样理解图像,也能像生成文字一样生成图像。

所以当你说“把第三行公司名改成团伙名”,它不是在修图软件里找那个图层,而是在改写一段描述这个画面的密文。改完后,解码器再把密文翻译回像素。

这就是为什么文字突然能写对了。因为对 LLM 来说,写一个W和写一个我,没有任何本质区别——都是它在密语系统里调整几个 token 的事。

既然 GPT Image 2 很可能把图像变成了语义密文,那这串密文怎么变回一张能看的图?

如果直接把 token 映射成像素,画质必然一塌糊涂,这是自回归模型的通病:它极度擅长决定画什么,却不太擅长画得好看——就像建筑系教授徒手画效果图,空间关系全对,笔触就是不及美院学生。

而扩散模型正好相反,纹理光影以假乱真,却经常不知道自己在画啥。因此,一个高度自洽的推测浮现:让两款模型打配合。

自回归负责定调:根据你的 prompt 生成那几百个语义 token,敲定画面里有什么、它们的位置关系、整体构图逻辑。这一步决定了“听得懂”,也保证了多轮编辑时对修改对象的记忆与一致性。

扩散负责润色:拿到这串语义 token 后,不再负责理解内容,只负责填充高保真像素,把既定框架变成光影自然的成图。这一步决定了“画得好”。

这不是理论空想。Google 发过一篇叫 Transfusion 的论文,Meta 搞过 Chameleon,走的都是类似路线。

当然,这一切都是基于公开信息和模型表现的推断。

OpenAI 有没有在用?2026 年 4 月的媒体会上,OpenAI 拒绝回答任何关于模型架构的问题。拒绝本身就是一个信号。

如果这个假设成立,那就解释了一切——文字写对是因为自回归天然懂离散符号;多轮编辑一致是因为自回归记住了那一串 token;画质没崩是因为扩散在最后一关做了精细渲染。

二、数据飞轮,GPT-4o 自己教自己生图

但上文那个能把图像压成几百个 token 的“密语系统”,到底是怎么训出来的?为什么不是别的模型,偏偏是GPT-4o?

答案藏在一件看起来最没有技术含量的事里:数据标注。

在 AI 圈,数据标注长期处于鄙视链底端。研究员聊架构可以聊一晚上,聊数据标注三句话就冷场。但 GPT Image 2 这次的表现,甚至表明OpenAI 可能已经不需要人工标注了。

而GPT-4o 本身就是全世界最强的图像理解模型之一。你给它一张图,它能写出一段比真人标注师还细腻的描述。所以OpenAI 可以把过去几年积累的几十亿张图片,重新“过一遍水”——用 GPT-4o 生成新的、高维度的标注。

但到这里,只解决了“描述”的问题,没解决“筛选”的问题。一个模型生成一百张图,并不是每一张都值得拿来当下一轮训练的教材。这里需要一套严格的“质检”机制——在机器学习里,这叫拒绝采样。

具体来说就是,GPT-4o 先根据一段 prompt 生成一批图像,然后根据美学偏好、指令匹配度、物理合理性等多条标准,逐张打分。批到符合条件的才“收下”,连同它为自己撰写的详细解析,一起塞进下一轮训练集。批到不及格的就直接扔掉。这保证飞轮里的数据不是在低水平循环,而是在有选择地自我提纯。

上一代模型给下一代模型当老师,下一代模型再给下下代当老师。每转一圈,对世界的理解就深一层。

大家的差距也在这个过程中越来越大。这也解释了为什么Midjourney在画质上能和OpenAI掰手腕,但在指令遵循和文字渲染上被拉开代差。

当然,听上去像个永动机骗局——自己教自己,那不得越教越傻?学术界确实有这个担忧,管它叫模型崩溃:模型反复吃自己吐出来的东西,会逐渐丢失分布的尾部信息,生成结果越来越单一、越来越平庸。

但OpenAI在文本侧已经证明:只要老师模型足够强,并且配合拒绝采样这样的严格筛选机制,这事不但不会崩,还能加速,形成数据飞轮。

这个飞轮里还有一个重要且难搞的角色——RLHF 在图像侧的质检员。

我们在文本侧已经习惯了 RLHF(Reinforcement Learning from Human Feedback,基于人类反馈的强化学习):给一段文字打分,判断它有用、有趣、符合人类偏好,这件事 GPT-4o 做得很好。

但在图像侧,难度骤升。因为质检员需要同时盯住三条线:美学偏好;指令遵循;安全过滤。

三条线的标准各不相同,甚至互相冲突。一道强光影可能很“好看”,但压暗了 prompt 里要求的某个细节,就会被“指令遵循”扣分。一层安全滤镜可能误伤正常的医学解剖图,又得回头调阈值。这种多维度权衡,在文本侧已经跑通,但在图像侧变得前所未有的复杂。

而 OpenAI 之所以能做成,很可能是因为他们把图像侧的问题全部拉回了自己最擅长的战场:语言理解。

美学偏好被转译成一段构图评语,指令遵循被转译成一组约束条件的核对清单,安全过滤被转译成一套规则判例。所有判断最终都落到了 LLM 的语义空间里。

可能这才是数据飞轮真正的底牌。不是数据多,而是从标注、筛选到打分,全链路都被统一到了一个理解框架里。拒绝采样负责海选淘汰,RLHF 负责精修调优,两者共享一套语义标准,飞轮才转得起来。

三、工程解法,兼顾推理速度和对话整合

到这里,我们聊的都是效果。接下来聊一个经常被刻意绕开的话题:推理速度。

先不说审美和一致性上的飞跃,且说一个看似矛盾的现象:生图质量跃升了一个代际,但速度并没有明显变慢。这本身就是一种工程奇迹——OpenAI 是怎么做到的?

自回归模型的运作方式是逐 token 生成——每个 token 都依赖上一个 token 的完成。扩散模型则不同,它可以在整张画布上并行去噪,一次处理所有像素。按理论推算,如果 GPT Image 2 确实用了自回归架构,它的推理延迟应该比纯扩散模型高出一个数量级。

但实际体验是:没有。

第一条线索:Token 压缩率可能远超预期。 如果一张 1024×1024 的图只需要 256 个 token 就能完整描述,对 Transformer 来说就是一次呼吸的事。这意味着 OpenAI 不仅做到了语义对齐,更在压缩率上做到了极致,把高信息密度浓缩到几行字的程度。

第二条线索:推理架构的深度优化。 混合架构中,自回归生成的是粗粒度的语义 token,决定“画什么”,不负责“画成什么样”。生成步骤大幅缩短,扩散模型只用在最后一小段“按图施工”,而不是从头噪到尾。

第三条线索:投机解码(Speculative Decoding)可能被用到了图像侧。 用一个更小的“草稿模型”快速生成候选 token,再由大模型一次性验证,这套 LLM 推理加速经典技巧如果用在图像 token 上,速度可以成倍提升。OpenAI 在 GPT-4 时代已把这套玩熟,移植到图像侧没有原理障碍。

所以结论是:GPT Image 2 的快,不是因为扩散模型变快了,而是因为可能它把最慢的语义规划,从扩散模型手里抢了过来,交给了擅长快速推理的 LLM。

比速度更影响体验的,是与对话系统的整合。

在传统图像生成工具中,例如 Midjourney 或基于 Stable Diffusion 的工作流,用户通常通过编写 prompt 来控制输出结果。虽然这些工具已经支持诸如variations、inpainting和历史记录等功能,但整体流程仍然以“单次输入 → 单次输出”为主,用户需要通过多次尝试逐步逼近目标效果。

这种过程在实践中往往表现为反复试错:

用户根据结果调整 prompt,但模型对指令的理解程度并不完全透明,因此需要多轮迭代来校正偏差。

相比之下,集成在对话系统中的图像生成引入了连续上下文机制,改变了交互方式。

用户可以在多轮对话中逐步细化需求

模型能够利用对话历史理解“当前修改”对应的对象或属性

修改请求可以以更自然语言的形式表达,而不需要一次性写出完整 prompt

例如,在多轮交互中,用户可以先生成一个基础场景,再逐步提出局部修改(如颜色、位置、风格)。最后,模型基于上下文生成新的结果。

对话式交互还带来另一个优势:需求澄清能力clarification。将模糊的自然语言意图,逐步转化为更具体的生成条件,从而提高生成结果与用户预期之间的一致性。

在 GPT Image 2 出现之前,AI 生图领域的讨论框架是这样的:

“扩散模型的缩放定律还能走多远?”

“DiT 架构和 UNet 架构谁更优?”

“Flow Matching 会不会取代 DDPM?”

“多模态对齐的损失函数怎么设计?”

这些问题都有价值,但它们共享一个隐含前提:图像生成是一个独立的、需要专门架构来解决的问题。

而GPT Image 2 给出的的回答是:不一定。

如果我们把镜头再拉远一点,GPT Image 2 的出现其实指向了一个更大的命题:世界模型。

让我们重新思考什么是生成,以及世界。

点个“爱心”,再走 吧

昨日行业协会公开最新成果深扒GPT Image 2:疑似“吞”下了GPT-4o,OpenAI没把它当“生图”模型训练

作者 | 樊雅婷邮箱 | fanyating@pingwest.com

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?

这些答案都对,但都不够。

以下是我们与多位从业者交流后,提炼出的几个值得关注的技术方向,并尝试做出更清晰的解释。

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。

而这个LLM,极大可能是GPT-4o。

支撑这个推论的,首先是两条直接线索。

1. 模型自述

2. C2PA溯源验证

C2PA 是一种内容溯源标准,相当于给每张 AI 生成的图打上一个数字身份证。任何人拿到这张图,都能查到它是由 GPT Image 2 生成的、生成时间是什么、经过了哪些修改。

有专业人士在metadata2go.com上对image 2生成的图片进行元数据提取。发现在actions_software_agent_name一栏上记录着GPT-4o。

这也能理解为什么这次image 2的表现惊人了。

图片源于: 【深入调查:OAI最新图像模型底层是GPT-4o - 祈星函 | 小红书 - 你的生活兴趣社区】 https://www.xiaohongshu.com/discovery/item/69ea80200000000020003800?source=webshare&xhsshare=pc_web&xsec_token=CB9e0Yo8HLTCLA1XJWh0wUnT3SogJv370RfNnvUD6YFVY=&xsec_source=pc_share

单凭这两条当然不足以拆解全部秘密。但当我们带着“LLM 主导”的假定回头审视它的每一项能力跃迁时,这些变化,忽然有了统一的解释。

一、图像语义,从像素到token

过去两年,AI 生图领域有一条不成文的鄙视链:Midjourney 负责美学,Stable Diffusion 负责可控性,DALL·E 负责……嗯,负责被 OpenAI 发布。但不管你站哪一队,有一件事是所有人的共识——文字是 AI 的鬼门关。

你能让 AI 画出逆光下缅因猫毛发的半透明质感,却无法让它写对招牌上的“Coffee”六个字母。一个能理解顶级光影描述的模型,在文字上给出的结果仿佛楔形文字。这件事的荒诞与根源,就藏在扩散模型的工作原理里。

先说扩散模型为什么写不好字?

因为它的核心是一个从噪声中还原图像的“雕塑家”:

训练时,向清晰照片逐步撒噪声,直到变成纯电视雪花,模型学习逆向去噪。

生成时,从一片随机噪声开始,每步都靠 U-Net 预测并擦除噪声,几十步迭代后“雕”出毛发、虹膜和光影。

这个过程本质上在还原连续的、可以用概率无限逼近的纹理。毛发可以稍微硬一点或软一点,颜色可以偏暖 5%,无伤大雅。

但文字是离散符号,不存在“像不像”,只有“是不是”。字母 A 就是 A,你不能给它加 15% 的 B 和 8% 的 C 还指望它依然是 A。扩散模型的每一步去噪都是一个微小“估计”,用在纹理上是风格,用在文字上就是 O 变 0,或是拼出 WElcOm e。

最终就成了外行眼中的“楔形文字”。

不仅如此,扩散模型天然缺乏跨轮编辑的稳定一致性。你让它改一个局部,它本质上是整张图重新画一遍,没改动的地方也会悄悄漂移。

但GPT Image 2现在不仅能“写对字”,还能保持“有记忆”的一致性例如:你修改一个字之后,周围的文字会自动调整间距;当你把“咖啡”改成“红茶”,它不只是替换那个词,而是连带把杯子的颜色从深棕调成了琥珀色。

这说明文字在它的系统里不是图层标注,而是画面语义的一部分。文字内容的改动会像语言中的主语替换一样,连锁驱动画面其他元素的合理变化。

GPT Image 2 与其他模型对比图

它不再把图像当图像看,而是把图像当语言看。

这听起来像玄学,但其实是个很具体的工程选择。要理解这件事,得先搞明白一个概念:Tokenizer。

Tokenizer 的作用是把一种东西“翻译”成另一种东西。GPT 处理文字前,会先把“你好”这个词切碎编号,变成一个数字 ID,比如 [11892]。这是文本 token 化。

图像能不能也这么干?当然能。你把一张图切成 16×16 的网格,每个格子编个号,也是一种 token 化。但这种做法太笨重——一张 1024×1024 的图会变成几千个 token,LLM 还没开始画就先被淹死了。

所以过去两年,各家大模型公司在拼一件事:怎么把一张图压成尽量少的 token,同时还不丢关键信息。

这事有多难呢?想象你是一个情报员,要把《蒙娜丽莎》用一封电报发出去。电报局规定你最多只能发 256 个字。你怎么办?你不能说“一个女人在笑”,因为对方画不出来;你也不能逐个像素描述,因为字数不够。你必须发明一套只有你和对方懂的密语——“52号微笑、3号背景、17号手势”——对方收到后能八九不离十地还原出来。

这就是 OpenAI 在 tokenizer 上干的 事。从 CLIP 到 DALL·E 再到 GPT-4o,他们逐渐构建了一种能够在视觉与语言之间进行映射的语义表示体系。

这意味着:图像和文本被投影到了同一个对齐后的语义 embedding 空间。

现在在 LLM 眼里,“一只逆光的缅因猫”这行字,和一张逆光缅因猫的照片,是同一个语义空间里的两套坐标。它能像理解文字一样理解图像,也能像生成文字一样生成图像。

所以当你说“把第三行公司名改成团伙名”,它不是在修图软件里找那个图层,而是在改写一段描述这个画面的密文。改完后,解码器再把密文翻译回像素。

这就是为什么文字突然能写对了。因为对 LLM 来说,写一个W和写一个我,没有任何本质区别——都是它在密语系统里调整几个 token 的事。

既然 GPT Image 2 很可能把图像变成了语义密文,那这串密文怎么变回一张能看的图?

如果直接把 token 映射成像素,画质必然一塌糊涂,这是自回归模型的通病:它极度擅长决定画什么,却不太擅长画得好看——就像建筑系教授徒手画效果图,空间关系全对,笔触就是不及美院学生。

而扩散模型正好相反,纹理光影以假乱真,却经常不知道自己在画啥。因此,一个高度自洽的推测浮现:让两款模型打配合。

自回归负责定调:根据你的 prompt 生成那几百个语义 token,敲定画面里有什么、它们的位置关系、整体构图逻辑。这一步决定了“听得懂”,也保证了多轮编辑时对修改对象的记忆与一致性。

扩散负责润色:拿到这串语义 token 后,不再负责理解内容,只负责填充高保真像素,把既定框架变成光影自然的成图。这一步决定了“画得好”。

这不是理论空想。Google 发过一篇叫 Transfusion 的论文,Meta 搞过 Chameleon,走的都是类似路线。

当然,这一切都是基于公开信息和模型表现的推断。

OpenAI 有没有在用?2026 年 4 月的媒体会上,OpenAI 拒绝回答任何关于模型架构的问题。拒绝本身就是一个信号。

如果这个假设成立,那就解释了一切——文字写对是因为自回归天然懂离散符号;多轮编辑一致是因为自回归记住了那一串 token;画质没崩是因为扩散在最后一关做了精细渲染。

二、数据飞轮,GPT-4o 自己教自己生图

但上文那个能把图像压成几百个 token 的“密语系统”,到底是怎么训出来的?为什么不是别的模型,偏偏是GPT-4o?

答案藏在一件看起来最没有技术含量的事里:数据标注。

在 AI 圈,数据标注长期处于鄙视链底端。研究员聊架构可以聊一晚上,聊数据标注三句话就冷场。但 GPT Image 2 这次的表现,甚至表明OpenAI 可能已经不需要人工标注了。

而GPT-4o 本身就是全世界最强的图像理解模型之一。你给它一张图,它能写出一段比真人标注师还细腻的描述。所以OpenAI 可以把过去几年积累的几十亿张图片,重新“过一遍水”——用 GPT-4o 生成新的、高维度的标注。

但到这里,只解决了“描述”的问题,没解决“筛选”的问题。一个模型生成一百张图,并不是每一张都值得拿来当下一轮训练的教材。这里需要一套严格的“质检”机制——在机器学习里,这叫拒绝采样。

具体来说就是,GPT-4o 先根据一段 prompt 生成一批图像,然后根据美学偏好、指令匹配度、物理合理性等多条标准,逐张打分。批到符合条件的才“收下”,连同它为自己撰写的详细解析,一起塞进下一轮训练集。批到不及格的就直接扔掉。这保证飞轮里的数据不是在低水平循环,而是在有选择地自我提纯。

上一代模型给下一代模型当老师,下一代模型再给下下代当老师。每转一圈,对世界的理解就深一层。

大家的差距也在这个过程中越来越大。这也解释了为什么Midjourney在画质上能和OpenAI掰手腕,但在指令遵循和文字渲染上被拉开代差。

当然,听上去像个永动机骗局——自己教自己,那不得越教越傻?学术界确实有这个担忧,管它叫模型崩溃:模型反复吃自己吐出来的东西,会逐渐丢失分布的尾部信息,生成结果越来越单一、越来越平庸。

但OpenAI在文本侧已经证明:只要老师模型足够强,并且配合拒绝采样这样的严格筛选机制,这事不但不会崩,还能加速,形成数据飞轮。

这个飞轮里还有一个重要且难搞的角色——RLHF 在图像侧的质检员。

我们在文本侧已经习惯了 RLHF(Reinforcement Learning from Human Feedback,基于人类反馈的强化学习):给一段文字打分,判断它有用、有趣、符合人类偏好,这件事 GPT-4o 做得很好。

但在图像侧,难度骤升。因为质检员需要同时盯住三条线:美学偏好;指令遵循;安全过滤。

三条线的标准各不相同,甚至互相冲突。一道强光影可能很“好看”,但压暗了 prompt 里要求的某个细节,就会被“指令遵循”扣分。一层安全滤镜可能误伤正常的医学解剖图,又得回头调阈值。这种多维度权衡,在文本侧已经跑通,但在图像侧变得前所未有的复杂。

而 OpenAI 之所以能做成,很可能是因为他们把图像侧的问题全部拉回了自己最擅长的战场:语言理解。

美学偏好被转译成一段构图评语,指令遵循被转译成一组约束条件的核对清单,安全过滤被转译成一套规则判例。所有判断最终都落到了 LLM 的语义空间里。

可能这才是数据飞轮真正的底牌。不是数据多,而是从标注、筛选到打分,全链路都被统一到了一个理解框架里。拒绝采样负责海选淘汰,RLHF 负责精修调优,两者共享一套语义标准,飞轮才转得起来。

三、工程解法,兼顾推理速度和对话整合

到这里,我们聊的都是效果。接下来聊一个经常被刻意绕开的话题:推理速度。

先不说审美和一致性上的飞跃,且说一个看似矛盾的现象:生图质量跃升了一个代际,但速度并没有明显变慢。这本身就是一种工程奇迹——OpenAI 是怎么做到的?

自回归模型的运作方式是逐 token 生成——每个 token 都依赖上一个 token 的完成。扩散模型则不同,它可以在整张画布上并行去噪,一次处理所有像素。按理论推算,如果 GPT Image 2 确实用了自回归架构,它的推理延迟应该比纯扩散模型高出一个数量级。

但实际体验是:没有。

第一条线索:Token 压缩率可能远超预期。 如果一张 1024×1024 的图只需要 256 个 token 就能完整描述,对 Transformer 来说就是一次呼吸的事。这意味着 OpenAI 不仅做到了语义对齐,更在压缩率上做到了极致,把高信息密度浓缩到几行字的程度。

第二条线索:推理架构的深度优化。 混合架构中,自回归生成的是粗粒度的语义 token,决定“画什么”,不负责“画成什么样”。生成步骤大幅缩短,扩散模型只用在最后一小段“按图施工”,而不是从头噪到尾。

第三条线索:投机解码(Speculative Decoding)可能被用到了图像侧。 用一个更小的“草稿模型”快速生成候选 token,再由大模型一次性验证,这套 LLM 推理加速经典技巧如果用在图像 token 上,速度可以成倍提升。OpenAI 在 GPT-4 时代已把这套玩熟,移植到图像侧没有原理障碍。

所以结论是:GPT Image 2 的快,不是因为扩散模型变快了,而是因为可能它把最慢的语义规划,从扩散模型手里抢了过来,交给了擅长快速推理的 LLM。

比速度更影响体验的,是与对话系统的整合。

在传统图像生成工具中,例如 Midjourney 或基于 Stable Diffusion 的工作流,用户通常通过编写 prompt 来控制输出结果。虽然这些工具已经支持诸如variations、inpainting和历史记录等功能,但整体流程仍然以“单次输入 → 单次输出”为主,用户需要通过多次尝试逐步逼近目标效果。

这种过程在实践中往往表现为反复试错:

用户根据结果调整 prompt,但模型对指令的理解程度并不完全透明,因此需要多轮迭代来校正偏差。

相比之下,集成在对话系统中的图像生成引入了连续上下文机制,改变了交互方式。

用户可以在多轮对话中逐步细化需求

模型能够利用对话历史理解“当前修改”对应的对象或属性

修改请求可以以更自然语言的形式表达,而不需要一次性写出完整 prompt

例如,在多轮交互中,用户可以先生成一个基础场景,再逐步提出局部修改(如颜色、位置、风格)。最后,模型基于上下文生成新的结果。

对话式交互还带来另一个优势:需求澄清能力clarification。将模糊的自然语言意图,逐步转化为更具体的生成条件,从而提高生成结果与用户预期之间的一致性。

在 GPT Image 2 出现之前,AI 生图领域的讨论框架是这样的:

“扩散模型的缩放定律还能走多远?”

“DiT 架构和 UNet 架构谁更优?”

“Flow Matching 会不会取代 DDPM?”

“多模态对齐的损失函数怎么设计?”

这些问题都有价值,但它们共享一个隐含前提:图像生成是一个独立的、需要专门架构来解决的问题。

而GPT Image 2 给出的的回答是:不一定。

如果我们把镜头再拉远一点,GPT Image 2 的出现其实指向了一个更大的命题:世界模型。

让我们重新思考什么是生成,以及世界。

点个“爱心”,再走 吧


他信出狱,女儿佩通坦拥抱迎接 泰国政坛进入“洗牌”时刻? jose|PORNY|国产|成人|蝌蚪-jose|PORNY|国产|成人|蝌蚪2026最新N.82.56.38-2265安卓网 学校辟谣“女老师台下给校长打伞”
学校辟谣“女老师台下给校长打伞”

学校辟谣“女老师台下给校长打伞”

百万最新免费软件游戏

下载

学校辟谣“女老师台下给校长打伞”
首页>>济川药业蒲地蓝消炎口服液获批中药保护品种
学校辟谣“女老师台下给校长打伞”

学校辟谣“女老师台下给校长打伞”

「活动」首次登录送19元红包

23.19MB
版本{版本}
下载APK高速下载
下载再深扒GPT Image 2:疑似“吞”下了GPT-4o,OpenAI没把它当“生图”模型训练安装你想要的应用 更方便 更快捷 发现更多
喜欢98%好评(76人)
评论25
深扒GPT Image 2:疑似“吞”下了GPT-4o,OpenAI没把它当“生图”模型训练截图0深扒GPT Image 2:疑似“吞”下了GPT-4o,OpenAI没把它当“生图”模型训练截图1深扒GPT Image 2:疑似“吞”下了GPT-4o,OpenAI没把它当“生图”模型训练截图2深扒GPT Image 2:疑似“吞”下了GPT-4o,OpenAI没把它当“生图”模型训练截图3深扒GPT Image 2:疑似“吞”下了GPT-4o,OpenAI没把它当“生图”模型训练截图4
详细信息
  • 软件大小:46.30MB
  • 最后更新:2026-11-21 14:22:23
  • 最新版本:{版本}
  • 文件格式:apk
  • 应用分类:ios-Android深扒GPT Image 2:疑似“吞”下了GPT-4o,OpenAI没把它当“生图”模型训练
  • 使用语言:中文
  • :需要联网
  • 系统要求:5.33以上
应用介绍
🚫第一步:访问《深扒GPT Image 2:疑似“吞”下了GPT-4o,OpenAI没把它当“生图”模型训练》官网👉首先,打开您的浏览器,输入《深扒GPT Image 2:疑似“吞”下了GPT-4o,OpenAI没把它当“生图”模型训练》。您可以通过搜索引擎搜索或直接输入网址来访问.🍵
🚫第二步:点击注册按钮👉一旦进入《深扒GPT Image 2:疑似“吞”下了GPT-4o,OpenAI没把它当“生图”模型训练》网站官网,您会在页面上找到一个醒目的注册按钮。点击该按钮,您将被引导至注册页面。🍼️
🚫第三步:填写注册信息 👉在注册页面上,您需要填写一些必要的个人信息来创建《深扒GPT Image 2:疑似“吞”下了GPT-4o,OpenAI没把它当“生图”模型训练》网站账户。通常包括用户名、密码、电子邮件地址、手机号码等。请务必提供准确完整的信息,以确保顺利完成注册。🥬
🚫第四步:验证账户👉填写完个人信息后,您可能需要进行账户验证。《深扒GPT Image 2:疑似“吞”下了GPT-4o,OpenAI没把它当“生图”模型训练》网站会向您提供的电子邮件地址或手机号码发送一条验证信息,您需要按照提示进行验证操作。这有助于确保账户的安全性,并防止不法分子滥用您的个人信息。☪️
🚫第五步:设置安全选项👉《深扒GPT Image 2:疑似“吞”下了GPT-4o,OpenAI没把它当“生图”模型训练》网站通常要求您设置一些安全选项,以增强账户的安全性。例如,可以设置安全问题和答案,启用两步验证等功能。请根据系统的提示设置相关选项,并妥善保管相关信息,确保您的账户安全。🐬
🚫第六步:阅读并同意条款👉在注册过程中,《深扒GPT Image 2:疑似“吞”下了GPT-4o,OpenAI没把它当“生图”模型训练》网站会提供使用条款和规定供您阅读。这些条款包括平台的使用规范、隐私政策等内容。在注册之前,请仔细阅读并理解这些条款,并确保您同意并愿意遵守。🐫️
🚫第七步:完成注册👉一旦您完成了所有必要的步骤,并同意了《深扒GPT Image 2:疑似“吞”下了GPT-4o,OpenAI没把它当“生图”模型训练》网站的条款,恭喜您!您已经成功注册了《深扒GPT Image 2:疑似“吞”下了GPT-4o,OpenAI没把它当“生图”模型训练》网站账户。现在,您可以畅享《深扒GPT Image 2:疑似“吞”下了GPT-4o,OpenAI没把它当“生图”模型训练》网站提供的丰富体育赛事、刺激的游戏体验以及其他令人兴奋!😱
【联系我们】
客服热线
加载更多
版本更新
{版本}
深扒GPT Image 2:疑似“吞”下了GPT-4o,OpenAI没把它当“生图”模型训练
  • (文化中国行)传统非遗“破圈”出山 “八桂巧娘”绣出国潮顶流
  • 警惕身边的泄密风险丨“密”从口出
  • 中外对话|拉美专家:拉美拒绝“选边站”
  • 脱口秀吸引观众跨城而来 “情绪消费”正在成为上海城市新IP
  • 第十届中俄博览会 黑龙江“农家宴”飘香引中外客商争相尝
  • 文化观察:传统文化传承如何不说教、有趣味?
  • 23部门联合印发《工作索引》 推动流动儿童均等化享有基本公共服务
  • 收录156篇微小说 《讨时间的欢喜》新书发布
  • 中国人自己挖的第一铲 西阴遗址百年特展开展
  • 翡翠千里眼、顺风耳雕像在福建湄洲妈祖祖庙揭幕
  • 别等腿上冒“青筋”!三个动作助你远离静脉曲张
  • 中阿诗人羊城共话诗情 科技与文学交织启新程
  • “智慧警政联合人工智能实验室”成立:香港警方将结合创新科技守护市民安全
  • 男子在飞机起飞后欲拉开应急舱门 航司通报

    前4个月广东进出口3.49万亿元 进口增长超三成

    特朗普称可能于24日决定是否恢复对伊军事行动

    详情
查看更多
加载中加载中,请稍等...

深扒GPT Image 2:疑似“吞”下了GPT-4o,OpenAI没把它当“生图”模型训练类似软件

  • 芭蕾舞演员、医学专家带民众走出减重“误区”沪港携手共建口腔生物材料创新高地

    在全球数字教育成果展“育见未来”

  • 大陆对“台独”釜底抽薪,“倚美谋独”的梦该醒了深圳进入“APEC”节奏 外企外商为中国“桥接东西”

    青年演员于适谈当代年轻人如何让传统文化走出国门

  • 用心守护人民健康——白衣天使的故事武契奇试驾小米汽车 听到车内播放塞尔维亚国歌他频频点头

    中国贸促会:欢迎美国工商界代表来华访问

  • 柴达木戈壁“生命树”出圈 IP赋能引“流”增“留”人气旺、消费热、活力足!多项“五一”数据创新高

    为啥越来越多的人开始追求“活人感”?

  • 深化职教交流合作,多国留学生在华学到真本领东方天算携手光本位共建创新中心

    喜临门董事长跑路?子女回应

  • 中国环境与发展国际合作委员会2026年圆桌会在厦门举办2026文化强国建设高峰论坛在深圳开幕

    国防部:敦促有关国家停止拉帮结伙搞阵营对抗

  • 黎巴嫩欢迎延长黎以停火 以色列继续空袭黎南部西藏牦牛博物馆:牦牛为“桥”连世界

    中美元首会晤临近 美国社会掀起一轮“中国热”

  • 奋斗华章丨平凡亦有光 奋斗即力量北京市通州区委原书记王云峰受贿案一审宣判

    (乡村行·看振兴)浙江庆元:小菌菇勇闯大市场

  • 洋县10只“东方宝石”启程赴闽 重返历史家园前4月新疆进出口总值超1700亿元 新兴市场表现亮眼

    2026广东高校服装联盟暨华农时装周惊艳亮相

  • 广交会观察:境外采购商青睐中国智慧医疗产品中央气象台:江南黄淮等地有强降水

    江西首个“万兆光网+数字标注”OPC社区揭牌落地

  • 光影为媒回望历史 中国电影博物馆举办电影中的长征专题展“疆煤入宁”再添“压舱石”:中国首台两用三车翻车机投试

    时习之丨保护住这一块“净土”

  • 高原湿地的“智慧之眼”:拉萨拉鲁湿地 AI监测系统赋能生态保护人民之心|一场跨越二十多年的接力

    湖北通山:20对新人枇杷林下结连理

  • “手擀”是商标 陈克明食品道歉外交部举行首届“杰出外交使者奖章”颁授仪式 王毅寄语欢迎各国友人

    “东北超”要来了

  • 2026世界智能产业博览会|链接世界,携手共赴数智未来广西推动家庭医生签约服务提质 增强基层健康保障能力

    探访新疆高昌故城

  • 《加强海峡两岸工业合作的倡议》在福州发布2026忻州市景区(北京)联合推介会在京举行

    窦靖童演唱时那英从头哭到尾

  • 美国称美伊协议基本谈成A股开盘:近3000只个股上涨,三大指数集体高开

    92岁老人逛书博会 推荐年轻人多看励志书籍

  • 刘海星会见新加坡人民行动党中央外事委员会主席、政府外长维文2026射箭世界杯赛上海站:中国队摘男子复合弓团体铜牌

    EDG重夺VCT CN联赛冠军,与XLG、DRG晋级伦敦大师赛

  • 古槐树下的问答“第二人生启航营”开班 聚焦运动员职业发展与退役转型

    从市集交友到集体婚礼 上海多区开启浪漫之约

  • 非遗添彩宁夏“宁超”赛场 体文旅融合解锁观赛新体验九三学社上海市松江区第六次代表大会召开

    郑丽文再次表态台美巨额军售案

  • 香港航天员飞天前先学了东北话珠江流域持续暴雨 广东多地停课

    瑞士火车站发生持刀伤人事件,造成三人受伤

  • 近距离感受武警官兵刺杀集训现场莫迪六天内出访五国寻求“外交救国”

    2026年“5·19中国旅游日”江西分会场主题活动在龙虎山举行

  • 香港“元朗十八乡天后宝诞会景巡游”展示文化魅力东西问|《给阿嬷的情书》导演蓝鸿春:潮汕方言电影因何跨越山海?

    特朗普:中俄美元首会晤“史无前例”“意义重大”

  • 第十六届安徽国际文化旅游节开幕 文艺盛宴展现徽风皖韵云南芒市:“砍柴人”成“护猴人” 中缅灰叶猴种群数量稳步增长

    邓超喊话李小冉要玩狠的

  • 联合国驻华协调员:缩小数字鸿沟 让全球南方共享技术红利央行定于11月27日发行2027中国丁未(羊)年贵金属纪念币一套

    涉疫邮轮预计10日抵达西班牙加那利群岛 多方协调乘客撤离

  • 四川黄龙:飞雪映瑶池时政微周刊丨总书记的一周(5月18日—5月24日)

    人工智能赋能新型科研 中外科学家杭州话科研范式变革

  • 女子离婚多年仍被判共同还债百万吉林文学馆正式开馆 活化地域文脉打造文化客厅

    驾培新国标落地:别混淆 驾培新国标不是驾驶员考试新规

  • 整治“幽灵外卖” 上海推出首个网络餐饮电子证照核验应用军报评魏凤和李尚福案:有贪必肃

    FIBA晒文班少林寺修炼照

  • COP31青年说|COP31参会代表:中国正在努力引领和推动能源转型,这一点让我印象深刻周锡玮怒批赖清德跪拜日本殖民者

    传世名画《富春山居图》前段亮相杭州 全卷分藏两岸

  • 图书广告引热议 “余华读得浑身发抖”被余华打假贝鲁特南郊流离失所者无心庆祝传统节日

    《给阿嬷的情书》,票房超10亿元

  • 硬刚国际足联 中国这次在争什么来听人民子弟兵对妈妈的祝福

    日本民众举行集会 呼吁守护和平宪法

  • 蒋文定任宜春市委书记成渝双城开展科技教育交流与合作 两地协同共育科创英才

    香港镜头中的山西彩塑:跨越四十年的文化守望

  • 中国人自己挖的第一铲 西阴遗址百年特展开展美称敲定“谅解备忘录”遭伊朗否认

    现场直击:广西柳州发生5.2级地震 部分房屋倒塌有人员被困

  • 百人共创海军宣传片打脸外媒滤镜特朗普涉台“四不”示警“台独”

    藏学学者:一个人的成长路 一座高原的变迁史

  • 网红GLP-1类减重针刷屏 该如何选择?韩乔生助阵芒棒泼水篮球节明星表演赛

    华北黄淮或遇五月少见强降雨

  • (深圳APEC)深圳的一天,亚太的明天“我的师傅来自中国”

    报告:中俄友好具有稳定、积极的青年民意基础

  • 中国大百科全书出版社在罗马大学设立“中国百科书架”大美边疆看我家丨云南云龙:走进“舌尖上的美食校园版”

    中国队进世界接力赛女子4X100米决赛

相关攻略
  • 成绩退步超100分发“证明”,这样的惩戒合适吗?
    2026-11-21 14:22:23
包含 饿了么 的应用集
  • 医保个人账户在定点药店买啥合规 马来西亚4月CPI同比上涨1.9% “5·19中国旅游日”青海分会场活动启动
    戴耳环遭网暴灾区女干部:我不会搞什么炒作 我的工作与耳环根本没关系
    这个产出全球三分之一塑料玩具的地区加速转型升级
    146725052185102026-11-21 14:22:23
  • 新格局下海外华媒共话华文教育新发展 以“培”为帆,以“训”为舵 新疆多地开展铸牢中华民族共同体意识培训 以色列称与联合国秘书长不再联系
    一双板鞋里的默契:警校运动场上的民族交融
    2026洋网红“Discover JiangXi”庐山行活动启动 中外网络达人共探“人文圣山”
    33132646648242026-11-21 14:22:23
  • 去年以来北京警方破获涉医保基金类案件70余起 电动自行车“续航神器”暗藏隐患 效果甚微还可导致车辆自燃 从乌镇窗口看科技创新
    两部门联合发布地质灾害气象风险预警
    北京CBD核心区公共绿地广场成新晋“城市绿洲”
    5447721025135976282026-11-21 14:22:23
  • 沪指高开0.51% 突破4200点 乡村消费活力,如何在“体验”中生发? 记者直击徐州非法排污处置现场:恶臭扑鼻 污水被抽干 涉事作坊被查封”
    “规划展览馆里的大思政课”在京开讲
    中外人士徒步“南京安全区”致敬正义与大爱
    9325717488618462026-11-21 14:22:23
  • 巴西天后宫举行纪念妈祖诞辰1066周年活动 江苏省苏州市政协原副主席金海龙接受审查调查 侨商王琳达率家人赴安徽绩溪寻根
    湖北通城“摆渡村医”邬号平:舟渡山水守安康
    2026文化强国建设高峰论坛“共建数智人文湾区”论坛举行
    679449974608262026-11-21 14:22:23
  • 习近平为美国总统特朗普举行欢迎仪式 张升民会见巴基斯坦国防军司令兼陆军参谋长 秀绝活拼技能!湖北职业技能大赛开幕
    5月6日“农产品批发价格200指数”比节前下降0.14个点
    特朗普回国后谈中国之行:“巨大成功,非常精彩”
    394028230332782026-11-21 14:22:23
  • 猪肉又便宜了 外交部介绍特朗普访华安排和中方期待 新疆兵团:特色农业从“点上开花”到“面上结果”
    广西三江:平流雾漫侗乡美
    2026年全民数字素养与技能提升月启动
    62317231007292026-11-21 14:22:23
  • (经济观察)中国新能源汽车出海再提速 石榴花开 籽籽同心丨戈壁深处石榴红 从“进疆第一乡”看中华民族共同体意识的基层实践 泰国强力整顿各地旅游市场
    长鑫科技一季度业绩增长超16倍
    活塞大胜骑士扳成3-3 哈登23分8失误
    1697968239093385122026-11-21 14:22:23
  • 欧洲议会有关决议恶意抹黑中国法律和民族政策 中方提出严正交涉 5起打击整治网络谣言典型案例公布 日本北海道一训练飞机偏离跑道
    重庆大渡口培育壮大新质生产力 打造重庆具身智能产业核心承载地
    中国首家电影音乐专题展馆在厦门正式对外开放
    112279223087982026-11-21 14:22:23
  • “两高”就非法占用耕地问题联合发布司法解释 APEC贸易部长会议发表《苏州声明》,取得丰硕成果 光大期货:5月12日农产品日报
    嫦娥六号月壤有新发现
    恒铭达:上调回购股份价格上限
    717637156320612026-11-21 14:22:23
  • 高考临近 多家AI平台涉考功能“限时上锁” 重庆万州区通报一餐饮店“回收废弃油”情况 上海居民赴台湾本岛旅游何时实现?国台办回应
    领舞的“法拉利大叔”火了
    印度一苹果手机代工厂发生中毒事件 3名工人死亡
    496486704195793842026-11-21 14:22:23
  • “政策+科技”双管齐下 “稻麦同框”绘就智慧农业新图景 香港“元朗十八乡天后宝诞会景巡游”展示文化魅力 第二届清照诗歌艺术节在李清照故里济南章丘启幕
    伊朗媒体报道称:伊朗议长访问卡塔尔寻求解冻海外资金
    联播+|方寸勋章载深情
    34964662728870682026-11-21 14:22:23
  • 北京发布对企服务事项清单2.0版 涵盖25类69项服务事项 王皓、孙逊加盟吉林省乒乓球队 分任技术总监与总教练 雷军谈内存涨价:想换手机 越早越好
    科技赋能+宠物友好:上海杨浦“减碳嘉年华”探索减碳循环新范式
    这种“小土丘”不要碰不要踩
    2562440662205241382026-11-21 14:22:23
  • 李显龙:新加坡与中国合作潜力巨大 “洪迪厄斯”号邮轮出现汉坦病毒疫情 法国确诊首例汉坦病毒感染病例 从外贸之“质”读懂中国经济之“韧”
    阴山脚下60载:看一棵大白菜的产业“链”变
    浏阳烟花厂爆炸事故现场搜救基本结束 专家:要多方位提升安全生产水平
    616535462881722026-11-21 14:22:23
  • 湖北:东部地区出现降雨 局地有暴雨 在大学课堂学会了红烧鸡翅!学生:暑假回家要做给妈妈吃 厦门走出人海和谐发展之路
    伊朗最高领袖会见武装部队司令并下达新指令
    中国“最东口岸”抚远明水期客运口岸开关通航
    670617818107549732026-11-21 14:22:23
  • 微信状态浏览者计数测试已停止 中国U17男足闯入亚洲杯决赛 泽连斯基摊手回应特朗普称普京为朋友
    普京访华后,俄罗斯民众评论:我已“打心底里爱上中国”丨世界观
    私募大买年内上市ETF近11亿份
    8622518614816405822026-11-21 14:22:23
  • 珠江流域旱情基本解除 抗旱保供保灌工作显成效 奥迪E7X官宣预售 娄山观|谁说山地不能刚?贵州农业硬核登场
    美丽中国建设成效,迎来重磅考核办法
    国际锐评丨中塞“铁杆”友谊如何迈向新高度?
    821476907739252026-11-21 14:22:23
  • “618”在倒计时 高端手机在降价 约800件墨西哥和秘鲁藏品亮相北京 演员黄子仟车祸去世 年仅24岁
    中国证监会:全面推进资本市场投资者保护工作
    国家能源局召开全国“人工智能+”能源现场推进会
    13574673238291012026-11-21 14:22:23
  • 已经一人多高了!让袁隆平“挠头”的学生在新疆沙漠盐碱地,用小黑麦实现袁老师的“禾下乘凉梦” 电网设备板块异动拉升 可立克5天3板 荷兰六六民主党全国办公室遭爆炸物袭击
    “交通安全统筹”等服务不属于车险(2026·05·12)
    商务部部长王文涛与德国联邦经济和能源部部长赖歇举行视频会谈
    359983398706996122026-11-21 14:22:23
  • 广东省委书记点赞《给阿嬷的情书》 “退役5年后 被授予中尉军衔 江西新一轮降水来袭 赣北赣中雨势强劲
    结婚22年,俩儿子都不是亲生的!法院怎么判?孩子怎么办?
    福建漳州举办闽南文化交流活动 共探非遗保护与传承
    127488598625202026-11-21 14:22:23
  • 南方降雨强度逐步减弱 台风“蔷薇”后期或缓和桑拿天 缅甸留学生杨忠胜:搭建“中文桥” 为中缅文化交流注入青年力量 从千年药香到数字工厂 海外留学生“沉浸式”感知中国
    中国退税商店数量达1.4万家
    中国首个太空人体研究计划将实施
    848642831348262026-11-21 14:22:23
  • 日本提出强化“宇宙开发”建议方案 专家:暴露其太空“军事化”野心 这一城,“动”与“热”——重庆“五一”运动消费走笔 湖北又将迎强降水 发布暴雨橙色省级预警
    2026年ITF国际网球大师赛石家庄站挥拍开赛
    首次来大陆的台湾居民可免门票游西藏A级景区
    57975383681195552026-11-21 14:22:23
  • 今年前4个月我国货物贸易进出口总值同比增长14.9% 墨西哥中部发生枪击事件 造成至少10人死亡 中国学者发现解“世纪难题”的重要实验证据
    美联储预期加息25个基点
    大美边疆看我家丨黑龙江牡丹江:熔岩台地杏花如雪
    618928492976522026-11-21 14:22:23
友情链接
  • 仔猪需求好转 价格继续上涨
    2026-11-21 14:22:23
  • (走进中国乡村)内蒙古大青山“红杏遗村”青年返乡创业引客来
    2026-11-21 14:22:23
  • 再度包揽世界杯总决赛9金 中国跳水队新阵容彰显硬实力
    2026-11-21 14:22:23
安卓手机网上最贴心的Android软件应用平台!版权所有:深扒GPT Image 2:疑似“吞”下了GPT-4o,OpenAI没把它当“生图”模型训练有限公司备案号:京ICP备17065190号-1