作者:吴宛菱发布时间:2026-11-21 08:07:31 点击数:32539

本月官方发布研究成果通报媒体:国乒男队缺少“二号位” 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

内蒙古锡林郭勒盟正镶白旗云南省红河哈尼族彝族自治州泸西县山东省德州市齐河县阿克苏地区拜城县北辰区广源街道防城港市东兴市海南省海口市美兰区青海省海西蒙古族藏族自治州德令哈市怀柔区雁栖地区和田地区平山县小觉镇芜湖市南陵县昌平区延寿镇四川省遂宁市蓬溪县湖北省宜昌市秭归县江苏省苏州市相城区青海省海南藏族自治州贵德县江苏省徐州市丰县四川省成都市双流区海南省儋州市青海省海北藏族自治州门源回族自治县海南省儋州市江西省吉安市永新县桥西区苑东街道海南省海口市美兰区黑龙江省鹤岗市山东省泰安市东平县防城港市东兴市信阳市平桥区重庆市县巫山县四川省甘孜藏族自治州和平区南市街道四川省凉山彝族自治州昭觉县密云区高岭镇辽宁省沈阳市浑南区青海省海南藏族自治州贵德县山东省潍坊市青州市蓟州区东赵各庄镇平山县岗南镇乌鲁木齐市沙依巴克区辽宁省大连市旅顺口区云南省文山壮族苗族自治州广南县北海市海城区云南省文山壮族苗族自治州广南县昌平区延寿镇甘肃省天水市秦州区钦州市四川省遂宁市蓬溪县福建省福州市罗源县甘肃省白银市景泰县朝阳区管庄地区和平区南市街道黑龙江省伊春市金林区桥西区东华街道甘肃省陇南市武都区海南省海口市美兰区井陉县吴家窑乡吉林省长春市双阳区崇左市辽宁省沈阳市沈河区四川省成都市金牛区门头沟区大峪街道四川省甘孜藏族自治州九龙县辽宁省沈阳市浑南区陕西省汉中市西乡县西藏山南市静海区西翟庄镇开封市通许县陕西省商洛市山阳县博尔塔拉蒙古自治州温泉县山西省忻州市定襄县山东省泰安市东平县云南省大理白族自治州云龙县福建省南平市建瓯市海南省海口市美兰区湖北省宜昌市西陵区四川省甘孜藏族自治州山西省朔州市山阴县福建省漳州市龙海市云南省普洱市景东彝族自治县固原市西吉县南开区体育中心街道江苏省南京市浦口区武清区上马台镇四川省德阳市广汉市蓟州区东施古镇西青区精武镇马鞍山市博望区辽宁省辽阳市白塔区四川省遂宁市蓬溪县江苏省南通市启东市桥西区留营街道福建省厦门市海沧区福建省福州市罗源县四川省宜宾市珙县山东省滨州市云南省文山壮族苗族自治州广南县四川省广安市岳池县长安区南村镇内蒙古鄂尔多斯市康巴什区

今日行业报告更新行业动向深扒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

山西省晋城市泽州县新乐市协神乡江苏省连云港市赣榆区江苏省徐州市新沂市湖北省宜昌市宜都市内蒙古呼伦贝尔市阿荣旗元氏县云南省文山壮族苗族自治州广南县怀柔区龙山街道辽宁省沈阳市沈河区江西省九江市武宁县丰台区长辛店镇福建省漳州市龙海市元氏县苏村乡湖北省恩施土家族苗族自治州恩施市黑龙江省佳木斯市汤原县甘肃省陇南市武都区福建省三明市梅列区北辰区江西省吉安市永新县广东省广州市越秀区桥西区留营街道平山县小觉镇博尔塔拉蒙古自治州温泉县黑龙江省大兴安岭地区呼玛县阿克苏地区新和县贵州省安顺市普定县密云区古北口镇贵州省铜仁市玉屏侗族自治县内蒙古乌海市乌达区甘肃省陇南市武都区陕西省西安市未央区湖北省宜昌市夷陵区门头沟区大峪街道洛阳市汝阳县江西省九江市武宁县福建省南平市广东省佛山市三水区福建省福州市永泰县西藏阿里地区日土县云南省文山壮族苗族自治州广南县辽宁省铁岭市清河区平顶山市湛河区广东省云浮市新兴县湖北省襄阳市襄州区福建省莆田市仙游县元氏县苏村乡河东区大直沽街道银川市贺兰县大兴区云南省大理白族自治州云龙县赵县沙河店镇福建省南平市信阳市平桥区西城区月坛街道山东省聊城市茌平区朝阳区小关街道西乡塘区芜湖市南陵县山西省晋城市高平市四川省宜宾市珙县甘肃省陇南市塔城地区和布克赛尔蒙古自治县四川省德阳市广汉市辽宁省铁岭市清河区辽宁省铁岭市开原市塔城地区和布克赛尔蒙古自治县延庆区康庄镇丰台区长辛店镇朝阳区双井街道陕西省宝鸡市眉县四川省宜宾市翠屏区四川省凉山彝族自治州西昌市南开区长虹街道云南省西双版纳傣族自治州勐腊县蓟州区官庄镇辽宁省大连市旅顺口区四川省宜宾市翠屏区福建省莆田市城厢区平顶山市湛河区江苏省南京市浦口区陕西省宝鸡市千阳县四川省成都市新都区上海市市辖区嘉定区广东省广州市越秀区重庆市市辖区北碚区青海省海北藏族自治州门源回族自治县和平区南市街道长安区南村镇山东省东营市垦利区山东省聊城市冠县湖北省宜昌市西陵区青海省海西蒙古族藏族自治州德令哈市广东省惠州市龙门县内蒙古乌海市乌达区海南省三沙市西沙区长安区广安街道南阳市内乡县山东省滨州市山西省晋城市泽州县

全球服务区域:焦作市信阳市平桥区昌平区阳坊镇吉林省四平市铁西区朝阳区小红门地区辽宁省沈阳市浑南区陕西省汉中市西乡县黑龙江省大兴安岭地区呼玛县巴音郭楞蒙古自治州和硕县江西省赣州市石城县丰台区长辛店镇青海省玉树藏族自治州治多县山东省滨州市蓟州区官庄镇伊犁哈萨克自治州昭苏县西青区精武镇崇左市宁明县蓟州区东施古镇银川市贺兰县焦作市中站区朝阳区双井街道福建省厦门市湖里区静海区西翟庄镇四川省凉山彝族自治州西昌市黑龙江省佳木斯市富锦市亳州市利辛县湖北省宜昌市西陵区四川省宜宾市珙县顺义区空港街道贵州省黔南布依族苗族自治州惠水县广东省汕头市南澳县武清区汊沽港镇贵州省黔东南苗族侗族自治州天柱县昌平区小汤山镇银川市贺兰县山西省晋城市高平市陕西省西安市未央区山东省淄博市临淄区密云区不老屯镇赵县沙河店镇山西省晋中市太谷区黑龙江省七台河市桃山区内蒙古鄂尔多斯市康巴什区井陉县吴家窑乡蓟州区东赵各庄镇元氏县苏村乡四川省遂宁市蓬溪县湖北省宜昌市夷陵区银川市贺兰县鹿泉区寺家庄镇海淀区青龙桥街道湖北省宜昌市秭归县四川省乐山市辽宁省沈阳市沈河区北辰区鹿泉区寺家庄镇山东省滨州市内蒙古鄂尔多斯市康巴什区静海区大邱庄镇江苏省南通市启东市云南省文山壮族苗族自治州广南县内蒙古鄂尔多斯市康巴什区怀柔区龙山街道江苏省徐州市丰县朝阳区豆各庄地区喀什地区麦盖提县信阳市平桥区湖北省宜昌市西陵区密云区不老屯镇密云区不老屯镇丰台区宛平城地区甘肃省兰州市四川省凉山彝族自治州西昌市朝阳区小关街道辽宁省大连市旅顺口区元氏县殷村镇广东省佛山市三水区鹿泉区寺家庄镇福建省福州市永泰县青海省海南藏族自治州贵德县怀柔区雁栖地区辽宁省沈阳市蚌埠市蚌山区广东省汕头市龙湖区福建省厦门市湖里区丰台区宛平城地区重庆市县巫山县辽宁省朝阳市北票市防城港市东兴市朝阳区酒仙桥街道云南省西双版纳傣族自治州勐腊县芜湖市南陵县门头沟区大峪街道福建省南平市黑龙江省大兴安岭地区呼玛县平顶山市卫东区湖北省宜昌市夷陵区江苏省徐州市新沂市江西省景德镇市昌江区青海省海西蒙古族藏族自治州德令哈市

今日监管部门公开新政策变化深扒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:陕西省宝鸡市眉县辽宁省铁岭市开原市昌平区延寿镇海淀区青龙桥街道四川省德阳市广汉市河东区东新街道朝阳区小红门地区内蒙古鄂尔多斯市鄂托克旗甘肃省甘南藏族自治州延庆区沈家营镇南开区体育中心街道西城区月坛街道塔城地区和布克赛尔蒙古自治县上海市市辖区嘉定区江西省九江市武宁县江西省萍乡市上栗县蚌埠市龙子湖区山西省晋中市榆社县甘肃省兰州市内蒙古鄂尔多斯市鄂托克旗蚌埠市蚌山区怀柔区龙山街道甘肃省天水市秦州区上海市市辖区嘉定区黑龙江省哈尔滨市巴彦县武清区上马台镇桥西区东华街道黑龙江省绥化市明水县平山县东回舍镇山西省晋中市榆社县辽宁省沈阳市延庆区沈家营镇广东省珠海市斗门区云南省西双版纳傣族自治州勐腊县江西省宜春市奉新县四川省甘孜藏族自治州九龙县青海省海南藏族自治州贵德县山西省吕梁市岚县湖北省宜昌市宜都市西城区月坛街道贵州省安顺市普定县湖北省襄阳市襄州区上海市市辖区嘉定区平山县上观音堂乡静海区大邱庄镇平山县宅北乡江苏省南通市启东市山东省枣庄市台儿庄区四川省广元市山东省滨州市黑龙江省大兴安岭地区呼玛县山东省泰安市东平县南开区长虹街道蓟州区东赵各庄镇塔城地区和布克赛尔蒙古自治县新乐市协神乡固原市西吉县青海省海南藏族自治州贵德县山东省德州市齐河县四川省甘孜藏族自治州泸定县山东省泰安市东平县无极县大陈镇山东省淄博市临淄区井陉县测鱼镇西城区月坛街道海南省儋州市福建省厦门市海沧区江苏省徐州市新沂市四川省甘孜藏族自治州南阳市内乡县阿克苏地区新和县合肥市瑶海区蓟州区东赵各庄镇平山县小觉镇防城港市东兴市西城区天桥街道山东省淄博市临淄区山东省泰安市泰山区喀什地区麦盖提县贵州省铜仁市印江土家族苗族自治县黑龙江省七台河市桃山区江苏省南京市浦口区湖北省宜昌市宜都市山东省泰安市东平县丰台区长辛店镇内蒙古乌海市乌达区内蒙古呼伦贝尔市阿荣旗开封市通许县山西省运城市夏县宝坻区牛家牌镇黑龙江省大兴安岭地区呼玛县贵州省安顺市普定县北辰区陕西省汉中市西乡县西藏山南市贡嘎县四川省甘孜藏族自治州山东省聊城市茌平区静海区大邱庄镇西藏山南市四川省广安市岳池县

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

近日行业报告发布最新研究成果深扒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


半导体掀涨停潮,长川科技、兴福电子、澜起科技、普冉股份“20cm”涨停,长电科技、钧达股份、亚玛顿、兆易创新涨停,矽电股份等多股涨超10%。 亚洲无码538app-亚洲无码5382026最新N.69.29.30-XY苹果助手 媒体:国乒男队缺少“二号位”
媒体:国乒男队缺少“二号位”

媒体:国乒男队缺少“二号位”

百万最新免费软件游戏

下载

媒体:国乒男队缺少“二号位”
首页>>澳门特区政府成立管理公司 推进“政府引导基金”体系构建
媒体:国乒男队缺少“二号位”

媒体:国乒男队缺少“二号位”

「活动」首次登录送19元红包

64.84MB
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74%好评(92人)
评论69
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:40.56MB
  • 最后更新:2026-11-21 08:07:31
  • 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:6.55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
  • 作家鲁引弓在穗谈家庭教育:“舍得之间 静待花开”
  • 安徽省政协原副主席周喜安一审被判死缓
  • 福州“大礼包”邀台胞“五一”畅游
  • 因埃博拉疫情 香港特区政府对刚果(金)发出红色外游警示
  • 福建省“环戴云山”OPC联盟在德化成立
  • 浙江上线“AI+矿山监测预警” 以算法守护矿业生产平安
  • 国防部:中国军队外逼驱离侵闯西沙领空的荷兰直升机
  • 五国医务工作者来渝学习中国原创“5D呼吸介入诊疗技术”
  • 樊振东20分钟横扫对手晋级欧冠决赛
  • 7日至8日江南华南等地有较强降雨
  • 厄瓜多尔前外长埃斯皮诺萨角逐下一任联合国秘书长
  • 俄试射“萨尔马特”洲际导弹 计划今年底投入战斗值班
  • 中国国民党副主席萧旭岑:道道地地台湾人也是堂堂正正中国人
  • 大爷拎蛇跟拎根葱一样轻松

    泰国发生涉嫌非法拘禁并勒索中国公民案件 中使馆发布提醒

    【理响中国】践行正确政绩观需处理好五对关系

    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

  • 石家庄文化旅游推介会亮相香港两部门联合发布黄色山洪灾害气象预警

    习近平总书记关切事·关键小事|街巷里的温暖“家”事

  • 国际护士节:致敬生命的守“护”者民众在香港太空馆了解中国载人航天发展成就

    2026国际青春诗会(中阿专场):以诗为桥再证互鉴之美

  • 戴耳环遭网暴灾区女干部:天灾人祸冲在一线 从来都是骑着女士摩托车走村入户去做基层工作男子搜索HPV后治疗7天花5.6万 卫健局:医院过度治疗,被停诊一个月

    一场招商推介会背后的出海逻辑:宁德有货,侨商有路

  • 我驻美使馆举办开放日暨陕西省推介活动国家外汇局:截至4月末我国外汇储备规模为34105亿美元

    数读中国开局新活力|青年占比超50% 小镇20年长成“青春经济”样本

  • 山西大黄米首次出口东西问|魏德汉:如何让《黄帝内经》在跨文化语境“活”起来?

    中国国家画院系列名家藏品展启幕

  • 让历史“可触摸”让共识润物无声 重庆让统战文化“活”在当下速领!五一电影消费券来了

    协鑫集成成立科技新公司

  • 武契奇登长城曾坪:认准了一件事,我就不肯轻易放弃

    积极寻求各方参与APEC经贸合作的“最大公约数”——商务部相关负责人解读2026年亚太经合组织贸易部长会议成果

  • 2026年全国跳水冠军赛:上海“10后”小将包揽女子10米跳台冠亚季军拉萨消防救援机动支队开展“五一”防火专项行动

    前四个月,铁路发送旅客15.55亿人次

  • “沙漠骆驼”段光硕:30年踏遍沙梁,只为绿染乌兰布和警惕翻译软件成泄密“暗道” 国家安全部发布安全提示

    首批“数字食安服务站”落地,美团与监管部门数据打通共治违规商户

  • 黄仁勋喝豆汁皱眉 品牌创始人回应维修人员失误致宝马车发动机拉缸报废

    全网急寻的“赛考斯基”先生发声

  • 广东:中山、珠海等地遭遇强降雨1天→1年 回顾中国航天员逐梦苍穹的在轨征途

    呼和浩特博物院重磅推出专题展览

  • 习言道|谈首都发展,习近平以“白菜心”为喻安徽蚌埠第四届龙虾啤酒嗨玩节启幕

    贵州都匀:防汛应急响应降为Ⅳ级 灾后恢复有序进行

  • 法国国际问题专家:日本应彻底反省历史罪责高速服务区溢价50倍卖“狗鞭果”

    江西新一轮降水来袭 赣北赣中雨势强劲

  • 昆明海关所属昆明长水机场海关涉案财物拍卖公告(第三次)美国总统特朗普将抵达北京

    袁隆平逝世五周年 社会各界追思缅怀

  • 依法严格准入许可审查 市场监管总局启动认证机构提门槛专项行动加拿大总理表示:加拿大需寻求新贸易伙伴 摆脱对美依赖

    真人短剧依然是短剧平台的主角,这场大会说出了原因

  • 从0到1 步步向前总书记的关切·落地的回响|因地制宜走出发展新路

    湖南男子打110问抢劫判几年

  • “铭铸华夏——两周中原列国青铜展”在河南郑州开展新款问界M9系列累计预订量超5万台

    澳门一季度本地居民失业率降至有记录以来最低水平

  • 商贸筑桥、资讯连心!这个“小而美”平台何以联通中国—东盟?成都三色路蓝花楹盛放 紫色浪漫醉游人

    香港一季度本地生产总值同比实质增长5.9% 增速创近五年新高

  • 5月22日央行开展1530亿元7天期逆回购操作【深圳APEC】我是深圳人! “五星上将麦克阿瑟”扮演者:在深圳让我感觉自己更年轻

    “千校万企供需对接会”西北五省区专场招聘会在银川启幕

  • 中国自主研发载人观光潜水器亮相西洽会 已远销马来西亚、印尼福建10家国家级台创园与高校签约 深化闽台农业融合发展

    奋斗是青春最亮丽的底色

  • 白俄罗斯“洋女婿”与古都西安的“数字情缘”大连英博夺得中超冠军 这一刻,远在五洲的大连侨胞赶回家乡一起见证

    美国总统特朗普启程访华

  • 无人机违规飞行威胁铁路安全,飞手要担责(深圳APEC)说粤语的泰国总理

    高盛据悉是SpaceX巨型IPO的牵头行

  • 全国首张综合性司机服务地图上线女子晒婆婆带娃前后变化

    中国新能源车有多环保?氢能卡车拉货每年可减少140吨二氧化碳排放

  • 乡贤捐款饭菜管够 湖南涟源“长辈食堂”里的幸福滋味比亚迪正式加入IATF AISBL

    超市收银员5个月顺走247条香烟

  • 短道速滑世界冠军李佳军:每一滴拼搏的汗水都自有光芒国家发改委:多渠道增加普通高中和高等教育学位供给

    “十五五”时期,郑州如何把“工业锈带”变为“城市秀场”?

  • (乡村行·看振兴)内蒙古巴林草原上有一座民间手艺人之家三峡水库为长江中下游补水超100亿立方米

    湖北当阳:金黄麦浪迎丰收

  • 第48届东盟峰会即将开幕特朗普:美国从德国撤军规模将远超5000人

    周宇翔:未来在上海能吸取更多海外智慧

  • 俄政要热评中俄元首会晤:俄中合作精神“切实可见”民盟黑龙江省委会:智力赋能黑土地保护与现代农业发展

    国际能源署:商业石油库存“急剧下降”

  • 李志希谈大陆影视剧在台爆红:两岸文化不可分割 影视剧最先走进人心第七届谢璞儿童文学奖启动

    中国消费者更看重“绿色可追溯” 为全球绿色供应链注入新动力

  • 记者直击徐州非法排污处置现场:恶臭扑鼻 污水被抽干 涉事作坊被查封从热门商品到演出门票 “抢票神器”粗暴收割公平购票机会

    土耳其理工名校掀起中国热

  • 津巴布韦宣布新锂矿政策 中企回应中国商务部:中美双方在经贸领域达成五方面初步成果

    中演院线携手湛江打造粤西文化新地标助力大湾区文化建设

  • 当“世界市长”遇见成都:一场关于“旧”与“新”的发现记者直击湖南石门洪水现场:部分房屋被冲毁 村民自发清淤救灾

    沪闽携手推出5条金马游线路 串联两岸文旅资源

  • 白宫附近枪击案嫌疑人在医院死亡我国首个海上注碳增气技术示范应用工程陆地建设全面完工

    通讯:中美两个普通人的绿色交情

  • “迷人的侗族复调歌曲吸引西方观众”2026年01月-04月南宁关区进出口货运量排序表(按申报口岸分)

    光大期货:农产品类日报5.26

  • 17家全国性行业协会商会联合发布《国内贸易交易指引(试行)》加息预期升温 金价短期承压

    天津机器人,“姓甚名谁”?

  • 久融控股合共出售5897万股SSG股份习近平主席特使、国家国际发展合作署署长陈晓东出席哥斯达黎加总统权力交接仪式

    第四届链博会将于6月22日至26日在北京举办

相关攻略
  • (经济观察)4月部分数据波动不改中国经济稳健态势
    2026-11-21 08:07:31
包含 饿了么 的应用集
  • 专家:菲律宾政坛内斗进入白热化 机器獒亮相 可搭载机枪和自爆装备 铁路部门试点推出“自行车随身行”服务
    中华人民共和国海口海关拍卖信息(2026年第3期)
    (近观中国)武契奇访华,习近平授予他这枚特殊勋章
    146420452170352026-11-21 08:07:31
  • 河南省周口市港航管理局副局长李涛接受审查调查 比利时发生校车与火车相撞事故 造成至少9人死伤 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
    Chartwell宣布5月每单位0.052加元分派
    伊朗高官:美国在霍尔木兹海峡任何干涉行动都将被视为违反停火协议
    33134316644892026-11-21 08:07:31
  • 外国友人盛赞西藏文化传承:不仅留住了“形”而且守住了“魂” 房价都跌了年轻人为什么还是不愿买房 专家学者共探武医融合发展 助力健康中国建设
    这波涉华谣言,韩国总统当了“终结者”
    芬兰总统:欧洲应考虑直接同俄罗斯对话
    5447711315135979362026-11-21 08:07:31
  • 八千年蚕韵流淌辽河 中华蚕文化展亮相沈阳 从展览到研学从线下到云端 在恭王府过“国际博物馆日” 八所海关东方大道住宅楼西楼东面外墙、正外立面修缮和侧面防水及东、西楼防盗网刷油漆项目项目 比选成交公告”
    罗东川:生态保护 关键要向绿色低碳要红利
    中国有力护航民企“轻装上阵”
    9322717488663702026-11-21 08:07:31
  • “五一”假期中国国内出游总花费超1800亿元 中国式现代化为世界提供了新的发展模式——访黑山副总理阿莱克西奇 当抗癌妈妈撕掉“100个遗愿清单”
    平陆运河重塑广西开放新格局
    王毅会见塞尔维亚外长久里奇
    679960414601082026-11-21 08:07:31
  • 安徽合肥:260对新人举行集体中式婚礼 十元小贴纸 硬控年轻人 国际足联希望中国青少年出现在世界杯
    虎牙发布2026年Q1财报:收入连续五季同比增长,盈利能力持续提升
    百亿富二代大婚 张学友现场献唱
    394028430334242026-11-21 08:07:31
  • 浙江省欧美同学会金融委员会举行座谈交流活动 宇树科技IPO6月1日上会 最新业绩公布 日本央行行长:日本经济正面临原油价格冲击
    济南举办机器人领域创新创业赛事 185个项目同台竞技
    2026年成都·金堂铁人三项世界杯个人赛鸣枪开赛
    62314981004232026-11-21 08:07:31
  • 甘肃省统战宣传工作会议在兰州召开 广西举办“教育家精神”宣讲活动 三位女校长诠释“爱与坚守” 古巴国家主席:美对古威胁升至“危险且前所未有”级别
    《桃花坞6》又出名场面
    中金:看好A股市场延续震荡上行趋势
    1697994079093395352026-11-21 08:07:31
  • 伦敦世乒赛:中国女乒3:1力克波兰 有惊无险晋级16强 宁夏举办新型材料领域专场对接活动 架起科技成果转化桥梁 安徽合肥:给电动自行车“解限速” 团伙11人落网
    “小屏幕”伴货车司机同行,短视频如何当好新“卡友”?
    专家:越南抢先落子核电不等于胜局
    112272503081112026-11-21 08:07:31
  • 专家解读巴基斯坦总理访华:兼顾战略定位与务实合作 中国首颗能源工程安全监测SAR卫星“电建一号”发射成功 普京:俄中关系达到前所未有水平
    “良机+良法+良技”护航“三夏”时节 把“丰收在望”变成“丰收到手”
    东西问|德国汉学家培高德:德国社会如何更好理解当代中国?
    717754156321092026-11-21 08:07:31
  • 美股收盘:纳指、标普500指数续创新高,中概股集体上扬 特朗普再威胁伊朗交出浓缩铀 称到手后或销毁 《中国乡村遗产旅游发展报告(2026)》在北京发布
    陈茂波:香港经济基调良好前景正面 有助吸引更多国际长期资金投资
    袁隆平逝世五周年 社会各界追思缅怀
    496430409195753452026-11-21 08:07:31
  • 5月20日人民币对美元中间价报6.8397 下调22个基点 中科生物医药成果转化基地在杭州揭牌 助推创新成果转化 中美阿三国警方首次开展联合打击电诈犯罪行动 捣毁诈骗窝点9个
    中基协:4月新备案私募基金数量2348只
    比纯胖更可怕的是“瘦胖子”
    34964910728827292026-11-21 08:07:31
  • 窦靖童《歌手》首秀唱哭那英 全球首艘万车级汽车滚装船首靠上海港 微信未读语音消息变灰
    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
    内蒙古草原铁路今年发送货物突破1亿吨
    2562427232205229402026-11-21 08:07:31
  • 白衣天使,节日快乐! 广东538个乡村优质资产项目集中亮相重庆 2026湖南车展:大型新能源SUV为何受热捧
    香港传统节庆活动“抢包山”深夜上演
    绿意盎然惹人醉 游人秦岭腹地度“五一”假期
    616366102881672026-11-21 08:07:31
  • 重庆建成采测一体化水质AI实验室 年均检测数据超15万条 三星劳资谈判破裂 罢工风险上升 自然资源部:三类探矿权出让 优先采取招标形式
    柬埔寨同日接连发生车祸 至少14人丧生
    沙漠种树人寻到赛·考斯基 “回来看看我们缔造的绿洲”
    670612548107550742026-11-21 08:07:31
  • 《藏海传2》官宣 年轻人迷上了“追鸟”? 浏阳烟花爆竹企业爆炸事故已致3人死亡
    2026年“汉语桥”中文比赛新州赛区预选赛在悉尼举行
    成都一超市1公斤金樱桃卖1199.8元
    8622577618816403012026-11-21 08:07:31
  • 小小冰箱贴,撬动大文创 法国友人向侵华日军南京大屠杀遇难同胞纪念馆移交一批资料 上海杨浦区与无锡市携手推动融合赋能 打造长三角城市合作典范
    大同邀民众共绘城市情书 展现古都多元气质
    韩国股市一夜变脸!押注AI芯片,是坐上快车还是站在悬崖?
    821857907289402026-11-21 08:07:31
  • 立讯精密或入主京西国际 四部门发文:加强创新药安全合理配备使用 (乡村行·看振兴)“苹果之乡”洛川科技赋能强链条 品牌出海拓市场
    【树立和践行正确政绩观】办好为民实事 推动学习教育走深走实
    新型“职业闭店人”骗局调查
    13573413238261032026-11-21 08:07:31
  • 2026世界数字教育大会在杭州开幕 【图片故事】台胞牙医浙江小城“追梦” 2026全球工程机械制造商50强出炉 中国企业成增长主力
    白景富同志逝世
    滇藏公路通车50周年:缅怀筑路先烈
    359962798706929902026-11-21 08:07:31
  • 接力生命之光 湖南大学生成功捐献造血干细胞 “重庆重点从三方面发力 推进财政金融协同 F1加拿大大奖赛:安东内利正赛夺冠
    第47届世界葡萄与葡萄酒大会10月将在宁夏银川举办
    外交部:越来越多外国游客利用“五一”假期打卡中国深度游
    127442598614262026-11-21 08:07:31
  • 高铁站再现“人均”小红筐 上期所:金属品种波动较大需关注市场 四川成都:公园里长出“巨蛋” “智能气膜球场”将建成投用
    制裁和战争严重拖累伊朗民生
    川投新能源公司总经理刘亮被遣返回国
    848645121342972026-11-21 08:07:31
  • 以建设性战略稳定构建新时代中美关系(国际论坛) “五一”假期 各地特色文旅活动精彩纷呈 食用油开封近俩月就报废?真别吃了
    打开“赏花地图”解锁经济新图景
    胡衡华重庆市人大代表资格终止
    57975353681875432026-11-21 08:07:31
  • 何为青春该有的“样子”?就在每一次“拔节”的声响里 云南建成“重卡充电一张网” 破解区域重卡补能难题 香港“元朗十八乡天后宝诞会景巡游”展示文化魅力
    外国游客为“中国式安全感”点赞
    大美边疆看我家丨云南瑞丽:红光村绣球花迎来盛放季
    618922892276372026-11-21 08:07:31
友情链接
  • 机器人“跨界上岗”赋能千行百业向“新”向“智”
    2026-11-21 08:07:31
  • 世卫组织:“洪迪厄斯”号新增一名汉坦病毒感染者
    2026-11-21 08:07:31
  • 墨西哥中部发生枪击案 造成包括婴儿在内至少10人死亡
    2026-11-21 08:07:31
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