去年年底，谷歌 Gemini 震撼了业界，它是谷歌「最大、最有能力和最通用」的 AI 系统，号称第一个原生多模态大模型，能力超越 GPT-4，也被认为是谷歌反击微软和 OpenAI 的强大工具。
有人用Midjourney给生物学论文配图，画得漏洞百出，结果还一路顺畅成功发表？？？
从文本生成模型 GPT、文生图模型 DALL·E，到文生视频模型 Sora，OpenAI 可以说成功跑通了 AGI 的所有技术栈，为什么是 OpenAI 而不是谷歌、Meta？
近日，北大、斯坦福、以及Pika Labs发布了新的开源文生图框架，利用多模态LLM的能力成功解决文生图两大难题，表现超越SDXL和DALL·E 3
就在刚刚，全新升级4.0的日日新大模型发布！不仅如此，商汤还抢先OpenAI首发了支持不同模态工具调用的Assistants API！现在，超千万的中文开发者可以轻松玩转「文生图」和「图生文」了。
Bard又双叒升级了！谷歌正式解禁Bard生图能力，文生图Imagen 2模型加持，效果对标DALL·E。
绝大多数AI生图模型在训练的时候侧重的是文本和图形之间的关联，并不擅长语义分析和复杂元素处理。
主题驱动的文本到图像生成，通常需要在多张包含该主题（如人物、风格）的数据集上进行训练，这类方法中的代表工作包括 DreamBooth、Textual Inversion、LoRAs 等，但这类方案因为需要更新整个网络或较长时间的定制化训练，往往无法很有效地兼容社区已有的模型，并无法在真实场景中快速且低成本应用。
不得不说，现在拍写真真是“简单到放肆”了。真人不用出镜，不用费心凹姿势、搞发型，只需一张本人图像，等待几秒钟，就能获得7种完全不同风格：
OpenAI官方开撕《纽约时报》——不讲武德选择性称述，拒绝沟通只想多讹钱。LeCun也站在OpenAI一边，认为创作者的激励早就不是只有找使用内容的人收钱这一条路了。然而网友却发现，除了ChatGPT，生图AI的抄袭问题迟早要给模型公司惹上大麻烦。
