AI圈又“卷”起来了：谷歌Gemini学会“先想后说”，ChatGPT直接上手P图

这AI圈子真是日新月异，稍微不留神就感觉要跟不上了！这不，就在周二，谷歌和OpenAI这两大巨头又前后脚放出了大招，看得搬主题是眼花缭乱。一边是谷歌家的新模型Gemini 2.5，号称学会了“三思而后行”；另一边，大家熟悉的ChatGPT也解锁了新技能，可以直接在聊天里捣鼓图片了！来，跟着搬主题一起看看这俩新玩意儿到底有啥名堂。

谷歌Gemini 2.5：让AI“琢磨琢磨”再说，靠谱不？

先说说谷歌这边。他们搞了个新系列的模型，叫Gemini 2.5。最大的噱头就是，这模型在回答你问题之前，会先“稍微琢磨琢磨”，搞个所谓的“推理”过程。听起来是不是有点像咱们人类思考问题？

打头阵的是Gemini 2.5 Pro Experimental。谷歌自己吹这是他们家目前最聪明的模型，还能处理图片、声音啥的（多模态嘛）。开发者现在就能在Google AI Studio里尝鲜了，如果你是掏了钱（每月20刀）用Gemini Advanced的会员，也能在App里体验到。

谷歌还放话了，以后他们家所有新AI模型，都得带上这种“琢磨”的本事。

“推理”这事儿，现在AI圈都挺上头

话说回来，让AI“先想后说”这事儿，也不是谷歌首创。自从去年OpenAI搞出个叫o1的模型后，大家就都在这方面较劲。现在像Anthropic、DeepSeek（国内的哦）、谷歌、还有马斯克的xAI，都有类似的模型。说白了，就是多花点时间和算力，让AI在给出答案前自己先检查检查、理理思路，特别是在搞数学题和写代码的时候，据说效果拔群。

很多人觉得，这种会“思考”的AI，以后搞不好能自己干很多活儿，变成那种能独立完成任务的“AI代理”。当然了，这么聪明的模型，用起来估计也更烧钱。

谷歌之前也试过类似的，但这次的Gemini 2.5，看架势是真想跟OpenAI的“o”系列掰掰手腕。

实战能力怎么样？谷歌自己挺有信心

谷歌放出了些测试数据，说Gemini 2.5 Pro在好几个项目上都比自家的老大哥和一些竞争对手强。尤其是在做那种看起来很炫的网页应用，还有写能自己跑起来的代码（代理式编码）方面，表现特别亮眼。

• 比如在一个叫Aider Polyglot的代码编辑测试里，Gemini 2.5 Pro拿了68.6%的分，把OpenAI、Anthropic和DeepSeek的尖子生都比下去了。
• 不过嘛，也不是全方位碾压。在另一个叫SWE-bench Verified的软件开发能力测试里，它得了63.8%，虽然赢了OpenAI的o3-mini和DeepSeek的R1，但还是输给了Anthropic家的Claude 3.7 Sonnet（人家拿了70.3%）。
• 还有一个挺有意思的测试叫Humanity’s Last Exam，里面全是网友们出的各种难题，数学、人文、科学啥都有。Gemini 2.5 Pro拿了18.8%的分，据说比大部分对手的旗舰模型都要好。

一次能“吃”下整部《指环王》？

还有个亮点，Gemini 2.5 Pro一上来就能处理超长超长的信息，官方说法是100万token的上下文窗口。啥概念？大概相当于75万个英文单词，一口气能“读”完一整套《指环王》！而且谷歌说了，很快还要翻倍到200万token。这对于需要分析大量文档或者长代码的项目来说，简直是福音。

至于用这个模型得花多少钱（API价格），谷歌暂时卖了个关子，说后面几周再告诉大家。

搬主题点评： 谷歌这Gemini 2.5让AI“先想后说”的路子是对的，毕竟谁也不想AI瞎说八道。特别是超长的上下文窗口，想象空间很大。不过，光说不练假把式，这“思考”能力到底有多靠谱，跑起来会不会慢吞吞，还有最终的价格香不香，这些都是开发者和用户最关心的。能不能真的挑战OpenAI的地位，还得看后续的实际表现和市场反应。

OpenAI不甘示弱：ChatGPT直接上手P图，还能改照片！

就在谷歌官宣的同一天，OpenAI的CEO山姆·奥特曼（Sam Altman）也出来搞事情了。他宣布给ChatGPT来了个“视觉大升级”——现在能直接用GPT-4o模型在聊天里原生地生成和修改图片了！

要知道，GPT-4o本来就是ChatGPT背后的大脑，但之前它主要负责文字活儿，图片生成得靠另一个叫DALL-E 3的工具。现在好了，GPT-4o亲自下场，不用再拐弯抹角了。

新P图功能香不香？谁能用？

奥特曼说，这个新功能已经在ChatGPT和他们那个做视频的AI工具Sora里上线了，不过目前只有掏了每月200刀的Pro会员能先用上。别急，OpenAI说了，很快Plus会员、免费用户，还有用他们API的开发者也能用上。

据说，用了GPT-4o来P图，会比之前的DALL-E 3稍微慢一点点，因为它会“想”得更仔细，目标是做出更准、细节更到位的图片。而且，它不光能从无到有画图，还能编辑你给它的图片，就算是照片里有人也没问题！想给照片换个背景？给前景加点东西？“修复绘画”（inpainting）？GPT-4o都能试试。

训练数据来源？老生常谈的版权问题

一说到AI生成图片，大家肯定关心它是拿啥“喂”大的。OpenAI跟《华尔街日报》透露，他们用了“公开可用的数据”，还有就是跟Shutterstock（一个大图库）这些公司合作搞到的专有数据来训练GPT-4o。

这训练数据嘛，一直是个敏感话题。一方面，这是AI公司的核心竞争力，谁也不想轻易亮底牌；另一方面，这里面牵扯到版权问题，搞不好就得吃官司，所以大家一般都说得含含糊糊。

OpenAI的首席运营官Brad Lightcap出来表态，说他们尊重艺术家的权利，有政策防止生成直接模仿在世艺术家风格的作品。他们还提供了一个表格，让创作者可以申请把自己的作品从训练库里删掉，也说会遵守网站不让爬虫抓取数据的设置。

有意思的是，就在不久前，谷歌那个Gemini 2.0 Flash模型的图像功能也火过一阵，但名声不太好。因为它没啥限制，被人发现能去掉图片水印，还能画出受版权保护的角色。不知道这次OpenAI的防护做得怎么样。

搬主题点评： ChatGPT这个原生P图功能，咱们搬主题觉得挺实用的！以后写文章配图、做设计草稿啥的，可能直接在ChatGPT里就能搞定一部分了，方便了不少。这无疑是把GPT-4o的多模态能力又往前推了一步，对Midjourney这些专门搞图片的AI工具来说，压力肯定更大了。不过，版权这根弦还是得绷紧，OpenAI虽然做了些承诺和措施，但能不能彻底解决问题，还得打个问号。毕竟，技术跑得再快，规矩也得跟上才行。

总结一下

总的来说，谷歌和OpenAI这波操作，一个往“深度思考”发展，一个在“多才多艺”上加码，都代表了现在AI发展的方向。这AI圈子真是越来越卷了，但也意味着咱们用户能用到的工具会越来越强大。接下来就看这两家谁能把新技术打磨得更好用、更安全、更让人离不开了。