上面這些由藤子·不二雄、鳥山明等日本泰斗級漫畫家帶來的畫作，肯定都能充分描繪你的現狀吧。

——哦，有一點我說錯了，上面這幾幅畫並不是由那些漫畫家本人畫出來的。創作它們的是內置了DALL-E 3的ChatGPT Plus。

雖然不是為了給祖國母親生日獻禮，但OpenAI確實是在剛剛過去的長假裡面，對Plus用戶灰度開放了下列新功能：

用必應搜索的能力，此前因效果不佳臨時下線，此番重新恢復；

默認模式允許上傳圖片，並且識別圖片內容；

加入了DALL-E 3文生圖模式。

其中，DALL-E 3還沒有普及到所有ChatGPT Plus訂戶中，不過娛樂資本論·視智未來手中的帳號已經是開通了上述所有能力的「完全體」了。

有的Plus用戶雖然續了費，但是並不能見到上面所有這些功能。此時，閱讀我們下面這篇簡單的介紹和上手指南就非常重要了。

可以說，這裡面每一個能力都是這大半年以來ChatGPT的用戶們期待已久的。但是它們實際上的效果如何，是否可以真正融入我們的日常工作流當中，又會不會對市場上的競品構成重大的威脅呢？

娛樂資本論·視智未來一向是各位文娛、內容產業讀者的貼心小夥伴，不論是科普，評測還是培訓，我們始終堅持一個原則：就像在實際的生產過程一樣來測試和使用AI工具，而不是單純追求讓它「炫技」。

是騾子是馬，我們現在就拉出來遛遛。

VOL.1

必應搜索

在進入大家都很關心的圖像能力之前，先來看下恢復上線的必應聯網模塊。

上個月，娛樂資本論·視智未來剛剛完成了第二輪文本大模型實用場景橫評。讀者們應該記得，在那次測試中，GPT-4不聯網時的表現依然穩定，然而當它使用VoxScript等插件聯網時，效果卻比一些國產大模型的表現還要差。

我們也分析了相關的原因，主要是官方與必應合作的聯網插件不能使用時，其他第三方插件的表現不穩定，而且參差不齊。

這次官方聯網的回歸，讓我們期望它會有比以前更好的表現，但實際上並沒有好太多，很難稱得上提供了全面和準確的答案。

而且，與使用插件聯網不同，這裡不再允許你查看它在回答問題時具體訪問了哪些網站。所以，結果不理想時也無法找出原因。

當然，GPT支持更長的提示詞和答案生成，而必應只支持幾百個字的短答案，但聯網還會占用GPT-4每3個小時50次的限額。所以有時你在必應官網用AI搜索，效果可能更好一些。

所以就是這樣，讓我們趕緊進入下面的重頭戲。

VOL.2

DALL-E 3繪圖

現在我們可以回顧一下本文開頭的三張圖。

這三張圖的最終效果都非常出色，可以說在這次更新之前，所有的文生圖工具中，只有Midjourney能夠達到這種水平。當然我們一直認為競爭對手達到MJ的高度是遲早的事情，但DALL-E 3的出現比我們想像的早得多。

當然，在ChatGPT中引入圖片生成，最大的改進不僅在於生成的效果，還在於生成的過程。

我們知道與文字相比，無論是SD還是MJ的提示詞，都更不能隨便寫，它們有更多規則、格式乃至「咒語」的要求，在生成圖片時起到了重要作用。像我們的AIGC大師課中就指出，有些繪畫風格、藝術家名稱、效果光線等都需要指定，而這些詞彙所醞釀出的結果就像煉丹一樣。

在如今的ChatGPT裡面，這些已經是過去的事情了。我們現在所使用的方法，會更接近要求一位人類畫師去做事，說的話也更接近自然語言，GPT-4承擔了轉譯的工作。

ChatGPT會根據用戶的需求，一次提供四個不同的真·提示詞，並將它們導入DALL-E中生成四張不同的圖片。這比單一提示詞生成四種變體更完善，還可以指定其中一張繼續進行微調，儘管效果不一定如人意。

讓我們來回顧文章開頭的畫作是怎樣生成的。

首先，當我們看到一張梗圖很有趣，於是想自己畫一張的時候，這是非常常見的使用場景。

不過，在DALL-E 3之前，我們似乎難以想像除了Midjourney還有什麼文生圖工具可以出來比較好的效果。

點開可以發現，每一張圖的prompt都各不相同。

儘管AI作圖嵌字問題還是沒完全解決，但你可以看出跟之前版本相比有了巨大的進步。此時我們甚至可以只用Windows自帶的「畫圖」來給它加上適當的字體。

其它圖片也類似：

很顯然，如果我們想使用傳統文生圖方法，生成提示詞是需要我們自己動腦的事情，但現在GPT已經承擔了這個重任。當你點擊具體的圖片時，可以看到它使用了哪些提示詞，並將其複製下來。在生成結果出現問題時，也可以通過分析提示詞構成來發現問題所在，以及是否有可能改進。

由於成圖的完成度非常高，圖像裁切不需要的部分，以及往裡面嵌字，甚至只需要使用Windows自帶的畫圖就可以完成。

在下面的測試中，我們發現，如果你的指令非常簡單，ChatGPT生成的作品或許有一些對東亞文化元素的刻板印象和挪用。例如：

請創作一幅中國慶祝三·八國際勞動婦女節的海報。主題是：「巾幗築夢心向黨，強國復興勇擔當」，但不需要在海報中出現文字。

接下來，我們嘗試用必應搜索給我們總結，怎樣優化提示詞，讓生成效果更貼近我們的需要。

儘管如此，如果你直接讓ChatGPT改圖，它依然大機率不會按照你的要求直接改動，這反映了DALL-E 3在識別prompt方面的局限。

如果你點開它更改過的prompt，就會發現不是提示詞的問題，GPT實際上已經盡力了。所以，一次生成的圖最好還是由人工在後期改動。

oil painting of a modern Shanghai ballerina, gracefully posing in front of iconic landmarks near the Bund. In the background, there's a plain red flag without any emblems, stars, or symbols, fluttering in the wind. The scene is dominated by red and gold hues, and a clear space at the bottom is reserved for potential text.

即使如此，我們也已經得到了幾張最終效果很好的圖片。

上述試用過程代表了一個總體趨勢，即prompt微調的作用大大降低，我們文生圖給AI下的指令將會越來越接近自然語言。

VOL.3

GPT-4 識圖

另一個最受歡迎的ChatGPT新功能，當然就是識別圖片的含義。

在一些近期的測試中，GPT-4是可以讀出一些幽默或者寓言故事中的潛台詞，分析畫面當中人物的心理和情緒。當然，這些都是重大的突破，但總體來說還是屬於「常規動作」。

我們想看看它還能不能做更好玩的事情－－比如看X光片。

醫學影像行業是不是要被替代掉了？實際結果遠遠沒有這麼樂觀。

我給了GPT一張有問題的X光片（這裡不放原圖，因為那是我自己的X光片），人類醫生可以看到一顆劈裂牙和右下頜骨的一塊含牙囊腫，但GPT並沒有識別出任何問題。

回頭看一下上面那張網圖，它的問題是一樣的，它知道這是牙片，但除此之外就沒有然後了，它傾向於對看不出來、不確定的東西報喜不報憂，這點倒是跟「百度一下，我覺得我快掛了」完全相反。

看來，影像科室里看片的人類，目前還可以繼續高枕無憂。

在不這麼嚴肅的問題上，比如翻譯一個外文廣告牌，是可以勝任的。你可以將這個結果跟Jina.AI的同款產品做個對比。

翻譯確實是ChatGPT的長項，圖片識別更是讓這一長處如虎添翼。不過，它具體勝任到什麼程度，又取決於它基礎知識的積累，在不那麼熟悉的領域，比如翻譯維吾爾文，照樣「一本正經地胡說八道」。

接下來的測試在效果上可謂非常驚艷。我們在一個設計師常用的網站Dribbble上找了一些網頁和APP的效果圖，然後讓它直接生成一個在瀏覽器中真的能打開的網頁代碼。

它完成了這個任務－－非常出色。

雖然沒有完全復刻效果圖，但如果我完全不會前端代碼，又想從零開始做，那麼它已經能讓我做出一個可用的東西。甚至因為它的實現與效果圖中細微的區別，還可以說它給原作「洗稿」了。這可能是運用GPT的發散思維能力的一個最佳案例。

經過4-5次提示詞調整後，成品如下：

可以說，動嘴修改的成功率遠高於之前預想，而且再怎麼說，也比不斷微調代碼要簡單多了。這樣一來，各位文字工作者們可以用前所未有的簡單方法，來試著搭建自己的作品集或個人網站。

VOL.4

誰要慌了？

回頭再看一看我們所做過的這些測試：

不需要懂英文，就可以用自然語言讓DALL-E 3作畫，效果逼近Midjourney；

可以識圖、在熱門語言之間翻譯圖像內容；

將一個畫出來的介面圖轉換為真正的網頁，不會前端技術也可以設計自己的網站……

這些進化，給人最大的感受就是意料之外，情理之中。仔細一思考就會發現，這些功能只是對原本GPT-4基礎能力的巧妙運用，將原本相互分離的不同模態結合在一起，就化腐朽為神奇了。

在識圖和繪圖時，GPT仍然會瞎編，因此仍然需要你的專業知識來補充那些它不掌握的領域，做事實核查，並決定如何剪裁和應用它的回答。

這進一步強化了我們對GPT的理解，它是一個為現有從業者提供的工具，可以增強你現有的能力，但不能自主產生知識，只能根據你的思路進行操作。

ChatGPT不會取代我們的大多數讀者，但是會更好地幫助我們。但是，當然也會有人看到這些進步之後感受到真實的恐慌。

「

1

比如我們一直在對比的Midjourney本尊：對於普通用戶，既然手頭已經有一個效果上與MJ相差不多的工具，數量又幾乎沒有限制，還不用額外掏錢，那為什麼還要再買MidJourney呢？這種搭配組合將用戶更深度地綁定在OpenAI的體系內，也讓GPT每月20美元的月費變得越來越物超所值。

「

2

比如各種國產大模型的開發者：作圖精度，語義理解這些，目前ChatGPT都是幾個最強的合在一起，讓GPT與國產大模型之間的差距似乎成了更加難以逾越的天塹。但是，開源領域仍然可以繼續追趕，類似於LLaMa的圖片應用LLaVA也出現了。

「

3

比如第三方整合各家服務的開發者們，可能需要重新思考自己的開發方向。例如，趁著不是所有大模型都有多模態的空當，可以在第三方應用中被智能地調用最適合的模型，以執行相關任務。這樣，用戶將能夠使用各個領域中的最優解，我們之前採訪過的Jina就是正在做這樣的工作。

我們期待第一方或者第三方服務，可以將現有分散在不同模態上的能力真正的組合起來，而不是說互相獨立地放置。

ChatGPT的進步說明，Openai或MJ樹立起來的壁壘並不是絕對無法攻破的，只是後來者需要花費幾個月、半年或一年的時間差來趕超。對於後來者來說，堅持下去而不倒閉，可能就是勝利的關鍵。