GPT-4o在2025年3月26日更新了图像能力，并且奥特曼表示很强。所以赶紧试一试，看如何不用SD和MJ这种传统需要发送“魔法咒语”形式画图的方式有什么变化，是否真得能够简单的通过自然语言进行工作（LUI交互）。
测试场景一：画图以及进行风格替换
帮我画一张图，图中一个40岁亚洲男性，站在上海外滩，背后是东方明珠塔。他穿着黑色T恤，T恤上面印㡳“Black”字母，他面色冷峻，头发较长，戴着黑框眼镜。
评价：真人图非常真，卡通图与要求的卡通图风格稍微有点区别，并且脸变的胖胖的。
测试场景二：现有图片的处理
原始图：
去掉人物效果：
请把这张照片里所有的人都去掉，只保留自然景色
添加其他东西到新图片：
在处理后的图片上面放上一匹马，这匹马是白色的，然后与周围环境自然融合。
图片里再添加其他东西：
在上面这张图片上面再进行处理，这匹白马上面骑了一个穿白色汉服纱裙的古代长发女子，她白纱半蒙着面，摇杆挺直，英姿飒爽，手里拉着马的缰绳，另外一只手拿着宝剑，昂首目视前方。
更换图片的观察视角：
画一张新图，上面这张图更换视角，从空中俯视整个场景，需要清晰逼真，不要减少上图的任何元素
图片变幻为卡通风格：
图中人物和背景做成吉卜力风格头像
点评：老实说，这个确实真的强，虽然与原始的照片稍微有一些差异，比如说这个鞋子两张图中颜色不一样这些细微差别，但是总体整个图的构造过程，还有还原度非常强，确实非常厉害。
测试场景三：商品内容翻译
画一张图，完成这张图片内文字翻译工作，图片中的中文全部变成英文，并且不改变现有图的颜色布局和物品的现有样子。
评价：目前摄像头有点跟原图不太像（优点弯曲），但是其他地方还原度已经很厉害了。
测试场景四：海报设计
小红书封面设计：
Prompt：
生成一张科技感十足的DeepSeek原理介绍封面图，严格遵循小红书3:4比例。
视觉要求：
1. 背景：深空蓝渐变（#0A1F33 → #1A3A6B），叠加发光神经元节点
2. 主标题：'DeepSeek核心原理解析'（80px，荧光绿#00FF9D，描边2px白边）
3. 副标题：'MoE架构 × 128K上下文窗口'（40px，浅灰#CCD6F6）
4. 技术符号：右侧悬浮透明芯片图标，内含公式 $\\text{FFN}_i(x) = \\sigma(xW_i + b_i)$
5. 动态提示：标注'需HTML5实现粒子光效悬停'
避坑提示：
- 避免文字超过30字（防信息过载）
- 确保主标题在手机缩略图中清晰可见GPT-4o效果：
Claude效果：
评价：这两非常一致，对比来说，GPT-4o明显更好看，除了个别中文显示会有点不太对劲。
测试场景五：招聘广告设计
Prompt：
生成一张招聘运营创意大牛的海报，海报必须有感染力，主要用于朋友圈、小红书的发布。
GPT-4o设计：
Claude 效果：
点评：明显GPT-4o好看，但是中文处理上面还是存在问题，“聘”字错了还这么大。
测试场景六：工业产品设计
想要进行工业类设计，比如汽车设计的场景：
画一张汽车设计图，是基于现有的中国理想Mega汽车为原型，然后针对这款车进行改造升级后的汽车外观设计图，汽车是灰黑色的外观，有光泽，更符合中国人的喜好特点，图片要仿真，需要看着有高级感。
GPT-4o：
Claude-3.7-Sonnet：
点评：GPT-4o这个还是很惊艳的，确实很棒！Claude就非常拉胯了，确实在svg的场景，这种图设计起来有心无力，有点为难Claude了。
测试场景七：UI设计
想要生成一个电商网站的UI设计，看看效果如何。
Prompt 1: 生成PC网站
生成一个可直接用于前端开发的京东购物风格电商网站UI设计图，需满足以下要求：
1. 基础规范
- 布局：采用京东典型三栏式结构（左导航+中内容+右推荐）
- 尺寸：1920px宽度（有效内容区1200px居中），RGB模式，分辨率72ppi
- 字体：中文优先使用阿里巴巴普惠体Bold（标题）/OPPO Sans（正文），英文使用Arial
- 色彩：主色京东红（#E1251B）+ 辅助灰（#F5F5F5），参考F型阅读模式布局
2. 必备功能模块
- 顶部导航栏：Logo（左侧）、搜索框（居中，占宽度30%）、登录/购物车入口（右侧）
- 主视觉区：轮播Banner（5组，含'新品首发''限时秒杀'等营销标签）
- 商品分类：左侧垂直导航（家电/数码/生鲜等12类，参考京东二级页面）
- 商品展示：瀑布流布局，每项包含：
- 高清产品图（带悬停放大功能标注）
- 价格（红标突出）+ 销量标签
- '加入购物车'按钮（固定在右下角，拇指热区设计）
- 购物车图标右上角显示实时数量 Prompt 2：生成APP
把上面的电商购物网站UI设计，再生成一个APP版本，底部固定导航栏（首页/分类/购物车/我的） ，然后整个设计图显示在一个仿真iPhone样机的里面展示。
GPT-4o 效果：
Claude-3.7-Sonnet 效果：
点评：我觉得两者不相伯仲，GPT-4o还是一日既往在处理中文的时候容易比较奇怪。但是两者可能重点训练过，基本页面还原度非常高。（UI设计师危！）
测试场景八：图书封面设计
想要测试一下图书封面设计效果如何，设计如下Prompt：
设计一个图书封面，必须附着在一个仿真书上面，书籍是一本互联网技术类书籍，书籍标题是《DeepSeek大模型原理揭秘》，作者是黑夜路人，这个图书封面的其他内容和设计元素你来确定，尽量要像仿真书。
GPT-4o效果：
Claude-3.7-sonnet 效果：
点评：仿真度还是GPT-4o更强，然后内容丰富度是Claude更好，GPT-4o一如既往处理中文上面有问题。
测试场景九：动漫效果和手机封面设计
Prompt：
画一张图，把初中数学“一元二次方程”知识的介绍讲解变成多格漫画呈现，然后输出漫画图片。
GPT-4o：
Claude-3.7-Sonnet：
点评：从图片来说是GPT-4o好看，内容来说Claude更丰富严谨。
针对上面图片更进一步的操作
画一张图，把这个一元二次方程动漫图放在一个iPhone样机里面展示
GPT-4o：
Claude-3.7-Sonnet：
点评：确实GPT-4o和Claude各有千秋，当然肯定GPT-4o仿真能力更强。
测试场景十：语文板书场景
画一张图，请把下面文本内容以黑板粉笔板书形式呈现，所有内容在一个黑板上面，还需要呈现手写风格，另外在诗歌中的“黄鹤楼”三个字画上红色粉笔圈起来，表示重点关注内容，需要板书的内容如下： 《黄鹤楼送孟浩然之广陵》 作者：李白 故人西辞黄鹤楼，烟花三月下扬州。 孤帆远影碧空尽，唯见长江天际流。
评价：红色粉笔画的位置不是我们要求的位置，字体内容太像楷书了，提醒后依然无法准确。
测试场景十一：数学公式板书场景
生成板书公式Prompt：
生成一张图片，背景是一个黑板，请把以下的Letax数学公式画成粉笔板书，方便学习，然后把其中公式难点通过黄色粉笔画圈，然后公式需要像手写体：
\documentclass{article}
\usepackage{amsmath}
\begin{document}
\section*{椭圆的标准方程及其参数关系}
\begin{align}
\frac{x^2}{a^2} + \frac{y^2}{b^2} &= 1 \quad (a > b > 0)\\
\end{align}
\text{其中，焦距} \ c = \sqrt{a^2 - b^2}, \text{离心率} \ e = \frac{c}{a} = \sqrt{1 - \frac{b^2}{a^2}}
\text{椭圆的焦点坐标为} \ F_1(-c, 0) \ \text{和} \ F_2(c, 0), \text{准线方程为} \ x = \pm\frac{a^2}{c}
\end{document}
评价：通过Letax生成手写公式效果，还是存在错误或者是遗漏的情况，红色改写的内容是错误的公式描述，提醒后错误更多。
测试场景十二：物理化学实验场景
Prompt：
请生成一张中国高中物理实验示意图，主题为‘验证动量守恒定律（气垫导轨+光电门），要求包含以下细节：
1. 实验器材：
- 水平气垫导轨（标注导轨长度和调节螺丝）
- 两个滑块（分别标注质量 \(m_1\) 和 \(m_2\)，滑块上安装挡光片）
- 光电门（两个，分别位于导轨两侧，标注连接数字计时器）
- 弹性碰撞环（或磁性碰撞装置，安装在滑块一端）
2. 实验场景：
- 滑块 \(m_1\) 从左侧以初速度 \(v_1\) 向右运动，与静止的滑块 \(m_2\) 发生碰撞（弹性碰撞场景）。
- 碰撞前后，光电门分别测量两滑块通过时的挡光时间 \(\Delta t_1\) 和 \(\Delta t_2\)（用箭头标注速度方向）。
3. 标注与公式：
- 在图中空白处添加动量守恒公式：（以下Letax转成方便阅读的普通公式）
\[
m_1 v_1 + m_2 v_2 = m_1 v_1' + m_2 v_2'
\]
- 标注挡光片宽度 \(d\)（用于计算速度 \(v = \frac{d}{\Delta t}\)）。
4. 风格要求：
- 手绘风格或仿真实验设备风格，线条清晰，器材比例协调。
- 重要部件用红色或蓝色高亮（如光电门、挡光片）。GPT-4o输出风格：
同样Prompt情况下，对比Claude-3.7-Sonnet的svg图风格：
评价：画面风格GPT-4o更好，内容也更清晰，但是公式显示层面，GPT-4o丢失了 ', Claude是正常的。
测试场景十三：化学场景设计
化学实验Prompt：
生成一张中国高中化学实验示意图，主题为'氧气制取实验对比'，要求同时展示以下两种方法：
1. 加热氯酸钾（KClO₃）与二氧化锰（MnO₂） （图片左侧）
2. 过氧化氢（H₂O₂）催化分解（使用MnO₂） （图片右侧）
具体要求：
1. 实验装置细节：
- 方法一（加热法）：
- 铁架台固定大试管，试管口略向下倾斜（标注'防止冷凝水回流'）
- 试管内装KClO₃和MnO₂混合物（MnO₂用黑色颗粒表示）
- 酒精灯加热（火焰位置标注'集中加热药品底部'）
- 导管连接集气瓶，展示排水法收集氧气（瓶内水位下降，气泡清晰可见）
- 方法二（催化法）：
- 锥形瓶内盛放H₂O₂溶液（浅绿色液体，标注'浓度6%-10%'）
- 分液漏斗缓慢滴加H₂O₂（标注'控制反应速率'）
- 瓶底有黑色MnO₂粉末（标注'催化剂'）
- 导管通入集气瓶，显示连续气泡
2. 关键标注：
- 在图中空白处添加化学方程式：
- 2KClO₃ \(\xrightarrow[\text{加热}]{MnO₂}\) 2KCl + 3O₂↑
- 2H₂O₂ \(\xrightarrow{MnO₂}\) 2H₂O + O₂↑
- 安全提示：
- '加热前预热试管'（方法一）
- 'H₂O₂浓度不超过10%'（方法二）
3. 风格与视觉效果：
- 手绘风格或半写实风格，仪器比例标准（试管细长，集气瓶透明）
- 颜色标注：
- 氧气气泡用淡蓝色
- MnO₂用黑色颗粒状
- H₂O₂溶液为浅绿色
- 添加操作步骤标签：
- '①检查装置气密性'
- '②开始收集气体'
- '③验满（带火星木条复燃）'
4. 扩展要求：
- 在图中添加误差分析说明（如'加热温度不足会导致反应不完全'）
- 为酒精灯添加安全警示图标（🔥+'远离易燃物'）"
- 图中应包含：两套完整装置、动态气泡、方程式标注、安全提示等元素GPT-4o输出图：
同样Prompt下Claude-3.7-Sonnet生成图：
评价：GPT-4o的公式和中文稳定性会有一些问题，然后不能生成比较仿真的图。
总结
通过对GPT-4o最新版多模态画图能力的全面测试，我们可以对其性能和应用场景得出以下结论：
主要优势：
1.逼真度与细节处理：在仿真设计、产品渲染和场景处理方面表现出色，特别是汽车设计和iPhone样机展示等场景，生成的图像质感和细节都非常出色。
2.场景转换与编辑能力：能够高效地从现有图像中移除人物、添加新元素，并能根据指令改变视角或风格，这在图片编辑场景中非常有用。
3.UI设计表现：在PC网站和移动端APP界面设计上表现专业，布局合理，UI设计师职业可能面临挑战。
4.设计美感：在招聘海报、小红书封面等设计中展现出很强的艺术性和现代感，视觉吸引力强。
主要局限：
1.中文处理问题：在处理中文文字时容易出现错误，如错别字或排版异常，这在"聘"字等示例中尤为明显。
.2公式与专业符号准确性：在展示数学公式和化学方程式时存在准确度问题，尤其是复杂LaTeX公式转换为板书形式时。
3.指令精确遵循：某些细节指令未能准确执行，如红色粉笔标注位置与要求不符，公式描述中存在遗漏或错误。
与Claude的小对比（虽然不是一个档次，GPT-4o厉害太多了）
1.GPT-4o在仿真度和视觉效果方面普遍优于Claude，图像更加自然逼真。
2.Claude在内容完整性和专业性上有时表现不错，比如数学内容和公式展示（实现原理不同）
GPT-4o的多模态画图能力确实令人印象深刻，特别是在处理复杂场景和进行连续编辑方面。虽然在中文处理和某些专业内容展示上仍有改进空间，但其综合表现已经能够满足大多数普通用户和部分专业用户的需求，代表了AI图像生成技术的重要进步。
GPT-4o的画图能力开创了一种新的交互范式，用户可以通过自然语言而非复杂的"魔法咒语"进行创作，大大降低了使用门槛。这种LUI(语言用户界面)交互模式使图像生成更加直观易用，对设计、教育、内容创作等领域有巨大潜力。
【大模型介绍电子书】
要获取本书全文PDF内容，请在【黑夜路人技术】VX后台留言：“AI大模型基础” 或者 “大模型基础” 就会获得电子书的PDF。
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
