OpenAI和谷歌同日地震级更新：人间一夜，AGI 临近

tayun

谁是明日AI之星？

2024年，谷歌想夺回AI场子，但总是被OpenAI搅局。

每次一宣布某日要开发布会，OpenAI就会提前发布实力更强的产品。导致每次谷歌的AI产品发布会都特别尴尬。

2025年的谷歌学聪明了，发布AI产品不再大张旗鼓，而是偷偷滴直接上线。这次今晚又没任何预热，谷歌直接上线了Gemini 2.5 Pro模型。

这是一款会推理的混合大模型，实力超越GPT4.5和Grok3 ，最大特点是能够模仿人类快慢思考，这不是堪比GPT-5前奏吗？而它就这么不声不响上线了。

就在大家以为盛誉会属于谷歌时，OpenAI又在推特上宣布：

太平洋时间上午11点直播。最终OpenAI发布了GPT-4o image generation，图像生成技术模型。

具有媲美人类摄影的出图质量，随心所欲的构图以及细节处理，超乎寻常的图文理解，以及任意的图中文字和LOGO生成的特性，也是在X上引起一片欢呼。

深夜2点多，鲸哥还没睡觉，看到朋友圈很多人发北京地震了。于是我写下如此朋友圈：

并没有感受到北京地震，但此刻，正在被谷歌和OpenAI天雷勾地火的竞争震撼。熟睡中的普罗大众，并不知道在这一夜中，在通往AGI 之路上，人类又跃进了一大步！

无心睡眠，向AGI前进一大步

Gemini 2.5炸裂出场，首个类人大模型

Gemini 2.5 Pro 实验版这次很炸裂，Gemini 2.5 号称可以处理更复杂的编程、科学和数知识题，并支撑更具有情境感知能力的智能体。

这个新的“思考模型”在 LMArena 上以显著优势领先，并在数学、科学和编码基准测试中击败了 DeepSeek-R1、Grok 3 和 Claude 3.7。也几乎全面优于OPenAI家的两款模型—o3-mini和GPT4.5。

Gemini 2.5 Pro 现在在竞技排行榜上位居第一——这是有史以来最大的分数跳跃（比 Grok-3/GPT-4.5 高出 40 分）。

配备100 万 token 的上下文（即将推出 200 万），能够处理多模态数据，并且经过 vibe coding 认证，可以仅通过一个提示构建整个游戏。这是Gemini 2.5 的神奇之处。

更重要的是，当你向Gemini 2.5 提问时，它会在回答之前通过思考进行推理，模仿人类处理思想的方式—逐步接近问题，细化潜在解决方案，并选择最佳方案。

鲸哥测试生成“近3年国内直播带货KOL的动态演示页面”，2.5 Pro飞速生成了相关代码。

这里就需要提到谷歌 AI的亮眼好处，就是他可以调用之前的 Flash 2.0就已经融合的谷歌系工具，比如分析YouTube视频、输出内容到Docs。这波代码演示，生成后也直接调用Colab演示。

以下是2.5 Pro 生成的主播热度动态演示效果，侧重是代码到生成的过程，至于内容准确性并没有体现，但整体还可以参考。毕竟2023年的小杨哥还没出事，还是直播带货领域的绝对一哥。

同时，大家测试了2.5 Pro的深度推理能力，要求其生成一份具身智能报告。这份报告不是那种很虚、不能用的内容，而是具有一定的可读性。

OpenAI杀死摄影师

在OpenAI展示的官方案例AI生图中，第一个图就足够震撼。

如果不明说，恐怕任何人都猜不到，这张图是AI生成的。毕竟反射画面和密密麻麻们的文字，都在说AI不可能这么神奇！

但实际上，这就是4o生成的AI图片，OpenAI放出它的提示词如下 。

这是用手机拍摄的玻璃白板的广角图像，拍摄地点是一间俯瞰海湾大桥的房间。视野中可以看到一位女士正在写字，她身穿一件印有大型 OpenAI 标志的 T 恤。笔迹看起来很自然，但有点凌乱，大家可以看到摄影师的倒影。

更神奇的是第二张图片转了人物朝向，生成的图像还是毫无破绽，也放出来震撼下大家。

如果你没有GPT Plus，那么用GPT免费的图片生成功能，其实已经能秒杀大部分文生图产品了。这是鲸哥直接用上面同款提示词生成的图片。

同时，鲸哥也用谷歌 2.0 Flash模型，同款提示词生成了同样的图。可以看到谷歌不太有审美，手部细节也崩了。

但OpenAI是不是为了官网案例特调，还需要以后全量上线模型，大家长期测试。

另外，4o的图像生成指令也足够强大，很多系统在处理约 5-8 个对象时会遇到困难，而 GPT4o 可以处理多达 10-20 个不同的对象。下图就是4o在同一张图上，生成了16个物体，每个都准确生成了用户表达的内容，Amazing！

当 然，对于类似谷歌 2.0 Flash的图片编辑能力，4o也是不在话下。可谓精准狙击了谷歌刚火出圈的图片编辑能力。

大家即将接近AGI了吗？

OpenAI同时宣布，从今天起，ChatGPT 和 Sora 的所有 Plus、Pro、Team 和 Free 用户都可以开始使用4o 图像功能。

山姆奥特曼则表示，“ChatGPT 中图像的新版本仍在推出中，所以如果今天没有获得很好的图像，请稍后再试 ”。应该预示着将继续整合多模态模型，以及产品端的融合。

有网友评论，4o图像功能超越了数百家AI图像企业。委实，甚至一些摄像和设计师等影像工作的饭碗，也将不保。

而对于谷歌来说，Gemini席卷的各种基准测试，在证明他的强大。实际体验中，应该快速回答的问题很快回答，需要深度推理的问题也非常快速实行，一份报告、一份游戏生成基本都在60秒以内。

鲸哥惊艳于它的速度，更惊讶这种融合模型带来的体验。不会再出现问个简单问题，AI也去深度推理了。当然，2.5还不能生成图片，也许下一步3.0，就会带来这一能力。

谷歌这波拉响了硅谷的AI军备竞赛，此前Anthropic CEO称，还有更强的大模型没有放出，预计也会近期推出，防止Claude 3.7无法维持领先。而OpenAI在GPT 4.5发布会中，山姆奥特曼都没有出现，也许意味着新的模型也会近期发布。

在这场OpenAI和谷歌对决的主角戏中，没想到最着急的是埃隆马斯克，他在X上发了多条内容，表明Grok是更好的那一个模型。

马斯克发布这张图时说道：这是很重要的区别，嘲讽其他家模型撒谎和追求政治正确，而Grok则追求真理。

马斯克的出现，为今晚这场竞争增添了趣味因素。

就在DeepSeek V3刚刚拿回的头牌中，谷歌和OpenAI展示了强大的竞争实力，而大家在你追我赶中，进一步拉近了AGI的梦想。

也许就在不远的某个夜晚中，AGI就会突然降临！


来源：36kr