4个月重塑AI生图：13人团队如何让GPT Image 2从“画字”变“写字”？

一个由无锡才俊领衔的13人精英团队，用短短4个月打造出技惊四座的GPT Image 2，不仅让OpenAI在AI生图领域扳回一城，更凭借革命性的自回归架构，将AI绘图从一个“玩具”升级为真正可交付的“生产力工具”。

这个“半壁华人”的团队具体是如何分工、通过哪些技术创新实现这一切的？下面为你一一梳理。

🧑‍🤝‍🧑 核心团队：华人力量与多元背景

GPT Image 2团队由13人组成，其中不乏多位华人身影，且团队规模虽小但背景多元。

🚀 技术变革：从“画字”到“写字”

GPT Image 2的核心竞争力，源于其从底层架构到具体能力的全面革新。

💡 架构革新：拥抱自回归，抛弃扩散模型

• 告别“画字”的旧时代：传统的扩散模型（如DALL-E）在生成文字时，本质是将文字当作“纹理”来绘制，由于缺乏对字符结构的理解，极易出错，如同“画”出了错别字。

• 迈入“写字”的新纪元：GPT Image 2摒弃了扩散模型，转而采用类似大语言模型的自回归架构（Autoregressive Architecture）。它将图像分解为一系列“图像token”，通过预测下一个token的方式来“写”出图像。这使得模型能像理解句子一样理解文字的结构，实现了从“画字”到“写字”的本质飞跃。

✨ 三大核心能力突破

正是这种架构革新，带来了GPT Image 2在具体能力上的巨大飞跃：

• 🎨 精准的文字渲染：文字准确率提升至99%。无论是复杂的中文菜单、多语言海报，还是处方笺、医学信息图，模型都能精准呈现，且支持中文、韩文、孟加拉语等多种语言。

• 🧠 内置的“思考”模式：模型首次引入推理能力。它能将复杂的任务分解，规划版面设计，甚至在必要时联网搜索信息，并在生成过程中自我检查、修正错误，确保最终产出的精准和高质量。

• 🌍 世界知识的驱动：模型“懂得”现实世界的规律。它能正确绘制各个时刻的钟表、遵守中国的身份证编码规则，甚至能依据农历生成节气信息，展现出对物理世界符号和规则的深刻理解。

👥 团队其他成员

除了上述核心成员，团队中的其他人也同样功不可没：

• Ayaan Haque：曾参与Luma AI的Dream Machine视频模型开发。

• Bing Liang：在Google参与了Imagen 3、Veo和Gemini Multimodal等项目。

• Mengchao Zhong：上海交通大学校友，负责多模态产品的工程实现。

• Dibya Bhattacharjee：耶鲁大学背景，国际物理奥赛（IPhO）铜牌得主。

💎 总结：从玩具到工具

GPT Image 2的突破，标志着AI图像生成从一个充满随机性和不确定性的“玩具”，真正进化为稳定、可靠、可直接用于交付的“生产力工具”。

这支仅13人的团队，用4个月时间完成了从技术底层到应用层的全面革新，尤其是其展示的“思考模式”，或将开启AI视觉模型向具备规划能力的“视觉智能体” 演进的新篇章。