近期，GPT Image2憑藉極其驚豔的生成效果在社交媒體上引發轟動。隨着項目的走紅，這支低調的幕後團隊也逐漸浮出水面。據瞭解，該核心團隊僅由13人組成，在短短4個月內便完成了底層架構的徹底重寫。儘管研究負責人陳博遠並未透露具體的技術路線，但他將這一新模型描述爲“圖像領域的GPT”，預示着其在通用性上的巨大飛躍。

作爲團隊的靈魂人物，陳博遠的成長曆程頗具傳奇色彩。他在讀博期間便提出過“Diffusion Forcing”等創新範式，並曾在Google參與開發後續被Gemini2.0採用的指令微調技術。有趣的是，他在高中參加科研營時甚至還不懂Python。在加入OpenAI後，他不僅負責了GPT圖像模型的所有訓練工作，還是Sora視頻生成團隊的核心成員。在演示中，他通過生成精準渲染中、韓、孟加拉語等多種文字的海報，展示了模型卓越的語言處理能力。

image.png

除了文字渲染，GPT Image2在理解世界知識和指令遵循方面也達到了新高度。由中科大博士Jianfeng Wang負責的這一模塊，解決了生圖AI長期以來的痛點——例如，過去模型畫的時鐘幾乎永遠停在10:10，而新模型已能精準理解任意時間點及複雜的空間佈局指令。他表示，該模型正在消除用戶的創作意圖與最終產出之間的鴻溝。

在生產力工具化方面，來自浙大竺可楨學院的Yuguang Yang演示了將長篇論文一鍵轉化爲高精度PPT和信息圖表的能力。這得益於團隊在多模態理解、MoE（混合專家模型）架構以及長程引導技術上的深度融合。

從最初的DALL-E到如今的GPT Image2，這支平均年齡極輕、背景多元的團隊（包含多位2025年剛畢業的博士）完成了從“畫得出”到“畫得準”的進化。目前，團隊成員紛紛將社交頭像換成了極簡的日系貼紙風格。這種帶有幾分戲謔色彩的自嘲，或許正是這羣信奉“涌現式研究”的天才們改變世界的一種獨特方式。