ChatGPT Images 2.0 的 Thinking 與智慧能力 ☕ Buy me a coffee

🧑‍🏫 這支是 OpenAI 圖像團隊的示範影片，展示新的圖像模型開啟 thinking 模式後，會先上網查資料、找參考，再一次產出多張風格一致的圖。如果你平常用 AI 做圖、做簡報或做教材，這支可以讓你看到它已經從「照指令畫圖」進化到「自己做功課再交成品」。

• 00:01 開啟 thinking 後，新圖像模型能研究、蒐集資訊、找參考資料，並把這些整合進輸出。
  ↳ 「thinking」是一個可以打開的模式。打開後，模型不會馬上動手畫，而是先上網查資料、找參考圖，再把查到的內容放進圖裡。重點是它會先做功課再動手。
• 00:01 講者 Ian 是 OpenAI 圖像團隊（字幕作 Imagen team）的研究員，要示範 Imagen 2 的智慧與 agentic 能力。
  ↳ 講者 Ian 是 OpenAI 圖像團隊的研究員。字幕寫成 Imagen，應該是 Images 聽錯了。他要示範「agentic」能力，意思是模型能自己把一整件事從頭做到尾，不用你一步一步指揮。
• 00:01 以前請圖像模型研究某主題時，它缺乏 world knowledge 和各主題的專業；現在能完整執行整個任務。
  ↳ 「world knowledge」指模型對世界上各種主題的了解。以前請圖像模型畫某個主題，它常常不懂內容，做不深入。現在它能自己查清楚，把整個任務完整做完。
• 00:01 新流程：先做研究，再看圖片找出共同點，最後產生多張彼此一致、合起來能說一個故事的輸出。
  ↳ 新流程跟人做簡報很像：先查資料，再看一批圖片，找出它們的共同點，最後做出好幾張風格統一的圖。這些圖放在一起能講成一個故事，不是各畫各的。
• 00:32 例一操作：選 thinking model，輸入提示，請它產生最新 OpenAI 周邊的廣告、找最稀有品項、做 mock-up，並研究價格。
  ↳ 操作很簡單：選有 thinking 的模型，用一段提示交代四件事：做 OpenAI 最新周邊的廣告、找出最稀有的品項、做「mock-up」、查價格。mock-up 指模擬出來的樣稿，就是正式廣告前的示意圖。
• 01:03 例一結果：圖中有歷來與最新的周邊，並使用 OpenAI 的品牌風格與字型，還附上估價。
  ↳ 成品裡有歷年和最新的周邊，配色和字型都跟 OpenAI 自家的品牌風格一致，還附上估價。這代表它不只畫得漂亮，也知道這個品牌實際長什麼樣子。
• 01:03 估價方式：模型看了許多網站、找到這些圖片，再依轉售價值（resale value）判斷合理價格。
  ↳ 價格不是隨便編的。模型看了很多網站、找到這些商品的圖片，再參考「resale value」判斷合理價位。resale value 是轉售價值，也就是二手轉賣時實際賣得到的價錢。
• 01:03 例二：展示 world knowledge，能上網找正確事實並摘要。提示是做一系列大學程度的資訊圖表頁，總結牛頓在數學與科學上的主要貢獻。
  ↳ 第二個例子測 world knowledge。提示是做一系列大學程度的「infographic」，infographic 是資訊圖表，用圖搭配少量文字把知識整理成一頁。主題是牛頓在數學和科學上的主要貢獻，內容要上網查對再摘要。
• 01:34 例二結果產生多頁，風格彼此一致；講者認為老師可以用來製作筆記、投影片或課本頁面給學生。
  ↳ 它一次做出好幾頁，版面風格統一，看起來像同一本書。講者認為老師可以直接拿來做給學生的筆記、投影片或課本頁面。
• 01:34 基本功包括文字渲染、遵循指示、加入美觀的圖表；更重要的是能蒐集相關資訊並摘要，看起來像真正的課本。
  ↳ 基本功有三項：「text rendering」（圖裡的文字要正確、清楚，不能錯字亂碼）、照指示做、配上好看的圖表。更重要的是它會蒐集相關資料並整理重點，成品看起來像真的課本。
• 02:04 例三：用於生產力工作。假設是策略師，提示研究 2006、2016、2026 年社群媒體照片的美學與趨勢，並把發現分成不同頁面。
  ↳ 第三個例子用在工作上。假設你是策略師，請它研究 2006、2016、2026 年社群媒體照片流行的美感和趨勢，再把發現分成幾頁整理出來。
• 02:04 例三是開放式任務，不只是查一個事實放進圖裡；模型要讀許多文章、看圖片，理解當時的美學與氛圍（vibe）。
  ↳ 這題沒有標準答案，不是查一個事實放進圖裡就好。模型得讀很多文章、看很多照片，自己抓出每個年代的美感和「vibe」。vibe 指整體的氛圍、給人的感覺。
• 02:35 總結：模型能一次（one shot）完成 prompt，也能思考更久、花更多時間回答，講者形容它更像夥伴而不只是工具。
  ↳ 「one shot」指你給一次提示，它就一次交出完整成果，不用來回修改。它也可以想得更久、花更多時間回答。講者形容它更像一起做事的夥伴，不只是工具。

例三中，講者請模型研究哪幾個年份的社群媒體照片美學與趨勢？