OpenAI Imagen 2.0 深度解析：文字渲染、多语言支持与创意 Agent 路线图 (opens in new tab)

📌 One-Sentence Summary OpenAI 产品负责人 Adele Lee 与研究员 Kenji 深度解析 Imagen 2.0 在文字渲染、写实主义与多语言支持方面的跨代提升，并分享迈向 AI 创意 Agent 的产品路线图。 📝 Summary 本期 OpenAI 播客由主持人 Andrew Maine 与 Adele Lee（产品负责人）及 Kenji（研究员）共同探讨 Imagen 2.0 的发布与市场反响。两位嘉宾将新模型定性为相较于前代 DALL-E 的「文艺复兴」级进步，并重点介绍三项核心突破：大幅提升的文字渲染能力（能生成真实可读的文字与信息图表）、契合亚欧用户需求的多语言支持，以及基于世界知识而非理想化美学的写实图像生成。 用量数据印证了这一影响力：ChatGPT 每周生成超过 15 亿张图像，自发布以来增长超过 50%。Kenji 介绍了内部「Grid Test」评测方法——要求模型正确渲染 100 个随机指定物体——以此作为构图精度与世界知识整合能力的客观度量标准，清晰呈现从 DALL-E 3（5-8 个）到 Imagen 1.5（25-36...