GPT Image 2 網頁版上線，效果卻令人驚豔。研究負責人陳博遠揭秘，底層架構已徹底重構。但他拒絕回答是否採用擴散模型或自迴歸技術，僅神秘描述為「通用模型」或「圖像領域的 GPT」。陳博遠一篇推文還透露，從去年 12 月底的 GPT Image 1.5 算起，只用了四個月就取得如此進步。這項突破性成果，核心團隊僅有 13 人。整個團隊的負責人 Gabriel Goh 現身，帶領 AI 全家福。
評論區有網友感嘆：怎麼全是亞洲人？陳博遠：從不懂 Python 到 GPT Image 2 研究主管，是什麼架構？
GPT Image 2 團隊成員學術與實務背景
| 成員姓名 | 關鍵背景與貢獻 |
|---|---|
| 陳博遠 (Bo-Yuan Chen) | MIT 博士，師從 Vincent Sitzmann。NeurIPS 2024 論文《Diffusion Forcing》，融合逐 token 擴散與下一 token 預測。Google 實習開發 SpatialVLM（1000 萬圖像、20 億 QA 對），提升視覺語言模型 3D 空間推理，如從 2D 圖像輸出精準距離、尺寸、方位。高中不諳 Python，經 Google DeepMind 研究員引介入 AI 領域。 |
| 王建峰 (Jianfeng Wang) | 中科大博士生，負責指令遵循與世界知識理解。讓模型精準繪製時鐘 2:25、3:30 等，避免傳統 10:10 偏差；處理複雜空間佈局如蘋果居中、杯子右側。Microsoft近 9 年工作，參與 DALL-E 3，發表多篇計算機視覺論文涵蓋圖像分類、目標檢測、語義分割。 |
| 楊宇光 (Yuguang Yang) | 浙大工程本科、約翰霍普金斯大學計算生物物理與機器學習博士。經歷橫跨量化分析師（納微機器人強化學習）、Amazon Alexa、Microsoft Bing 查詢理解。生成 75 頁 GPT-3 論文幻燈片，自動產 7 張圖像。 |
| 其他成員 | Kenji Hata：DALL-E 起參與多模態研究；Weixin Liang：Meta Mixture-of-Transformers，引入 MoE 降計算成本；Ayaan Haque：Luma AI Dream Machine；Bing Liang：Google Imagen 3、Veo；孟超 (Mengchao Zhong)：軟件工程；Dibya Bhattacharjee：2015 IPhO 銀牌；Kiwhan Song：演示詞大師。 |
陳博遠於 2025 年 6 月加入 OpenAI，迅速成為 GPT 圖像生成五人核心，兼 Sora 視頻團隊成員。演示中，他為家鄉香港隊友做海報、孟加拉隊友做實況拉語海報，文字渲染精準無誤。團隊亞洲面孔突出，多數年輕博士畢業即入，帶來跨領域視野。儘管 OpenAI 近年人才流動大，該公司仍持續吸納多元背景人才，推動自下而上研究，從小團隊突破至改變世界級資源。
GPT Image 2 演示風格生成奇趣日式貼紙頭像，提示如「Use my photo only for identity. Redraw me as a very simple surreal Japanese sticker-style caricature…」。
AI 內容聲明：本文由 AI 工具輔助撰寫初稿，經 TechRitual 編輯團隊審閱、修訂及事實查核後發佈。如有任何錯誤或需要更正，歡迎聯絡我們。
