ChatGPT还在靠DALLE谷歌Gemini直接实现原生生图

你见过可以边聊天边画图的 AI 模型吗？

大概率没有。

回想一下，DeepSeek，不论是 V3 还是 R1，都只能聊天，不能画图。

OpenAI 的 GPT-4.5 、 GPT-4o 、 o1 和 o3-mini ，同样是清一色的文本模型，最多支持图片输入，而无法直接输出图片。

你可能有疑问，ChatGPT 不是能画图吗？其实不然，ChatGPT 的画图功能是基于“文生图”模型 Dall·e 3 的，而不是 GPT-4o 。

比如我们查看一下 GPT-4o 官方说明卡片，上面清楚地标明 GPT-4o 仅支持文本输出。

在此前，AI 模型一直是“聊天不画图，画图不聊天”。这其实是由文本大模型和绘图大模型的底层架构的差异造成的。

而如今，原生绘图的“天”被谷歌率先捅破了。

3月13日，谷歌 AI Studio 产品负责人 Logan Kilpatrick 发文称： Gemini 2.0 Flash 已支持生成原生图像！

听起来稀松平常的功能，不就是画图吗，还至于这样“昭告天下”？

还真至于。要知道， Gemini 2.0 Flash 之前只是一个文本模型，也就是用来聊天的；现在加入了生图功能，不需要切换模型就能边聊边画图了！

并且，“原生图像”这个功能是 OpenAI 很早之前就给 GPT-4o 画的一个大饼，没想到被谷歌先给实现了！

来看效果。基于聊天画图，而不必精心构想很复杂的“文生图”提示词。更重要的是，一致性超级好！

Logan 表示，这种模型“原生”的生图功能之所以如此强，是因为 Gemini 模型本身拥有丰富的世界知识（即 海量的训练数据），这是传统的 AI 生图模型所不具备的。

比如定向修改图片里特定物体的颜色，就像下面这样，把马变成黑白色，地上的花换成黄色。

要想体验 Gemini 2.0 Flash 的原生画图功能，很简单。

可以直接在谷歌 AI Studio 里选择 Gemini 2.0 Flash-Exp 实验模型，注意，认准是实验模型，不是正式版的 Gemini 2.0 Flash 。使用完全免费。

同时，也已支持 API 调用。

打开谷歌 AI Studio，选择 Gemini 2.0 Flash-Exp ，让我们一起来实际体验一下这个原生画图功能的效果。

实测中、英文提示词都支持。

先来让 Gemini 2.0 Flash-Exp 解析一首古诗，并画出配图。

月落乌啼霜满天，江枫渔火对愁眠。

姑苏城外寒山寺，夜半钟声到客船。

逐句讲解并配图

就这么一句简单的提示词，输出了整首诗的详解以及每一句的配图，语文老师狂喜。

测试下来， Gemini 2.0 Flash-Exp 非常擅长边讲故事边画图，基本上是可以复刻 Logan 展示的 GIF 动画效果的。

就行下面这样。

动画风格的也可以。

再来试试定向修图。

先让它画一只猫。

然后我们再让它定向修改图片背景。

这不妥妥的就是 AI 抠图/P图！只能说太强了。

最后放上修改前和修改后的对比图。