OpenAI研究科学家陈博远近日在知乎平台发布文章，以GPT Image团队核心成员身份向公众介绍最新发布的生图模型。他透露自己主导了此次模型训练工作，并特别强调团队成功突破中文渲染技术瓶颈，欢迎中文用户直接反馈使用体验。这一技术突破使得模型在处理中文文本时，不仅能准确呈现字形，还能实现复杂排版、分段以及生成具有逻辑结构的中文信息图。
传统图像生成模型在处理中文时普遍存在缺陷，即便能够绘制风景或人物，一旦涉及文字内容便会出现乱码或结构错乱。GPT-image-2的升级显著改变了这一状况，其生成的图像不仅文字准确，还能呈现多语言文字混排、视觉证明推理、二维码自动生成等复杂功能。这种技术跃迁使得传统"通过文字特征判断AI生成"的方法彻底失效，标志着图像生成技术进入新阶段。
作为模型研发的关键人物，陈博远的研究轨迹颇具特色。这位麻省理工学院电子工程与计算机科学博士在学术生涯中始终关注基础问题：模型如何理解视觉信息？图像与语言存在何种关联？面对真实世界时，模型究竟在生成结果还是模拟认知过程？这些看似抽象的问题，实则决定着人工智能的认知边界。其主导的Diffusion Forcing研究通过融合逐步生成与整体约束机制，解决了长内容生成的结构稳定性问题；SpatialVLM项目则构建三维空间推理体系，使模型具备真正的空间认知能力。
在专业研究之外，陈博远展现出独特的个人特质。他在个人主页将研究方向简明标注为"世界模型、具身智能、强化学习"，同时以"MIT奶茶店长"的知乎ID和珍珠奶茶主题博客展现生活趣味。这种将复杂问题拆解为可比较维度的思维方式，既体现在他的学术研究中，也渗透在模型能力测试的设计里。例如为验证模型细节处理能力，他特意制作了米粒刻字图像；为测试视觉推理水平，选择了黑板图形证明这一经典数学命题进行转化。
GPT Image 2的突破性进展源于跨学科团队的协同创新。项目核心成员仅十余人，却涵盖视觉处理、生成机制、系统架构等多个领域。除陈博远外，团队还包括视觉语言模型专家王剑锋、模型评估专家梁伟新、图像生成研究者杨宇光等。这种精干配置使得模型研发能够突破传统路径依赖，在结构一致性、多模态融合等关键领域取得突破。陈博远特别指出，模型展示的每张示例图像都经过精心设计，既要体现技术能力，又要具备传播价值，这需要研究、艺术、市场团队的深度协作。
此次技术升级在中文社区引发强烈反响。模型生成的中文漫画不仅包含多层级画中画结构，还在不同画面层级中嵌入不同语言的文字信息；视觉证明图像则将抽象数学关系转化为具象图形表达。这些创新应用场景的拓展，标志着图像生成技术从"像素结果"向"结构化表达"的范式转变。陈博远在发布会上与奥特曼共同演示的文字渲染功能，以及知乎文章中披露的代号"duct-tape"等细节，进一步拉近了专业研究与公众认知的距离。
