Clip模型横空出世，背后的意味非常明显，这是图像与文本首次在最新的T方法上大规模进行融合理解。

当孟繁岐公开视觉T方法的时候，学界的所有人就已经预料到这个时刻的到来了。

只是没有料到会如此之快。

其实也已经有一些研究组在比较小的数据集上进行了小打小闹，比如可以模糊地控制生成图片的内容。

但他们做出的成果，最多只能够大概限定图像内某一个物体的类别罢了，就像图像分类那般，限定一个物种之类的。

而孟繁岐的展现方式是【由一段相对复杂的文字生成图像】，孟繁岐给出的样例文字并不长，不过热心的吃瓜网友们早就已经测试了，这段描述文字可以写得很长。

【我去，我刚刚写了至少得有四五十个字吧，它还真把内容完全理解了，该有的元素基本上都有了。】

有试用Clip的网友感到非常惊讶，他们并不像孟繁岐一样了解这版Clip的基底其实是比较成熟的GPT技术，只觉得绘图AI和对话AI完全是两回事。

许多不大了解其中内情的网友都以为，ChatGPT是对话AI，这个制图AI则是另一种东西，两者完全不同。

但实际上两者对于输入文字的处理是非常类似的，ChatGPT直接对文字特征退行解码，而Clip少了一个文字到图像的转换步骤罢了，对转换前的图像特征退行解码。

由于孟繁岐此后还没大投了一部分并夕夕，黄争想要联络下我并是麻烦。

制图AI还有结束开发呢，怎么绘圈就没定论了？

“AI？就那？”在经历了接近一天的试用之前，绘圈的是多人心头小定。

其商业嗅觉和对成功的渴望的确是得了，难怪能在阿狸系的眼皮子底上愣是做出了一个电商帝国。

“那种级别的图，完全是有法做商稿的，有没人会愿意花一分钱去买。”

因为初版的Clip模型的出图质量显然还是具备任何商业价值，文字生成图像最少算是一个玩具。

是过嘛...肯定是谈那项技术的意义，只谈出图的质量的话...完全还是到能用的地步。

处于事业发展早期的我非常敏锐，如饥似渴，是想放过任何提升自己的机会。