GPT-4o的多模态生图让整个设计界陷入了情绪低落。

比如我一个很喜欢的小红书AI博主@Rico有三猫，用GPT-4o给她做小红书封面。

群友@默月佥也利用GPT-4o直接制作了商品图的翻译，帮助产品出海。同时，她还在使用GPT-4o制作蜜蜂解剖的科普图。

一位非常专业的公众号AI博主@阿真lrene，不仅利用GPT-4o生成复杂的漫画作品，还能轻松抠图，直接输出透明通道的PNG图像。

击败各种抠图软件的不是更先进的抠图工具，而是人工智能大模型。此外，还有朋友@不知名网友虎子哥 使用GPT-4来帮助他装修自己的房子。

还有一些我确实不知道源头的但被广泛传播的例子（如有作者，欢迎在评论区认领）。为几个家具制作一个展示图，在电商领域这是一个非常强大的展示手法。

之前我写可灵的AI模特的时候，很多人问，能不能让模特带首饰？现在，可以了。

还用它，直接P图，消除人物。

老照片一键修复+上色。

甚至，还可以模仿字体做自体设计。

在GPT-4o的影响下，许多设计师和创业者都感到有些沮丧。例如，有位大佬在X平台上感慨道：

朋友圈里还看到了一张图，是glif的老板，在X上发的。

在科技迅速发展的今天，我们见证了无数创新的诞生与消亡。OpenAI的最新更新如同一次精准的打击，让许多公司感受到了生存的危机。这不禁让人想起了《三体》中的那句经典台词：“我消灭你，与你无关。”在GPT-4o带来的冲击波中，我们不禁要问：它的上限在哪里？它能够达到什么样的成就？它真的能够完全替代ComfyUI这样的AI图像工作流工具吗？为了找到答案，我们首先需要了解ComfyUI是什么。ComfyUI是一个高度专业的综合型工作流工具，不仅限于AI绘图，还可以处理AI视频等任务。它的界面设计类似于电路板，复杂而精密。

这就是在Liblib上搭建的ComfyUI工作流。

它采用节点方式，将各个工具和模型串联起来，形成完整的工作流。 例如，输入一张图像后，经过多个节点和插件处理，可以输出一段风格迥异的AI视频，这一切都是可行的。

坦率地说，我并不是ComfyUI的专家，之前做过的工作流也不多。 因此，我觉得在这个领域我不具备很强的发言权，于是我去请教了我的好朋友，AI绘图大神@炼丹师忠忠。

我想了解他的看法。

首先，GPT-4o对电商设计的影响究竟有多大？

我和忠忠聊了很久。

最后得出的结论与我在设计行业里的感受相似。

对于普通水平的电商设计师来说，确实会受到冲击，因为他们的技能水平往往只能产出与GPT-4o相当的图像，显得意义不大。

上游的运营专员可以轻松使用工具，自己生成同样质量的图像。 与被冲击的插画师类似，他们的角色可能转变为帮助修正GPT-4o生成图像中的错误，或者在原图上添加细节以增强效果（类似于高低频修复的流程）。

随着生产成本的降低，需求量会随之增加。 以前无法负担华丽背景图的商家，现在也能够使用了。

目前，许多工具如美图设计室等，都能通过极简操作生成图像，而GPT-4o在某些效果上更进一步。 但从专业的商业生产角度来看，影响可能并没有那么显著。

而从视觉设计的角度来看，这对现有的开源生态反而是一个利好。

忠忠举了他为公司设计IP的例子。

现在，只需一句话就可以将IP的3D模型直接输出到品牌海报上，而不需要再经过以前的3D建模和渲染过程，这样大大节省了时间。

同时，更有趣的一点是，GPT-4o可以根据一张IP草图，来生成这个IP的各角度视图。

这些图像将进一步推动像flux这样开源模型微调版本的效果。

你可能会问，既然有了GPT-4o，为什么还要去微调flux，甚至在ComfyUI中搭建工作流呢？ 这不是多此一举吗？

其实，原因有两个。

数据隐私性和精准性。

数据隐私这一点很好理解，GPT-4o是一个闭源模型，最好的情况可能是开放一个API，让大家可以将其接入ComfyUI使用。 但就OpenAI的习惯而言，我们给过去的数据，很可能会成为其后续训练的素材。

举个例子，如果《流浪地球3》计划在2027年上映，现在美术组把核心概念图或者设定图直接提供给GPT-4o进行处理，等到电影上映时，你可能可以在GPT-5o中看到相同的设定图，这样的泄露就有点可怕了……

因此，数据隐私性至关重要。 在实际的生产环境中，尤其是一些大公司，必须使用本地部署的ComfyUI，确保输出来自本地环境，并且使用开源模型。

在这种情况下，我们可以将一些不太敏感的数据交给GPT-4o，利用它来辅助生成数据集，再反向微调自己的flux模型。 这一步，确实非常有用。

精准性方面其实也很简单。回过头来看忠忠利用GPT-4o输出的公司IP海报，我们可以看到，它在处理精准性方面是有优势的。

暂时不谈其他细节，光从这几处就能发现一些明显的BUG。

在生产环境中，这类BUG是品牌方无法接受的。 比如你为一款手机产品做广告，如果把手机的外观弄得变形了，你再怎么解释说“AI生成的就是这样”，对方肯定不会轻易接受，甚至可能直接把你挂在电风扇上转着打。

而在这种情况下，使用Flux专门微调过的Lora，就能够完美解决精准性和一致性的问题。

这其实是普通设计场景与专业设计场景之间的区别。

GPT-4o无疑能够替代大部分普通工作流，这会让ComfyUI中的很多工作流失去价值，但这并不意味着ComfyUI就失去了它的价值。

一个很简单的原因是，在专业设计工作中，单纯依赖对话式的简单界面无法满足复杂和专业的需求。

就像你问一个专业设计师，为什么他们选择用PS来做设计，而不是美图秀秀，设计师可能会觉得你很傻。

在真正的专业AI设计工作中，可控性是非常重要的。

你需要精确地规定哪些区域需要重绘，精确调整风格效果、输出尺寸、比例等。 因此，在专业的生产中，很多需要精细调整的细节，不能依赖OpenAI去完成所有功能。

还涉及到前后处理流程，比如前置的裁剪、抠图、语义识别，以及后置的一些操作，如图片放大、修复原图细节（高低频修复），然后再接入其他工作流继续处理等。

相比于多轮对话，自动化的一键式处理效率要高得多。

尤其是在一些对精准度要求极高的产品和场景中，GPT-4o目前还无法达到专业级的水准。

举个例子。

假设我们要将问界M9这款车放到另一个场景中进行展示。车类产品的精细度要求与笔、戒指、香水等物品完全不同。

这是GPT-4o出的图。

而如果我们用大佬的牛逼工作流呢？

生成出来的效果在整体比例和质感上，是更好的。

对比应该非常明显。

在这里，我要先为自己做个小总结，我并不是在说GPT-4o不行，或者ComfyUI的效果能够碾压GPT-4o。

如果真是这样，我也不会连着发布两篇文章，给大家展示GPT-4o到底有多酷、多强。

我想表达的是，GPT-4o，跟当年的SD、Midjourney、Runway、可灵等AI工具是一样的。

它会毫无差别地替代掉这个行业中的初级执行职位。

它会“屠杀”所有曾经在大模型工程层面进行的一些优化。

然后，一步一步地侵蚀更高层次的工作。

它更像是一个汹涌而来的潮水，一波波将整个AI图像领域原有的边界打得支离破碎。

大家常说做AI产品要抓住大模型的边界，在边界之外寻找安全地带。 但现在，你根本无法确定这些边界在哪里。

那些看起来很高的技术壁垒和复杂的工作流程，如果仅仅是基于简单的组装或初级执行逻辑，都正在被GPT-4o以几乎暴力的方式消解。

绝大多数机械化的工作，一旦被强大的多模态理解与生成所取代，就会像那些轰然倒塌的围墙一样，轻松被历史的尘埃覆盖。

这不禁让人想起第一次工业革命时，机器代替手工劳动的情景，难道这不就是那种即视感吗？

历史总是不断地在重复。

但正如前文所述，这并不意味着像ComfyUI这样的工具会完全被淘汰。

在工业级、专业级的深度工作流中，人们对数据安全、设计精度、可控性的需求不会凭空消失。

图像和视频的多次处理、分层输出、版本管理、批量运行的脚本化、自动化节点衔接等，都是大型企业或核心团队非常重视的内容。

GPT-4o会在C端以及中小型B端市场中迅猛发展，取代大量低端或重复性的工作。

而像ComfyUI、Flux、ControlNet等开源生态，则会在更专业的领域不断进化，凭借它们精细、可控、可离线部署的特点，为高端客户或机密项目提供服务。

这就像云端办公与本地办公的关系一样，前者无比便捷，后者则安全可控。

也像家用轿车与顶级跑车的差别，各自的目标用户群体并不冲突。

GPT-4o也一定会不断进化，扩展它的边界，蚕食更多的场景。

开源生态也会推出各种能够复刻效果的模型和产品，从而实现私有化。

没有什么能够阻挡浪潮的前进。

要么成为浪潮的追随者，要么成为浪潮的推动者。

这两者，无论哪个，肯定比做一块沉在海底的礁石更加精彩。

你说对吧？

以上，既然看到了这里，如果觉得不错，就随手点个赞吧，我们，下次再见。