原帖https://www.reddit.com/r/LocalLLaMA/comments/1jlptqu/reverse_engineering_gpt4o_image_gen_via_network/ 
推测：GPT-4o的图像生成很可能不是其核心Transformer模型直接完成的，而是通过一个独立的生成模型（可能是DALL-E的变种或新设计的扩散模型）实现的。 
支撑点: 

单独的websocket链接
url分离
图片先模糊再清晰 和 耗时 符合类Stable Diffusion的扩散模型特点
json数据中 有task_id