GPT-4o の言語的性能に対して DALL-E のような視覚的性能が完全に劣後している。ロジックがねえ。ぱっと見、レースアップシャツっぽく見えるんだが、拡大してみるとぐちゃぐちゃだ。靴紐が必要な革靴の靴紐をぐちゃぐちゃに生成しているようなものだ。