剛剛，實測完 GPT-Image-2：設計師沒完蛋，但我被 AI 騙麻了

　　天下苦 AI 生圖抽卡久矣。

　　如果你曾試圖用市面上任何一款主流 AI 繪畫工具，去做一張帶有特定中文口號的海報，你一定對那種亂碼的無力感體會頗深，以至于很長一段時間里，我們都在和復雜提示詞較勁。

　　但伴隨著 ChatGPT Images 2.0 的發布，正如奧特曼在發布會上的那句暴論：「這就像從 GPT-3 一步跳到了 GPT-5。」，那個需要你絞盡腦汁去湊提示詞的 AI 盲盒時代，有望畫上句號。

　　順帶一提，我們昨晚已經用大量實測的案例替奧特曼提前發布了 Images 2.0，感興趣的朋友不妨點擊回看。（）

　　趕時間的朋友，我們也為你準備了一份省流版：

　　指令跟隨精度大幅提升：能準確還原復雜構圖、小號文字、圖標、UI 元素等細節，分辨率最高支持 2K（API）

　　多語言文本渲染：在中文、日文、韓文、印地語、孟加拉語等非拉丁文字的渲染和排版上有顯著改善，文字可融入設計本身

　　風格還原更準確：寫實攝影、電影質感、像素畫、漫畫等視覺風格的紋理、光影、構圖還原度更高，適合游戲原型、分鏡、營銷素材制作

　　靈活寬高比支持：支持從 3:1 到 1:3 的寬高比，可直接生成適配橫幅、海報、手機屏、社交媒體等不同場景的尺寸

　　更新的世界知識：知識截止日期為 2025 年 12 月，在生成信息圖、教育圖表、視覺摘要時更具時效性和準確性

　　思考模式（Thinking）：選用思考型模型時，可聯網搜索實時信息、對輸出進行自我核查，并在單次提示中生成最多 8 張保持角色和對象連貫性的系列圖片

　　Codex 集成：可在 Codex 工作區內直接生成圖像，用于 UI 方向探索、產品原型設計和應用開發，無需單獨配置

　　API 開放（gpt-image-2）：支持開發者接入，適用于本地化廣告、信息圖、教育內容、設計工具等業務場景

　　一個拼速度，一個會思考

　　過去，我們把 AI 畫圖當成一個單向的許愿池。你丟進去一個硬幣（Prompt），它吐出一張圖。至于圖里元素的邏輯關系、背景的合理性，全靠運氣。但 Images 2.0 改變了這種玩法。

　　遙遙領先的基準測試成績單

　　Images 2.0 是 OpenAI 旗下首個具備思考能力的圖像模型。針對不同的使用場景，推出了兩個版本。

　　第一個是 Instant 模式。從今天起，它直接覆蓋了 ChatGPT、Codex 和 API 三個入口，向所有用戶開放，主打一個天下武功唯快不破。 OpenAI 研究員 Kenji 在發布會上給它的定性極高：「這是第一個真正有用于日常生活的圖像模型。」

　　第二個則是 Thinking 模式，需要切換到 ChatGPT Plus、Pro 或 Business 賬戶才能激活。一旦進入這個模式，模型在生成之前，它會停下來自己推演一番：實時搜索網絡信息、規劃圖像的骨架結構，甚至能在輸出前進行自我核查。

　　macOS 瀏覽器中 ChatGPT 的截圖。用戶輸入「draw me a dog」，ChatGPT 畫了一只 ASCII 藝術風格的狗。前景窗口是 ChatGPT，桌面很亂，后臺開著一堆隨機窗口（比如終端）。

　　官方給它的定位是「Visual thought partner（視覺思維伙伴）」。具體來講，一是生成之前有了真正的推理過程，二是在處理復雜信息圖、教育內容這類需要邏輯結構的任務時，它能自行判斷哪些內容需要核實、哪些背景需要補充。

　　所以，經過認真思考，Images 2.0 認為 Anthropic 是最好的 AI 公司？

　　對于開發者來說，API 端的模型名稱是 gpt-image-2，定價則根據你所選的畫質和分辨率豐儉由人。

　　根據 APPSO 之前的實測，面對 Images 2.0，你甚至不太需要過于復雜的提示詞就能感受到這種技術進步。我們的測試僅使用一兩句簡單的畫面描述，就能夠生成至少能唬住外行的高水準圖片。

　　即便這些初步生成的照片在像素級放大后偶爾經不起死磕，但只要提示詞足夠精細，再搭配上它本身的二次修改功能，就能輕松打造出極其真實且令人驚艷的 AI 圖像。

　　一張寫實風格的旅行抓拍：陰天清晨，一個人站在海邊路旁的觀景停車帶，用35mm膠片拍攝。構圖自然、略有瑕疵，顆粒感明顯，環境光漫射，色調低飽和，衣物和發絲隨風飄動，帶著紀錄片式的電影質感，像是某段真實生活留下的影像。

　　腦子里有干貨，才叫「懂世界」

　　一個常常被忽視的細節是：AI 畫得好不好，往往取決于它「懂不懂」。

　　OpenAI 給 Images 2.0 設置的知識截止日期是 2025 年 12 月，這比同期大多數圖像模型都要新。這種知識儲備在日常畫個貓狗時并不顯眼，但在教育、科普和復雜信息圖場景里，簡直是降維打擊。

　　在「康托爾對角線證明，信息圖」案例中，換作以前的模型，大概率會給你畫一個胡亂漂浮著數字的抽象畫。但 Images 2.0 卻能直接生成了一張邏輯清晰、視覺結構完整的數學原理圖。

　　它知道怎么判斷信息真偽，也知道該補充什么背景知識，最后用干凈的排版、舒服的留白和清晰的引導線給你畫出來。本來得讓老師手工排版一個小時的教案素材，現在幾秒鐘就能直接拿去用。

　　https://x.com/intheworldofai/status/2046542459983806470

　　深夜召開的發布會，也著重介紹了戳中創作者痛點的三座大山。

　　第一是角色的一致性， 同一個人換個角度或換套衣服，AI 往往就認不出來了。 OpenAI 研究員 Kiwan 向我們演示了服裝搭配的案例。

　　他上傳了自己的照片，讓模型生成八套夏日穿搭，然后又跟進提示，要求放大第一套并從多個角度展示他穿上這套衣服的樣子。模型在多張圖中保持了他的外貌特征不變，像試衣間一樣呈現不同角度的效果。

　　第二是中文與排版。Images 2.0 不僅在英語、日語、韓語上表現出色，更能極其絲滑地拿捏中文排版。比如我就挺喜歡這個中文筆跡。

　　用普通人的筆跡抄寫《定風波·莫聽穿林打葉聲》

　　文字少了后期強加上去的貼圖感，真正融入成為了視覺設計的核心骨架。而且 OpenAI 官方也在博客圖片中玩起了「穩穩地接住你」的梗。

　　在臺上演示的實驗性 4K 接口生成的圖片中，屏幕被無限放大，放大一堆米中一粒米，上面竟然印著「GPT image 2」的微小字樣。

　　第三是寬高比。Images 2.0 支持從 3:1 到 1:3 的超寬高比范圍，研究員 Alex 在臺上直接用了一個團隊內部最喜歡的提示詞演示極窄豎圖，生成結果把他自己的脖子拉得奇長無比，他本人也忍不住調侃，這張圖可能不太適合拿去當頭像。

　　瑕疵，才是最高級的審美

　　不知道從什么時候起，我們開始對那種一眼假的「AI 圖片」感到生理性反胃。那種過度平滑、光影完美到失真的「AI 塑料感」，讓我們避之不及。

　　十分令人感慨的是，Images 2.0 最大的審美進化，恰恰是它學會了保留「不完美」。

　　電影靜幀、復古膠片快照、時尚攝影，它的風格覆蓋極廣。更重要的是，膠片顆粒感、閃光燈打出的硬陰影、手持拍攝的輕微失焦——這些以前被 AI 算法刻意抹平的瑕疵，現在成了可以主動觸發的風格語言。

　　OpenAI 研究員 Alex 透露了一個讓人極度舒適的秘密：想讓輸出最自然，最有效的關鍵詞就是「photorealistic」。只要打出這個詞，模型就會主動規避塑料感，復刻那些讓照片「看起來是照片」的真實特征。

　　為了證明它對光影邏輯的理解，Alex 甚至用 Codex vibe code 搭了一個全景播放器，讓模型生成了一張月球登陸的 360 度全景圖。甚至在這個全景空間里，太陽的方向和地面的陰影關系，在視覺上保持了嚴絲合縫的一致。

　　當然，OpenAI 也坦誠交代了 Images 2.0 的局限之處。

　　如果你讓它畫折紙步驟圖、魔方復原過程，這類需要極度嚴密三維物理邏輯的任務，它仍然容易翻車。傾斜表面上的微小細節、極度密集的重復紋理，依然會觸碰它的計算邊界涉及精確箭頭的圖表，官方也老老實實建議大家在使用前最好人工核查一下。

　　此外，API 端的 2K 以上分辨率目前還在 Beta 階段，偶爾不夠穩定。

　　但這絲毫不影響行業巨頭們連夜將其接入工作流。目前，Canva、Figma、Adobe 和 OpenArt 已經明確接入 gpt-image-2。對于開發者和企業來說，無論是本地化廣告、教育內容還是創意自動化平臺，都不需要離開現有的工作流，直接調用即可。

　　從靠運氣抽卡到擁有視覺思考外腦，AI 生圖實實在在地往前邁進了一大步。等你下次點開 ChatGPT 輸入框的時候，也許真的可以把它當成一個坐在對面的設計師來聊聊了。

　　生成 OpenAI CEO Sam Altman 在微信朋友圈用中文介紹宣傳 ChatGPT Images 2.0，底下馬斯克評論發「？？？」，Demis Hassabis 評論稱：「我覺得不如 Nano Banana Pro」，圖片比例為 16:9

　　*封面由 AI 生成