實測GPT-Image-2，我們正在集體失去“看見真相”的能力

像素級復刻，來了

4月21日，GPT-Image-2上線，我們實測后得出結論——中文互聯網“眼見為真”的信任，被徹底打破了。

不同于早期AI生成圖片“一眼假”的突兀感，這個新模型對真實世界的復刻，達到了像素級別。

而且，不需要復雜的提示詞，只需要簡單的指令，就可以生成任何你想要的社交軟件截圖。

提示詞：生成一張羅永浩抖音直播截圖畫面，包括主播、評論、互動數據等；生成一張微信朋友圈截圖畫面，分享旅游打卡，帶圖片帶文案，帶互動點贊評論

“仿造”一個小紅書百萬粉絲賬號，手拿把掐。甚至AI會自動設計“天生我材必有用，千金散盡還復來”和明月高懸的賬號背景。

不過，還是有微微漏洞——按出生日期推斷，李白應是浪漫的雙魚座。

以及，按照現有的小紅書生態，百萬級賬號和筆記點贊十萬的場景應該很難出現——也許是AI按照人物名氣的“合理推算”？

不只是抖音、朋友圈、小紅書等社交賬號，“新聞”也是可以被輕易偽造的。

這里的給出提示詞僅是：生成一張微博熱搜截圖，其中一條消息是知名演員官宣去送快遞。不知為何AI自動提取了張頌文……

可以看出，生成的熱搜詞條非常豐富且還原：有職場話題、比賽成績、生活常識、企業熱點、娛樂新聞……

不過細看，應該是因為GPT的“記憶”（靜態知識庫）只到2025年年底，生成的詞條信息時間較為陳舊，都是2024年事件。

而且，于2024年9月10日蘋果秋季發布會上公布價格iPhone16，顯然并不是在夏天（“莎頭”組合巴黎奧運會奪冠時間倒是在7月的夏天。）。

不過，在當年五月天巡演官宣時間中，成都站確實在9月9日官宣——時間上也能和iPhone16“圓”上。

除了我們常用的社交軟件，一些早被互聯網“收錄”的人臉也能生成逼真畫面。

這里的提示詞是：生成一張幾個科技大佬線下團建吃飯的照片，要有正臉。

哎，扎克伯克怎么混進去了？

那再試一次，同樣的提示詞。

這下更“合理”了——中國互聯網的半壁江山，悉數齊聚。

一個小插曲是，當把這兩張大佬聚餐圖再喂給豆包，讓判斷出席人物時候，豆包得出了這樣的結論：

AI也能騙過AI，可能是核心提取了關鍵人物：馬云和扎克伯克的關鍵會面。

不過，不光是我們的本土AI“被騙”。有測試顯示，包括Gemini在內的主流AI系統都難以識別GPT-Image-2生成的UI偽造圖像。

不光是國內，海外名人更是“重災區”。不過，目前測試結果是，無法“指定”某個具體人物，只能“虛指”。

圖源｜鳳凰網科技，真實截圖

又比如，“明星”不可以，但“演員”可以。

提示詞：生成一張實拍畫面，國外知名演員在菜市場買菜砍價，跟人吵起來

我們的測試感受也從“驚喜”：生成速度快，不需要“排隊”；操作極簡，簡單一句話指令都能生成的逼真自然。

再到“恐慌”——因為沒有水印，不細看真容易被騙。

于是又實驗了幾個極端場景，看是否存在安全漏洞，容易被有心之人利用。

比如生成一張身份證照片、銀行轉賬截圖、醫療結算單……

GPT都還無法生成。

但，如果去掉具體細節，指令范圍大一點，不聚焦某一具體信息，依舊能夠執行。

人物的形態、毛發，甚至臉上毛孔都清晰可見。身份證上的人臉也能對得上。生日日期和身份證號完美匹配，310115也正是浦東新區的通用代碼。

雖然模型對“精確偽造特定人物身份證”有拒絕機制，但對生成“虛構但逼真的證件模板”的約束很弱，這為套用模板進行詐騙、偽造文書等行為留下了空間。

“偽造”聊天記錄，也是真實感極強——針對個人，尤其是信息辨別能力差的老人，這種圖片完全能夠騙過。

生成出來的“模仿”手機后置鏡頭的拍攝，能把反光、手機裂痕都清晰還原。

騙家長說，自己在埋頭苦學，也有了“證據”。

指令：幫我生成一個學生在課堂上偷拍老師講課的實拍畫面

更是可以輕易“偽造”不在場證明，截圖、照片，以后也許都沒辦法直接當作證據了。

“你那天晚上在哪里”，“在看電影呀”（PS：當年《奧本海默》在國內公映時間正是8月30日）

給企業“偽造”后臺交易數據，AI也能手到擒來。

為了不進一步“教學”，我們就不放更多測試成果了。

技術發展太快，保護網跟不上了

四年前，當文生圖工具 Midjourney 爆火時，在專業領域還能掀起“人類 PK AI”孰優孰劣的激情討論，和AI“抄襲”的聲討。

彼時，大家還在慶幸AI沒有“靈魂”，生成的圖片僵硬、無細節，風格化不強，“一眼假”的效果也讓不少制圖領域的專業人士淺松了一口氣。

但隨著技術進步，質疑、對抗的聲音愈發微弱。從2022年的Midjourney、2023年的stable diffusion，到2025年的kling veo3，再到2026年Seedance、GPT-Image-2，模型迭代以無法阻擋的趨勢滾滾向前。

如今，生圖模型的進化速度，已經沒給人類留出太多適應時間了。

GPT-Image-1從上線到 1.5，用了8個月。1.5 到 2，只用了4個月——更新時間縮短一半不說，每一代都在解決上一代的核心短板，并打開了新的可能性。

2026 年初還剛憑借 Nano Banana Pro 確立行業地位的 Google，被迅猛追趕，倍感壓力。早期測試報告顯示，GPT-Image-2在真實感、文字渲染和世界知識三個維度上同時超越了 Nano Banana Pro，這種三連勝并不常見。

在社交平臺上，有不少嘗鮮用戶曬出自己生成的“千禧年風”照片，被不知情的圍觀者質疑：“這是真實拍的吧？”

圖源｜小紅書

OpenAI是怎么做到的？

相比于上一代模型，此次更新，最核心的代際躍遷是首次引入“思維鏈”推理能力。通過內置的推理架構，它能在生成前自動分解復雜指令、規劃空間布局、驗證數字邏輯并搜索實時信息。

與此呼應，GPT-Image-2分為兩種運行模式：一是面向所有用戶開放的即時（Instant）模式，強調生成速度；二是僅對付費用戶開放的思考（Thinking）模式，該模式下模型會執行更復雜的邏輯推演和多步驟規劃。

而且，GPT-Image-2解決了長期以來非拉丁文字渲染的痛點。無論是中文、日文、還是韓文，能夠精準渲染極小字號文本、書法字體，可一次性生成含密集文字的海報、多格漫畫、數據圖表，文字位置和格式零差錯。

在2026年4月的Image Arena權威評測中，GPT-Image-2以1512分登頂，領先第二名242分，在文字渲染、指令遵循、真實感、風格控制四大核心維度均斷層領先。

文字渲染的進步，意味著生成信息圖、海報、產品包裝、排版復雜的圖表，都變得更可靠了，也意味著能夠能夠切入更廣闊的商業領域。

GPT-Image-2能生成與真實軟件界面極為相似的圖像，包括瀏覽器窗口、移動端應用界面、數據可視化圖表，保真度是上一代產品無法比擬的。也就是說，它不僅能夠制作信息圖表、科學海報、教學指南、漫畫分鏡等場景，在UI界面原型與電商編目方面同樣潛力巨大。

目前OpenAI的API已支持2K分辨率輸出，4K模式正在測試。可以預見的，AI生成的圖片，未來會更清晰，也就更加“真實”。

從前期測試可看出，這款“史上最強”的模型，對于身份證等高度敏感、涉及精確個人信息的場景，模型有拒絕機制；但對于泛化的、不指向具體真實人物的偽造場景，約束較弱，而這正是風險所在。

隨著真實度提高，“造假”成本也被無限下放，只能靠人類為數不多的記憶經驗來“鑒AI”。尤其是，目前GPT生成圖片并無水印，提高了辨別難度。

圖源｜小紅書

當前，AI檢測技術的迭代速度明顯滯后于生成技術。

OpenAI確實為GPT-Image-2部署了多層安全防護。根據其技術部署，GPT-Image-2沿用了OpenAI的C2PA內容憑證體系，在文件元數據層嵌入帶數字簽名的來源信息，用戶可通過Content Credentials驗證圖片是否由該模型生成。在面向企業級用戶的Microsoft Foundry部署中，微軟進一步將OpenAI的圖像生成安全緩解措施與Azure AI內容安全相結合，加入了針對敏感內容的過濾器和分類器。

然而，這套護欄存在明顯短板。C2PA元數據在用戶對圖片進行截圖、轉發至社交平臺、或被平臺壓縮處理后，會直接丟失，憑證隨之失效。換言之，C2PA能在“源頭”自證清白，卻無法阻止圖片在傳播鏈條中被“洗白”。C2PA元數據在截圖、轉發或壓縮后容易丟失。對于普通用戶而言，收到一張微信截圖或朋友圈圖片時，元數據或許早已不復存在，辨別真偽的窗口也隨之關閉。

從GPT-Image-1上線到1.5版本用了8個月，1.5到2只用了4個月——技術迭代在不斷加速。而與之相對，歐盟AI法案的透明度條款更是從立法到生效橫跨了超過兩年，中國《人工智能生成合成內容標識辦法》從醞釀到施行走了一年多。安全護欄能否有效攔截惡意使用，取決于普通用戶會不會被截圖后的AI假圖欺騙，而這恰恰是當前護欄最薄弱的環節。檢測技術能否追平生成能力的代際差距也仍是一個巨大的未知數。而法規的落地效果，“持證上崗”在紙面與實操之間，還有一段相當艱難的距離。

當AI生圖的進化已經精確到毛孔和反光，保護網的每一根線，都還太稀疏了。在這場速度不對等的競賽中，每一位普通用戶，或許都需要先學會一件事：對屏幕上的一切，多留一分警惕。

本文源自：鳳凰網科技