這張圖我盯了五分鐘，沒找出破綻

凌晨兩點，你刷到一張朋友圈截圖——某大廠宣布全員漲薪，配圖是蓋著公章的內部郵件。你剛想轉發給同事，手指懸在發送鍵上停住了：這圖，是真的嗎？

以前我們靠數手指、看瞳孔、查文字歪扭來辨認AI圖�，F在OpenAI給ChatGPT換了個新引擎，這些土辦法正在集體失效。

一張海報的"恐怖谷"穿越

Images 2.0最讓從業者后背發涼的能力，是文字。

不是那種"看起來像字"的涂鴉，是真正能騙過母語者的排版。電影海報上的演員表、信息圖里的數據標簽、手寫便簽的潦草筆跡——它都能以假亂真。OpenAI自己承認，結果"不那么像AI生成，更像有意設計"。

這背后是技術路線的切換。Images 2.0被OpenAI稱為首個具備"思考能力"的圖像模型，拆解請求時會逐步推理，而非一次性出圖。付費用戶能一次生成8張變體，免費用戶也能用上聯網查證和自動校驗。

換句話說，它開始"慢下來"了。而慢，往往是精細的前提。

我們的識別武器庫正在報廢

回顧AI圖像的進化史，其實是一部人類防偽技能的失效史。

第一代破綻是生理結構：六指琴魔、反向關節、瞳孔高光不對稱。第二代是物理規律：光影矛盾、透視錯亂、材質違和。第三代輪到文字——字母粘連、無意義符號、排版災難。

Images 2.0正在填平最后一個洼地。當文字這個"保底識別區"失守，普通人面對一張圖時，還能信什么？

更麻煩的是使用門檻。聯網查證、多步推理、批量生成——這些能力正在向免費用戶開放。意味著造圖成本驟降，而驗真成本飆升。

設計意圖的模仿游戲

OpenAI的表述很值得玩味："更像有意設計"。

這不是在夸自己畫得好，是在描述一種認知欺騙。人類判斷真假時，會下意識尋找"刻意感"——對齊、留白、字體層級，這些被視為"有人認真做過"的信號。Images 2.0學會了復制這種信號。

問題在于，設計意圖和事實準確性是兩件事。一張排版完美的信息圖，數據可能是胡編的；一封格式規范的公司郵件，公章可能是合成的。當形式可信度被技術拉平，內容本身反而更難被質疑。

我們習慣了"看起來專業≈大概靠譜"的啟發式判斷。這個等號正在被改寫。

數據收束：一個正在縮窄的窗口

從六指琴魔到真假難辨的文字，AI圖像的"恐怖谷"穿越只用了不到兩年。Images 2.0的迭代速度表明，留給人類肉眼識別的窗口正在以月為單位收窄。

OpenAI選擇把聯網查證和推理能力同時下放給免費用戶——這個商業決策本身說明，技術擴散的速度已經超過了平臺建立審核機制的速度。當生成工具和驗證工具由同一家公司提供，"可信"的定義權也在悄然轉移。

下次看到那張凌晨兩點的漲薪郵件截圖，你可能需要做的不是數手指，而是直接打開企業郵箱——如果還能找到入口的話。