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(hào)的海報(bào)，你一定對(duì)那種亂碼的無(wú)力感體會(huì)頗深，以至于很長(zhǎng)一段時(shí)間里，我們都在和復(fù)雜提示詞較勁。

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

　　順帶一提，我們昨晚已經(jīng)用大量實(shí)測(cè)的案例替奧特曼提前發(fā)布了 Images 2.0，感興趣的朋友不妨點(diǎn)擊回看。（）

　　趕時(shí)間的朋友，我們也為你準(zhǔn)備了一份省流版：

　　指令跟隨精度大幅提升：能準(zhǔn)確還原復(fù)雜構(gòu)圖、小號(hào)文字、圖標(biāo)、UI 元素等細(xì)節(jié)，分辨率最高支持 2K（API）

　　多語(yǔ)言文本渲染：在中文、日文、韓文、印地語(yǔ)、孟加拉語(yǔ)等非拉丁文字的渲染和排版上有顯著改善，文字可融入設(shè)計(jì)本身

　　風(fēng)格還原更準(zhǔn)確：寫實(shí)攝影、電影質(zhì)感、像素畫、漫畫等視覺(jué)風(fēng)格的紋理、光影、構(gòu)圖還原度更高，適合游戲原型、分鏡、營(yíng)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(bào)、手機(jī)屏、社交媒體等不同場(chǎng)景的尺寸

　　更新的世界知識(shí)：知識(shí)截止日期為 2025 年 12 月，在生成信息圖、教育圖表、視覺(jué)摘要時(shí)更具時(shí)效性和準(zhǔn)確性

　　思考模式（Thinking）：選用思考型模型時(shí)，可聯(lián)網(wǎng)搜索實(shí)時(shí)信息、對(duì)輸出進(jìn)行自我核查，并在單次提示中生成最多 8 張保持角色和對(duì)象連貫性的系列圖片

　　Codex 集成：可在 Codex 工作區(qū)內(nèi)直接生成圖像，用于 UI 方向探索、產(chǎn)品原型設(shè)計(jì)和應(yīng)用開(kāi)發(fā)，無(wú)需單獨(dú)配置

　　API 開(kāi)放（gpt-image-2）：支持開(kāi)發(fā)者接入，適用于本地化廣告、信息圖、教育內(nèi)容、設(shè)計(jì)工具等業(yè)務(wù)場(chǎng)景

　　一個(gè)拼速度，一個(gè)會(huì)思考

　　過(guò)去，我們把 AI 畫圖當(dāng)成一個(gè)單向的許愿池。你丟進(jìn)去一個(gè)硬幣（Prompt），它吐出一張圖。至于圖里元素的邏輯關(guān)系、背景的合理性，全靠運(yùn)氣。但 Images 2.0 改變了這種玩法。

　　遙遙領(lǐng)先的基準(zhǔn)測(cè)試成績(jī)單

　　Images 2.0 是 OpenAI 旗下首個(gè)具備思考能力的圖像模型。針對(duì)不同的使用場(chǎng)景，推出了兩個(gè)版本。

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

　　第二個(gè)則是 Thinking 模式，需要切換到 ChatGPT Plus、Pro 或 Business 賬戶才能激活。一旦進(jìn)入這個(gè)模式，模型在生成之前，它會(huì)停下來(lái)自己推演一番：實(shí)時(shí)搜索網(wǎng)絡(luò)信息、規(guī)劃圖像的骨架結(jié)構(gòu)，甚至能在輸出前進(jìn)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(shù)風(fēng)格的狗。前景窗口是 ChatGPT，桌面很亂，后臺(tái)開(kāi)著一堆隨機(jī)窗口（比如終端）。

　　官方給它的定位是「Visual thought partner（視覺(jué)思維伙伴）」。具體來(lái)講，一是生成之前有了真正的推理過(guò)程，二是在處理復(fù)雜信息圖、教育內(nèi)容這類需要邏輯結(jié)構(gòu)的任務(wù)時(shí)，它能自行判斷哪些內(nèi)容需要核實(shí)、哪些背景需要補(bǔ)充。

　　所以，經(jīng)過(guò)認(rèn)真思考，Images 2.0 認(rèn)為 Anthropic 是最好的 AI 公司？

　　對(duì)于開(kāi)發(fā)者來(lái)說(shuō)，API 端的模型名稱是 gpt-image-2，定價(jià)則根據(jù)你所選的畫質(zhì)和分辨率豐儉由人。

　　根據(jù) APPSO 之前的實(shí)測(cè)，面對(duì) Images 2.0，你甚至不太需要過(guò)于復(fù)雜的提示詞就能感受到這種技術(shù)進(jìn)步。我們的測(cè)試僅使用一兩句簡(jiǎn)單的畫面描述，就能夠生成至少能唬住外行的高水準(zhǔn)圖片。

　　即便這些初步生成的照片在像素級(jí)放大后偶爾經(jīng)不起死磕，但只要提示詞足夠精細(xì)，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(shí)且令人驚艷的 AI 圖像。

　　一張寫實(shí)風(fēng)格的旅行抓拍：陰天清晨，一個(gè)人站在海邊路旁的觀景停車帶，用35mm膠片拍攝。構(gòu)圖自然、略有瑕疵，顆粒感明顯，環(huán)境光漫射，色調(diào)低飽和，衣物和發(fā)絲隨風(fēng)飄動(dòng)，帶著紀(jì)錄片式的電影質(zhì)感，像是某段真實(shí)生活留下的影像。

　　腦子里有干貨，才叫「懂世界」

　　一個(gè)常常被忽視的細(xì)節(jié)是：AI 畫得好不好，往往取決于它「懂不懂」。

　　OpenAI 給 Images 2.0 設(shè)置的知識(shí)截止日期是 2025 年 12 月，這比同期大多數(shù)圖像模型都要新。這種知識(shí)儲(chǔ)備在日常畫個(gè)貓狗時(shí)并不顯眼，但在教育、科普和復(fù)雜信息圖場(chǎng)景里，簡(jiǎn)直是降維打擊。

　　在「康托爾對(duì)角線證明，信息圖」案例中，換作以前的模型，大概率會(huì)給你畫一個(gè)胡亂漂浮著數(shù)字的抽象畫。但 Images 2.0 卻能直接生成了一張邏輯清晰、視覺(jué)結(jié)構(gòu)完整的數(shù)學(xué)原理圖。

　　它知道怎么判斷信息真?zhèn)危仓涝撗a(bǔ)充什么背景知識(shí)，最后用干凈的排版、舒服的留白和清晰的引導(dǎo)線給你畫出來(lái)。本來(lái)得讓老師手工排版一個(gè)小時(shí)的教案素材，現(xiàn)在幾秒鐘就能直接拿去用。

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

　　深夜召開(kāi)的發(fā)布會(huì)，也著重介紹了戳中創(chuàng)作者痛點(diǎn)的三座大山。

　　第一是角色的一致性， 同一個(gè)人換個(gè)角度或換套衣服，AI 往往就認(rèn)不出來(lái)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(jìn)提示，要求放大第一套并從多個(gè)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(xiàn)不同角度的效果。

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

　　用普通人的筆跡抄寫《定風(fēng)波·莫聽(tīng)穿林打葉聲》

　　文字少了后期強(qiáng)加上去的貼圖感，真正融入成為了視覺(jué)設(shè)計(jì)的核心骨架。而且 OpenAI 官方也在博客圖片中玩起了「穩(wěn)穩(wěn)地接住你」的梗。

　　在臺(tái)上演示的實(shí)驗(yàn)性 4K 接口生成的圖片中，屏幕被無(wú)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(tái)上直接用了一個(gè)團(tuán)隊(duì)內(nèi)部最喜歡的提示詞演示極窄豎圖，生成結(jié)果把他自己的脖子拉得奇長(zhǎng)無(wú)比，他本人也忍不住調(diào)侃，這張圖可能不太適合拿去當(dāng)頭像。

　　瑕疵，才是最高級(jí)的審美

　　不知道從什么時(shí)候起，我們開(kāi)始對(duì)那種一眼假的「AI 圖片」感到生理性反胃。那種過(guò)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(jìn)化，恰恰是它學(xué)會(huì)了保留「不完美」。

　　電影靜幀、復(fù)古膠片快照、時(shí)尚攝影，它的風(fēng)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(xiàn)在成了可以主動(dòng)觸發(fā)的風(fēng)格語(yǔ)言。

　　OpenAI 研究員 Alex 透露了一個(gè)讓人極度舒適的秘密：想讓輸出最自然，最有效的關(guān)鍵詞就是「photorealistic」。只要打出這個(gè)詞，模型就會(huì)主動(dòng)規(guī)避塑料感，復(fù)刻那些讓照片「看起來(lái)是照片」的真實(shí)特征。

　　為了證明它對(duì)光影邏輯的理解，Alex 甚至用 Codex vibe code 搭了一個(gè)全景播放器，讓模型生成了一張?jiān)虑虻顷懙?360 度全景圖。甚至在這個(gè)全景空間里，太陽(yáng)的方向和地面的陰影關(guān)系，在視覺(jué)上保持了嚴(yán)絲合縫的一致。

　　當(dāng)然，OpenAI 也坦誠(chéng)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(fù)原過(guò)程，這類需要極度嚴(yán)密三維物理邏輯的任務(wù)，它仍然容易翻車。傾斜表面上的微小細(xì)節(jié)、極度密集的重復(fù)紋理，依然會(huì)觸碰它的計(jì)算邊界涉及精確箭頭的圖表，官方也老老實(shí)實(shí)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(wěn)定。

　　但這絲毫不影響行業(yè)巨頭們連夜將其接入工作流。目前，Canva、Figma、Adobe 和 OpenArt 已經(jīng)明確接入 gpt-image-2。對(duì)于開(kāi)發(fā)者和企業(yè)來(lái)說(shuō)，無(wú)論是本地化廣告、教育內(nèi)容還是創(chuàng)意自動(dòng)化平臺(tái)，都不需要離開(kāi)現(xiàn)有的工作流，直接調(diào)用即可。

　　從靠運(yùn)氣抽卡到擁有視覺(jué)思考外腦，AI 生圖實(shí)實(shí)在在地往前邁進(jìn)了一大步。等你下次點(diǎn)開(kāi) ChatGPT 輸入框的時(shí)候，也許真的可以把它當(dāng)成一個(gè)坐在對(duì)面的設(shè)計(jì)師來(lái)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(píng)論發(fā)「？？？」，Demis Hassabis 評(píng)論稱：「我覺(jué)得不如 Nano Banana Pro」，圖片比例為 16:9

　　*封面由 AI 生成