Images 2.0是一次质的飞跃，它在精准听懂长指令、精确摆放并理清物体间关系、衬着密集文本方面有了巨大年夜冲破。
最重要的是，它是首个具备“思虑才能”的图像模型，可以联网搜刮及时信息、二次自检。
它还能一次性直出八张风格连贯的图，最高支撑2K超清分辨率。
这么说吧，Images 2.0的出世，从新定义了视觉生成的统治力——
多说话质变：中日韩等非拉丁文字精准衬着，不仅字拼得对，语句也通顺连贯；
风格成熟：照片级逼真感，片子剧照、像素艺术、漫画等视觉说话都拿捏得住；
会思虑：首个具备推理才能的图像模型，能联网搜刮、自检输出，常识更新至2025年12月。
文字衬着翻车、多说话拉胯、风格一模一样、构图一眼AI，这些痛点每一个都劝退了想把AI图像用在正经场景里的人。
在Arena最新榜单中，Images 2.0一骑绝尘，登顶全球AI生图王座。实力暴击GoogleNano Banana 2/Pro版本，领先242分。
它在全部7个文生图类别中，全部位列第一。
最狠的是，它可以做到像素级生成。
直播中生成的一张米山图，个中的一颗大年夜米粒，竟刻上了“GPT image 2”的字体。
奥特曼还秀了一番，和4o图像负责人Gabriel Goh一路更多GPU的漫画图。
一次生成八张连贯画面
闪光灯过曝、稍微活动模糊、角落里印着“02 18 04”的橙色日期戳，所有“胶片时代的不完美”都被精准复现。
网友们纷纷上手，被Images 2.0的实力再次惊艳到了。
甚至，有人表示，“OpenAI终于再次引领图像生成范畴”！
中文直接封神
OpenAI本身玩梗“稳稳地接住你”
以前的图像模型，英语和拉丁字母说话表示尚可，一碰着中日韩文字就开端“鬼画符”。
个中最颠覆性的进级，全部藏在“思虑模式”里。
OpenAI研究科学家陈博远亲自出镜（很可能也是他本身写的prompt），生成了一整页全中文彩色漫画，讲的是他在OpenAI做ChatGPT Image 2中文文本衬着优化的故事。
此次，官博里放出的中文Demo，直接炸了。
这张图同时证清楚明了三件事，中文文本衬着才能质变、极小字号的精度控制、以及复杂多面板漫画的一次性生成才能
漫画分五排，第一排是陈博远在电脑前专一工作，背景里有珍珠奶茶，墙上用一条胶带粘着一根喷鼻蕉（致敬艺术圈名排场）。
第二排是他为故乡无锡生成的多说话手绘风格信息图海报，上面密密麻麻的中文小字全部衬着精确。
第三排是团队看到后果后集体高兴的排场。
第四排画风一转，陈博远拿着手机歇息，收到了奥特曼发来的一条翻译短信，祝贺团队的中文衬着成果。
然后，重头戏来了。
第五排，陈博远看到奥特曼生成的那张祝贺图片，中心地位赫然写着一句“稳稳地接住你”。
懂的都懂。
照片级逼真感
GPT在中文对话中动不动就“我会稳稳地接住你”“你的感触感染是合理的”，那股子油腻又真诚的美式心理咨询味，被中文用户猖狂吐槽了大年夜半年
漫画里的陈博远当场破防，漫画式暴怒大年夜喊“天呐！它又学会了接住！”，旁边的队友们化身小脑筋冒盗汗，弱弱地说“我们正在尽力修复它！”
这波自嘲，可以给满分。（手动狗头）
中文之外，OpenAI还放出了全日语对白的少年冒险漫画、涵盖印地语、孟加拉语、泰卢固语等九种说话书本封面的印度书店，以及韩语高等韩屋住宿告白。
说话不再是图像生成的“二等公平易近”了。
像素级生成
GPT-3到GPT-5大年夜跨越
从今天起，所有ChatGPT、Codex都可以用上ChatGPT Images 2.0。
ChatGPT Images 2.0可以称之为OpenAI生图的下一个里程碑宣布。
直播中，奥特曼将其称之为，“这种感到就像是一会儿从GPT-3直接跃升到了GPT-5”。
上传一张四人合照，ChatGPT直出一张杂志封面，在页面设计、文字排版都异常讲究。
并且海报中，包含了海量的细节，小字的处理，人物面部一致性，给人一种“男团”的即视感。
在细节方面，ChatGPT输出完全达到了“照片级”后果，逼真到让人看不出是AI生成的。
比如下面这张，穿越回2015年OpenAI刚成立那年，阶梯教室光线情况、PPT案牍让人震动。
把ChatGPT生成的图片扔进全景查看器，便可以实现如下的后果，太阳的地位、影子的偏向，以及一些细节全部清楚可见。
官方放出的Demo里，有一张macOS浏览器中ChatGPT窗口的截图。
窗口层叠、终端在后台打开、桌面混乱无章，视觉细节多到离谱，生成出来的后果几乎和真实截图一模一样。
AI生成的图终于不像AI了
风格逼真度是另一个大年夜跃进。
以前AI生成的图片，总有一种说不出的“AI感”，皮肤太滑腻、光线宁靖均、构图太完美，一眼就能看出不是真人拍的。
Images 2.0反其道而行之，开端学会“不完美”。
官方Demo里有一组抓拍快照，35mm胶片质感，可见颗粒感，构图略微偏离中间，衣服和头发在风中飘动。
假如不告诉你是AI生成的，你会认为这是某个摄影师在公路旁顺手按下快门的成果。
还有一组一次性相机风格的照片，模仿的是2000年代初美国高中电脑室的场景，学生们挤在米色CRT显示器前用ChatGPT。
在风格多样性上，Images 2.0也拉开了差距。
宽高比如今支撑最宽3:1、最高1:3。为此，OpenAI专门放了一张横版中国传统长卷山川画，文字晕染和留白都有模有样。
1960年代法国新海潮片子海报、装潢艺术风格书签、动漫角色设定图，每一种视觉说话都保持了高度的风格一致性，而不只是“看起来有点像”。
会思虑的图像模型
现场直播中，ChatGPT图像负责人Gabriel Goh表示，Images 2.0一共上线了两种模式——
即时模式（Instant Mode）
思虑模式（Thinking Mode）
当在ChatGPT中选择思虑模型时，Images 2.0不再只是一个“你说我画”的衬着器，而是变成了一个视觉思虑伙伴。
它会花更多时光懂得你的意图，搜刮收集获取及时信息，对图像构造进行推理，然后再动笔。
像素级精度：小字号文本、图标、UI元素等复杂细节一键生成，支撑3:1到1:3全尺寸输出；
只需上传一张大年夜头照，ChatGPT就能急速给出八套夏装搭配。选择个中一套，还会为你生成更多衣服不合角度的细节。
在这个义务中，ChatGPT调用了两种不合的“视觉智能”：
起首是“视觉懂得”才能，它要逼真地去“看”照片。懂得一小我的样貌，然后筹划出合适的服装搭配筹划。
另一个维度则是“视觉生成”才能。它须要把筹划好的服装构造，转化为一张连贯且有层次的图片。
以前想做一组社交媒体素材，你得一张张生成，本身拼接。如今一句prompt，Twitter、Instagram Stories、Instagram Feed、LinkedIn四种尺寸一次性出齐，色调和构图风格同一。
官方Demo展示了一家布鲁克林抹茶店“kizuki”的告白素材，冰镇草莓抹茶在阳光下的画面，街头服饰美学搭配日式极简，四种社交平台尺寸一步到位。
还有一个学术论文海报的Demo，直接上传PDF，模型主动提取关键图表、数据和构造，排版成一张横版海报。
值得一提的是，Images 2.0开启思虑模式后，还可以直接联网搜刮信息。
团队泄漏，几天前在Arena盲测的“DuckTape”就是今天的Images 2.0。
ChatGPT、Codex全线开放
真正让全场惊掉落下巴的，是一张人类登月的360°全景图。
带有“思虑”过程的图像生成功能，已向ChatGPT Plus、Pro、Business用户开放。底层模型gpt-image-2也已在API中上线。
在订价方面，ChatGPT Images 2.0更强了，同时toekn输入/输出价格没有涨。
对通俗用户来说，演示文稿配图、社交媒体海报、产品宣传卡片这些以前要开Photoshop折腾半天的活，如今一句prompt搞定。
对开辟者和企业来说，本地化告白、多说话信息图、教导内容、设计对象这些须要大年夜量人工的视觉工作流，如今都可以经由过程API批量主动化了。
Codex里更是把图像生成整合进了工作区，设计团队可以在同一个情况里出UI筹划、比选项、转产品，全程不消切换对象。
然后，他们让Images 2.0汇集网友反馈，并制造成一张图。没想到，模型还生成了一个可直接扫描的“二维码”。
更关键的是，思虑模式下它可以一次性生成最多八张风格连贯、角色一致、内容递进的图像。
图像生成的iPhone时刻？
回头看，从DALL·E到Midjourney到Stable Diffusion，AI图像生成一向处在“够用但不太行”的状况。
Images 2.0一口气把这些短板全补上了，还加了思虑才能和多图一次性生成。
固然它离“完美”还有距离，但它可能是第一个让设计师、营销人员和内容创作者认为“这器械我真的可以用在工作里”的AI图像模型。
如今，设计师们可能要从新想想，本身的护城河到底在哪里了。
参考材料：
衬着精度到了这个级别，解释模型对图像中每一个像素的控制力已经跨过了一个临界点。
https://x.com/OpenAI/status/2046661795327459677
https://x.com/OpenAI/status/2046670977145372771
https://openai.com/index/introducing-chatgpt-images-2-0/
https://x.com/sama/status/2046672912833458597
发表评论 取消回复