凌晨突发！ChatGPT Images 2.0发布，实测后发现：这次最狠的，不是画得更像了

YY2026-04-22 10:27:503

出品 | 网易智能

作者 | 小小

编辑 | 王凤枝

AI画图，又变天了。

4月22日凌晨，OpenAI正式发布ChatGPT Images 2.0。

真正让圈内炸开的不是它又能画出多少神图，而是它终于开始先想再画了，也就是先推理、先搜索、先读文件再把图交出来。过去最容易翻车的菜单、小字、海报和信息图，这一次突然都有了能直接拿来用的味道。

从今天起所有ChatGPT和Codex用户都能使用基础版本，付费订阅用户则可解锁思考模式等高级功能。与此同时底层模型gpt-image-2也已通过API对外开放。

现在完全不一样了。向ChatGPT Images 2.0索要同样一份墨西哥菜单，出来的成品可以直接拿去印刷。不仅菜品名称拼写正确且排版清晰规整，连价格都老老实实标在上面。当然售价13.5美元的酸橘汁腌鱼可能让你对食材产生一丝怀疑，毕竟在旧金山这个价格买到的海鲜大概只够喂猫，但至少菜单本身看不出任何破绽。

这种跨越源于底层架构的彻底重构。OpenAI GPT图像生成技术研究负责人陈博远在媒体简报会上把新模型描述为通才模型或图像的生成式预训练变换器，强调其能通过文本提示处理三维风格的视角转换和复杂的空间推理。

虽然他没有确认具体用的是扩散模型还是自回归技术但效果是实打实的。小号文字、图标、用户界面元素、密集构图以及微妙的风格限制，这些过去让图像模型频频翻车的精细内容现在都能稳定渲染，且分辨率最高支持2K。

更直观的对比来自开发者西蒙·威利森（Simon Willison）的测试。他让新旧模型分别生成一张沃利在哪里风格的寻物图，目标是找到一只拿着业余无线电的浣熊。旧版模型生成的画面内容丰富，但翻遍整张图也找不到浣熊的影子。新模型在设置为高画质及3840×2160像素后，吐出了一张17MB的复杂图像，那只浣熊正安安静静地坐在左下角的业余无线电摊位里并且清晰可辨。

AI计算服务公司Hyperbolic Labs联合创始人金宇宸试用后说刚刚试了ChatGPT Images 2.0真的非常棒。他惊叹OpenAI终于再次在图像生成领域引领了方向。

他拿自己著名的水獭测试做了演示，展示了模型生成复杂教学材料的能力。不过莫利克同时提醒模型仍然有典型的图像生成通病。它在反复编辑修改时会变得非常顽固，前两次调整效果不错之后就开始磨洋工，这时候把图像放进新对话重新开始会更有效。

OpenAI总裁格雷格·布罗克曼（Greg Brockman）也评论说真的难以置信，你现在用一点计算资源就能造出这样的东西。他说自己对教育、专业环境比如幻灯片和营销材料，以及生产力领域比如给代码文档配图表的新应用感到极度兴奋。

罗杰斯随后让聊天机器人翻译这些文字，机器人的回复倒是很诚实，它指出其中有些文本并非准确的中文句子，部分混入了日语字符，还有一些更像是模仿东亚粉丝文化风格的装饰性文字。但在网易智能看来，模型生成的中文图像在视觉完成度上已经相当能打，日常使用中完全可以接受。

这和两年前的情况形成了鲜明对比。彼时AI图像里的中文连基本的笔画结构都撑不住，一眼就能看出是机器瞎编的。现在模型不仅能正确渲染大部分常用汉字，在排版、字号搭配和画面融合上也明显更自然了。当然，如果拿着放大镜逐字检查，偶尔还是会发现个别字符不够规范，但对于海报、社交素材、信息图这类实际使用场景来说，已经跨过了"可用"的门槛。OpenAI所说的多语言"质的飞跃"，在中文上或许还不算满分，但已经是一个扎实的高分。

好消息是那张AI生成的X光片是他见过的最好的AI手部X光片。腕骨区域的解剖结构尤其复杂而模型处理得相当不错。他说桡骨远端有一个奇怪的特征但不确定自己能不能一眼认出这是AI画的。医疗图像里看起来正确和实际上正确之间的差距正在迅速缩小。

坏消息是那份腕管信息传单虽然设计精致但解剖结构过于不准确完全没法用。这提醒人们在高专业门槛的场景里，模型的视觉表现力和事实准确性之间仍然存在巨大鸿沟。它可以把一件事画得很像那么回事，但当细节关系到诊断、教学或实际操作时，像绝对不等于对。

在LMArena人工智能匿名测试平台上，ChatGPT Images 2.0以化名duct tape进行了数周的秘密测试。研究者阿纳斯塔西奥斯·安杰洛普洛斯（Anastasios Nikolas Angelopoulos）的评价是，这个模型把竞技场排行榜搞得天翻地覆并创造了竞技场历史上最大的评分差距。