当天，OpenAI发布了其最新图像生成模型ChatGPT Images 2.0。一经发布，便迅速登上Image Arena所有排行榜榜首，在文生图榜单上以242分的巨大优势登顶，创下该领域最大分差纪录， 在文本渲染、肖像、卡通动漫等多个细分能力榜单上，也均位列第一。 Images 2.0新增的“思考模式”和对多语言文本的精准渲染能力，被认为是此次最大的技术突破。OpenAI表示，该模型将图像生成从单纯的渲染提升到了战略设计的高度，从一种工具转变为一个视觉系统，帮助人们将想法转化为可以理解、分享、用于教学并在此基础上构建的成果。 “思考”是Images 2.0最亮眼的新功能。据介绍，在生成图像前，模型会先对任务进行拆解规划，搜索网络获取实时信息、根据一个提示词创建多个不同的图像，并自我复核其输出。 同时，长期以来AI图像生成的最大痛点在于难以准确渲染文字，尤其是中文、日文等非拉丁字母文字，Images 2.0在这方面也取得了巨大突破。 澎湃新闻记者尝试让它“生成一张马斯克直播推介澎湃新闻的图片”。模型不仅准确生成了澎湃新闻的Logo和中文名，还自主整合了媒体的“专业、深度、原创”定位信息，其中的网友评论也结合了马斯克的相应风格，生成了一张逼真的直播间截图。 记者又让其“换成巴菲特推荐澎湃财经频道”，模型再次准确生成了一张直播间截图，并精准还原了澎湃新闻手机端App的UI界面。 在进一步的实测中，记者又要求其生成“一张写实照片，一位年轻记者在珠峰进行新闻报道，举着印有澎湃新闻的旗帜”。Images 2.0生成的画面还原了珠峰大本营标志性的雪山背景、碎石地貌与高海拔环境，旗帜上“澎湃新闻”的中英文标识清晰，字体排版与实际品牌视觉系统一致，背景中也包含了登山帐篷与海拔标识牌，进一步增强了真实感。 记者又要求模型生成一张澎湃新闻《新引擎》周刊封面，主题为“20年后的上海”，并包含“东方明珠”、“黄浦江”等中文字样。Images 2一次性成功生成了排版清晰、文字准确的封面图，无论是大标题还是小字注释，都没有出现以往模型常见的笔画扭曲或乱码问题。 在记者要求其生成一张澎湃新闻《超级投资人》节目对话罗杰斯的分镜图时，Images 2.0不仅精准捕捉了罗杰斯的外貌特征，而且在生成的分镜中保持了极高的一致性。无论是人物神态、衣着细节，还是场景的光影逻辑，均未出现以往AI生图中常见的“换脸”或“变形”现象。 记者又要求Images 2.0“生成一幅人形机器人半马的四格漫画”，生成的图像也保持了一致性，并补充了比赛地点、途中故事、完赛时间等细节。 在上述实测中，记者并未精心打磨提示词，绝大部分情况下仅仅是一句话指令，较高质量的视觉内容便可以创作出来，生成时间在十几秒到数分钟不等。ChatGPT Images 2.0已经展现出了足够巨大的潜力，或将对内容创作和设计行业产生巨大影响。 仔细观察可以发现，以上记者测试生成的图像中还是有不少问题，比如，在马斯克手中的澎湃新闻App文章标题小字显示错乱，澎湃新闻也并未推出年度会员产品；在测试生成的周刊封面图中，大楼楼体出现了歪曲的情况，新闻发布日期也显示为“2024年”，与“20年后”的设定不符。 同时，由于Images 2.0的知识截止日期为2025年12月，并不能很好处理进步迅速的人形机器人等前沿领域的任务要求，在记者测试中生成的漫画内容虽然并没有错误，但使用的是2025年首届人形机器人半马的赛事相关信息。 更需要注意的一点是，从记者测试生成的马斯克和巴菲特直播截图可以发现，AI生成内容视觉风格同质化问题仍会存在，如何保持创意的独特性也将是未来创作者面临的新课题。 最后，也是最为实际的一个问题，目前ChatGPT Images 2.0虽然向所有ChatGPT和Codex用户开放，但免费用户有使用限制，记者实测一天内可生成约5次图片，带有思维链功能的高级输出仅供Plus、Pro和Business用户使用。
