ChatGPT Images 2.0来了：会思考、会搜索的生图模型，242分碾压全场（附宝藏提示词库）

公众号名称：程叙架构与AI.

作者名称：AI兴观点

发布时间：2026-04-22 17:33

原文链接：https://openai.com/index/gpt-image-2

✅点击上方🔺公众号🔺关注我✅

昨天深夜，OpenAI扔出一条推文，没有发布会，没有预热，整件事就这样发生了。

然后整个AI生图圈发现：又落后了。

ChatGPT Images 2.0正式上线，底层模型叫gpt-image-2。它不只是比上一代好一点点——是在Image Arena三个榜单上同时刷新纪录，领先第二名242分，幅度大到榜单方自己发推说”从没见哪个模型这么碾压过”。

一发布就屠榜

Image Arena是专门给AI图像模型打分的第三方平台，OpenAI和Google都在上面暗暗较劲。GPT-Image-2上线之前，GPT-Image和Google的Nano Banana在榜首咬得很紧，差个几十分。

然后GPT-Image-2一出场：

榜单	分数	领先第二名
Text-to-Image（文生图）	1512	+242分
Single-Image Edit（单图编辑）	1513	+125分
Multi-Image Edit（多图编辑）	1464	+90分

第二名是Google Nano Banana 2。

Image Arena的评语原话是：“No model has dominated Image Arena with margins this wide.”

奥特曼在凌晨直播里说了一句话，大意是：这种感觉就像一下子从GPT-3跳到了GPT-5。

这次最不一样的是什么

如果只让我选一个关键词，我会说是”思考”。

Images 2.0有两种模式。一种是即时生成，你说什么它画什么，跟以前的版本差不多。另一种是思考模式（Thinking Mode）——你选一个带思考能力的模型，它不再只是渲染器，而是一个能跟你一起”想画面”的伙伴。

它会先理解你的意图，联网搜索实时信息，对画面结构做推理，然后才动笔。

思考模式下最惊人的能力之一：一次生成最多8张图，而且风格连贯、角色一致、内容递进。你上传一张大头照，它给你出八套夏装搭配，每套还自带不同角度的细节图。以前这得一张张生、手工拼，现在一句话搞定。

另一个思考模式的演示是：给它一份PPT文件，它能提取关键数据和图表，按原文件风格自动排版成一张横版海报。上传PDF，出来海报——整个过程不需要任何设计软件。

终于会写字了

文字渲染一直是AI生图的老大难。小字号、图标、UI元素、密集构图，随便一个就能让模型崩溃。

Images 2.0据说把这些全部拉到了可用水平。OpenAI官方给出了几个让人印象深刻的例子：

米粒上刻字。 直播里生成了一张大米粒的特写，其中一颗米粒上刻着”GPT image 2”的字样。

中文多格漫画。 OpenAI研究科学家陈博远生成了一整页全中文彩色漫画，讲述他在团队里做中文文本渲染优化的故事。五排分镜，背景有珍珠奶茶，墙上用胶带粘着一根香蕉（致敬艺术圈名场面）。里面有一句中文文案是”稳稳地接住你”——这个梗，中文用户懂的都懂，GPT在对话里动不动就来这句，被吐槽了大半年，现在连自嘲都用上了。

奥特曼自己也在X上发了一张和团队成员Gabriel Goh的漫画合影，配文”更多GPU”。

多语言支持不只是中文，日语、韩语、印地语、孟加拉语都在优化名单里。一张日语少年冒险漫画，格数、对白、拟声词全都排版到位，甚至”羽ペン”这种复合词都写对了。

风格已经不像AI了

以前AI生成的图，皮肤太光滑，光线太均匀，构图太完美，一眼假。

Images 2.0开始学会”不完美”。官方demo里有一组抓拍快照，35毫米胶片质感，可见颗粒，构图略微偏离中心，衣服和头发在风中飘动。有人说如果不告诉你是AI生成的，你会以为是某个摄影师在公路旁随手按的快门。

还有一组2000年代初美国高中电脑室的模拟照片，CRT显示器的橙色日期戳、轻微运动模糊、闪光灯过曝——全是胶片时代的不完美，全被精准复现。

支持的宽高比现在从3:1到1:3全覆盖，横的做Banner、幻灯片，竖的做海报、朋友圈九宫格，甚至可以生中国传统长卷山水画。

Codex也原生支持画图了

除了ChatGPT，这次还有一个值得注意的点：Codex也接入了图像生成能力。

OpenAI凌晨官宣之后，已经有开发者第一时间试了。给Codex丢一句”画一个SaaS架构图”，没配置任何图像密钥，没装任何插件，直接在终端里生图，一分钟不到，出来一张分层清晰的中文架构图——多租户、安全、监控、中英文混排全都对。

这是编程Agent第一次真正意义上”会画画”。前端开发、产品原型、技术文档配图、游戏素材——这些场景以后可以在同一个工作流里闭环。

一些真实的局限

ZDNet记者在预发布测试里做了一个有意思的实验：给AI一张ZDNET首页截图和一篇新闻稿，让它按官网风格生成一张信息图，还特别要求准确还原ZDNET的logo。

结果：AI反复无法正确渲染那个Z。以下是AI生成的三张不同版本的信息图，可以看到每次logo都不一样。

第一张，Z有一点歪：

第二张，Z完全变形：

第三张，Z向右偏移：

最后它找到了一张ZDNET在2022年改版前的旧logo，用现在的配色渲染出来，然后把整个图向左偏移，部分内容被切掉。记者加了各种prompt让它修正，都没用，换新session重新试，logo还是变形。

这说明模型有时候会”脑补”不存在的内容——包括logo这种东西。

另外，思考模式比即时模式慢，因为它要搜索、要推理、要多次检查。OpenAI自己也说，这是故意设计的trade-off：它不是更快，是更深。思考、检查、再思考，一圈下来当然比直接出图慢。

怎么用

所有ChatGPT和Codex用户：基础版Images 2.0已经开放。

ChatGPT Plus、Pro、Business用户：可以开启思考模式，一次生成多张图、联网搜索、一次出多种尺寸的社交媒体素材。

手机端：需要更新到最新版本。

API：gpt-image-2已经上线，官方定价参考GPT-Image-1.5，输入约$8/百万tokens，输出约$30/百万tokens。4K分辨率和可变宽高比在API里也支持。

这大概是目前最接近”能直接当生产力工具用”的图像生成AI。

不是因为它画得最艺术，而是它终于解决了一直在劝退真实用户的那几个问题：文字不准、多语言拉胯、构图一眼AI、单张出图没法连贯。以前这些短板每一个都让想正经用AI做设计的人回头去开Photoshop。

现在，设计师们可能得重新想想自己的护城河到底在哪了。

附录：宝藏提示词库

光有工具不够，得知道高手们怎么用。

GitHub 上有一个持续更新的开源提示词库——awesome-gpt-image-2-prompts，目前已收录 50+ 案例，按场景分成五大类：人像摄影、海报插画、角色设计、UI/社媒 Mockup、社区对比实验。每个案例都附带原始 Prompt 和输出效果，可以直接抄去试。

几个特别值得看的宝藏案例：

人像摄影——35mm 闪光灯时尚人像

Prompt 示范：描述特定相机型号、胶片质感、构图方式和光线参数，就能生成特定风格的人像照片，而不是”一张漂亮的脸”。这个案例展示了 GPT-Image-2 对摄影术语的理解深度——它知道”35mm f/1.4 闪光灯”意味着什么，该怎么呈现在画面里。

海报插画——城市水墨风

Prompt 示范：描述城市名称、季节、构图风格（水墨、极简、线稿），GPT-Image-2 就能生成一张有设计感的城市海报。这类 Prompt 的价值在于”风格词”的积累——知道用什么词能触发特定美学效果。

UI 设计——一句话生成完整界面

Prompt 示范：描述产品类型、目标平台、设计风格，直接生成一套完整的 UI 设计稿。这个场景直接解决了我之前提到的”设计图生产力”问题——不需要设计师出图，PM 自己就能把想法可视化。

角色设计——二次元设定卡

Prompt 示范：指定画风（动漫、游戏角色卡）、配件要求、背景布局，就能生成一张完整的角色参考卡。这类 Prompt 对于游戏立项初期快速出概念稿特别有价值。

更多案例直接去 awesome-gpt-image-2-prompts GitHub 仓库 看，可以抄 Prompt，可以提 PR 增加自己的案例。整个库还在持续更新。

如果觉得这篇文章有帮助，欢迎点赞、在看、转发！有问题也可以在评论区留言，我会尽量回复！

cover_image

AI兴观点程叙架构与AI.