GPT Image 2 擅长什么

GPT Image 2 是少有的能在 prompt 里写字、字就真的会出现在图上的 AI 图像模型。绝大多数扩散类模型——Stable Diffusion、Flux、Imagen——把文字当成视觉纹理处理,出来都是扭曲的乱码。GPT Image 2 训练时直接加了文字渲染目标,加上字母感知 tokenizer,prompt 写"复古旅游海报,顶部加粗衬线字体写 'Visit Patagonia'",生成的图上就会原样保留这几个字。

光这一点就改变了工作流——做营销海报、产品包装、信息图、需要标题的分镜稿,以前都是先生成图、再开设计软件叠文字层,现在标题直接在同一张图里渲染出来,包括字距、字重和光线打在字体上的方式。

第二个强项是世界知识。让它画一辆 1985 年的保时捷 911 Carrera,车身线条、轮毂样式、后视镜位置都对得上。让它画米其林餐厅主厨摆盘,镊子、调味瓶、菜品几何关系都在合理位置。这是因为底层模型跟 GPT-4 级别的语言理解一起训练——它知道物体是什么,不只是知道物体在照片里长什么样。

GPT Image 2 的覆盖面足够宽:写实人像、产品、建筑、带文字的海报与信息图、需要主体辨识度的场景,基本都能一次出图即用。配合三档画质,你还能按指令的复杂度选档——简单画面用 Low 就够,复杂的多元素构图切 Medium,只有极端复杂、对细节苛刻的画面才用得上 High。绝大多数创作都落在 Low / Medium 区间,又快又轻。