ChatGPT Images 2.5 让修图变成了对话

一个数字让我愣了一下。

ChatGPT Images 和 GPT-Image API 的一周图片产量超过 30 亿张。

30 亿张是什么概念？

同一个生成入口承载人类互联网的一大块视觉内容。表情包、产品图、海报、头像、课程插图、社交媒体素材占据这条管道。

这个节点迎来 ChatGPT Images 2.5。发布页强调画质、编辑和速度。自然光照获得改善，纹理获得丰富度，参考照片中的人物与物体获得保真度，生成延迟降幅上限为 50%。

这些描述听着像一次标准升级。

我读完发布页和系统卡，脑子里留下的词是版本。

图片生成获得版本。

旧式图片生成像抽奖。你写一段提示词，模型吐出一张图。人物脸型对了，衣服错了。衣服修好了，背景换了。背景修好了，构图塌了。

每次修改像一次投胎。

这件事困住了不少创作者。单张图的惊艳程度越过及格线。真正的工作对应一组可控结果。品牌主角保持同一张脸，产品包装保留相同文字，海报构图接受局部修订，系列图片共享视觉语言。

主角变脸让第五版失去价值。

问题来了。

模型记得前四版吗？

Images 2.5 给出的答案集中在三个地方。参考图主体保真、指定区域编辑、多轮对话一致性。

参考图保真解决身份问题。用户给出一张人物、产品或空间照片，模型保留辨识特征。发型、面部轮廓、包装比例、房间结构，这些元素构成后续创作的锚点。

指定区域编辑解决手术范围问题。用户修改桌上的花瓶，模型保留人物、灯光和构图。用户替换海报上的一句文案，模型保留字体气质与品牌配色。

多轮一致性解决记忆问题。第一轮确认主体，第二轮调整背景，第三轮修改光线，第四轮添加道具。后一次编辑继承前一次结果，图像质量保持稳定。

这三件事拼出一种新体验。

视觉版本控制。

图一　参考素材、图片批注和局部编辑组成视觉版本循环

这个变化的价值超过清晰度提升。

清晰度属于结果属性。版本控制属于生产方式。前者让一张图变漂亮，后者让一张图进入工作流。

软件开发者熟悉这套逻辑。代码有提交记录，设计稿有版本，文档有修订历史。图片生成缺少这层结构。模型视每次提示词为新任务，创作者承担状态同步工作。

提醒清单有四项。人物别变，镜头别动，包装文字别改，左边那盏灯留着。一句提示词长成免责条款。

Images 2.5 想做的事，是把状态放回系统。

OpenAI 给 ChatGPT 增加四个入口。Sketch 接收手绘草图。模板提供海报、商品图和周边等常见格式。图片批注接收指定区域反馈。提示词分享允许别人复用创意，再换入自己的照片和信息。

Sketch 这件事有意思。

语言擅长描述概念。草图擅长描述空间。一个人说沙发靠左、窗户靠右、桌子放中间，模型承担距离和比例推断。一张歪歪扭扭的草图交代这些关系。

画得丑没关系。

草图承担布局协议，文字承担风格协议。两种输入各干各的活。

这让我想起图形界面诞生前的电脑。命令行完成任务，鼠标让空间关系变成操作对象。Sketch 补上图片生成的一层交互。草图替代提示词论文。手指画一条线，模型获得一条边界。

OpenAI 的官方示例展示了提示词分享玩法。一张普通照片进入八十年代影楼风格，霓虹灯、运动外套、金链和录音机组成完整年代感。分享者附带提示词，接收者换入自己的照片。

图二　OpenAI 发布页中的 Images 2.5 生成示例

社交传播是表层，产品判断是内核。

提示词变成模板资产。

传统图片分享传递结果。提示词分享传递生成方法。照片属于个人，方法属于公共配方。同一个八十年代影楼模板生成上万张不同面孔，创意获得复制能力，身份保持个人属性。

创作者端讲交互，开发者端讲模型分工。

OpenAI 给 API 提供两个新模型。GPT-Image-2.5 Flare 面向多数应用，质量、编辑和速度构成它的定位。OpenAI 给出的延迟数据是相对 GPT-Image-2 降低 50%。内容创作、商品体验、视觉搜索、快速原型和大批量生成属于目标场景。

GPT-Image-2.5 Sunburst 面向高精度工作。复杂编辑、商业活动素材和成品级商品图属于目标场景。生成时间是代价，控制精度是收益。

这个命名挺形象。Flare 像闪光，追求快。Sunburst 像太阳耀斑，追求细节和控制。

图三　ChatGPT 交互功能与 API 模型分工

产品发布页藏着一个数字。

30 亿张之外，50% 之外。

系统卡披露了安全评估结果。对抗性测试中的最终违规图片比例，Sunburst 为 1.09%，Flare 为 1.41%，Images 2.0 基线为 1.64%。这些测试使用专门设计的高风险提示词。日常使用频率属于另一种分布。

后面这句话是重点。

写实能力增强，伪造获得可信度。人物保真度是创作者的生产力。滥用者获得同一种生产力。OpenAI 使用提示词检查、输入图片检查、输出监控、C2PA 元数据和不可见水印。系统卡提到 SynthID 水印。

安全系统给出一道闸门。闸门存在漏网空间。1.09% 和 1.41% 呈现这件事。

写实能力提升，来源验证获得基础设施地位。相机时代相信照片。生成时代的信任对象是出处。图像本身失去证人身份，元数据和发布链条接过这份责任。

Images 2.5 的另一面出现了。

一边是视觉版本控制，一边是视觉来源控制。

我的判断是一句话。

Images 2.5 的核心是修改成本、状态保持和创意配方复用。单张美图属于旧战场。

文字处理软件依靠复制、撤销、修订和版本产生生产力。图片生成来到同一扇门前。

门后的机器获得新身份。

它是一块交谈画布。

参考资料

1. OpenAI，Introducing ChatGPT Images 2.5

https://openai.com/index/introducing-chatgpt-images-2-5/

2. OpenAI Deployment Safety Hub，ChatGPT Images 2.5 System Card

https://deploymentsafety.openai.com/chatgpt-images-2-5/safety-evaluations

3. OpenAI Help Center，Images in ChatGPT

https://help.openai.com/en/articles/11084440-images-in-chatgpt

4. OpenAI Help Center，ChatGPT Release Notes

https://help.openai.com/en/articles/6825453-chatgpt-release-notes