新智元报道
新智元报道
刚刚，OpenAI 发布了 GPT-Images-2.5：
生成延迟最多减半，编辑精度提升，新增 Sketch 手绘输入功能，API 端首次拆出快慢两档模型。
https://x.com/OpenAI/status/2097394956457623964
面向 ChatGPT、ChatGPT Work 和 Codex 全线用户开放，含免费版。
按这个数字换算，日均约 4.3 亿张图片经过这套系统，生成提速的体感变化覆盖面远超一般功能迭代。
OpenAI 公布了 ChatGPT Images 与 GPT-Image API 的合计生成量：每周 30 亿张图片。
GPT-Image-2.5 到底有多强？我们直接看 Demo。
中文乱码已经消失不见了！
这是参考的图片：
这是输出的复古图片：
你还能分辨出真实照片和 AI 生成图片了吗？
将打印的老照片，提取并重置成高清电子照片，小菜一碟。
想换装试试衣服的视觉效果？直接交给 ChatGPT 就行：
输入：
输出：
输入原始图片，被子乱糟糟：
输出了被子叠好的图片：
场景一致性极强，看不出穿帮的地方。
速度提升最直接。OpenAI 给出的数字是生成延迟比 Images 2.0 降低最高 50%。
照和纹理的渲染质量同时改善，参考照片中人物主体的还原度也更高。
精准编辑针对的是生图工具的一个老问题：用户要求改局部，模型把没让它动的部分也改了。
按 OpenAI 的说法，Images 2.5 能只修改指定区域，保留画面其余元素的构图、光照和主体特征，复杂背景和多主体场景下稳定性明显提高。
用户还可以在图片上直接放置评论标注，圈定需要修改的位置，操作逻辑接近设计工具 Figma。
多轮编辑的一致性是第三项改进。
长对话中反复修改同一张图片时，前几轮的编辑结果能保持住，画质不会随轮次下降。
Higgsfield AI 产品负责人 Axultan Alimkulov 评价 Flare 时说：
最让我们印象深刻的是它对「什么不该改」的理解。
做一次有意义的编辑，不会丢掉原图的角色、构图和视觉风格。
产品层面，Images 2.5 带来了四个新功能。
Sketch 的入口是在 ChatGPT 对话框输入 @Sketch，打开手绘面板。用户画一张草图，配上文字描述风格和细节，ChatGPT 就以草图为构图参考生成成品图。
OpenAI 给出的示例包括房间布局草图变室内设计渲染图、人物轮廓草图变插画。门槛不在画功，在于画出空间关系和大致比例，让模型理解画面结构。
模板覆盖了海报、商品图、传单等高频格式。
选一个模板，填入信息和风格偏好，模型按预设结构出图，省掉了从零写 Prompt 的试错。
Prompt 分享让用户把生成好图的完整 Prompt 发出去，别人带入自己的照片和细节，能在同一框架下生成个人版本。
一条「80 年代复古肖像」Prompt 已经在社交平台上流传，用户上传自拍就能出同风格照片。
四个功能指向同一个变化：把脑中画面变成图片的过程，不再只靠打字了！
面向开发者，OpenAI 在 API 端同步推出两款图像模型：GPT-Image-2.5 Flare 和 GPT-Image-2.5 Sunburst。
Flare 主打速度和批量生成，OpenAI 将它定位为大多数应用的默认选型。
适用场景包括社交内容、产品体验图、快速原型和高频出图。
Manus 评测团队的 Lucky Liao 给出的数据更具体：Flare 在他们的测试中出图速度达到 GPT-Image-2 的 2 到 4 倍，透明背景生成的改进对程序化生成品牌素材、演示文稿和网页配图直接有用。
Sunburst 定位高端创意工作流，用更长的生成时间换取更精细的编辑控制。
OpenAI 给出的典型场景是品牌营销的成品级素材和精修产品图。
Adobe 已确认在 Firefly 中接入 Images 2.5 模型。
Adobe 产品高级总监 Matt Chotin 称，2.5 版本带来了更快的生成速度和分辨率一致性，图片在多轮精修后仍能保持清晰和真实感。
两款模型的拆分对应两种需求：高频低延迟和高精度定制。
Flare 给跑量的场景，Sunburst 给出精品的场景，开发者按业务选型，不必为用不上的精度付出等待时间。
这是 OpenAI 图像 API 第一次按速度和质量做产品分层，逻辑和语言模型 API 的分档一脉相承。
Images 2.5 的命名延续了 OpenAI 图像产品线的节奏：架构不变，速度和精度先起飞一轮。
2024 年底的 GPT-Image-1.5 用的是同一套路。
两次 .5 版本间隔不到一年，图像模型的迭代频率正在向语言模型看齐。
这是世界上最强的生图模型，断档式领先。
OpenAI 不断增强的多模态能力，很可能是面对 Anthropic 的模型时，通过增强包括 Computer-Use 能力在内，进而增强 GPT-7 等基座模型的能力。
参考资料：
编辑：马可
