henry 发自 凹非寺
量子位 | 公众号 QbitAI
来来来，说多模态路边一条，不是AGI的都来排队道歉（doge）。
在喊出“AGI时代来了”之后，你奥特曼叔叔搬出来的第一个东西，就是多模态！
刚刚，OpenAI发布新一代生图模型，ChatGPT Images 2.5，主打生成更快，细节更好，改图也终于越来越像“真·修图”了。
按照OpenAI的说法，这次升级可以先划四个重点：
- 生图更快，相比Images 2.0，生成延迟最多降低50%；
- 画面更自然，参考照片里的人和物更容易保住原本的特征；
- 连续修改多轮，前面改好的细节更容易保持一致；
- 支持直接在图片上添加批注，告诉AI具体要改哪里。
除此之外，这次还有一个我觉得相当实用的新玩法——
直接拿草图当参考图。
这个东西非常适合一种情况：
脑子里大概知道自己想要什么构图，但一时半会儿又找不到合适的参考图。
现在可以直接在对话框里@Sketch，自己画。
只要用鼠标（或者随便什么）画一张草图，再补充你想要的风格和细节，GPT就会把它作为视觉参考，生成完整图片。
非常好用（就离谱）。
一如既往，对于懒人，OpenAI也准备了一套新的模板，直接套就完事了。
By the way，现在GPT终于支持看百分比的生成进度了，不用再问“在吗”看网断没断了！
重点补的是细节和“别乱动”
如果说上面这些是功能层面的变化，那么从这次技术博客来看，相比4个半月前发布的GPT Image 2，Images 2.5真正值得看的升级，还是生成质量和编辑稳定性本身
Images 2.5并没有单纯继续往上堆输出分辨率，最高依然是3840px，但新增了xhigh和max质量档位，进一步提升细节、材质纹理、光照，以及参考主体的保真度。
比如官方这张Demo。
给小孩哥换了一身衣服之后，脸部基本没怎么漂，尤其是原图里卷发那种稍微有点毛躁的质感，保留得相当完整。
但你要硬说，这张给小狗换的还是有点没那么……完美。
主体确实改对了，但仔细看影子，后背轮廓似乎还是保留了原来的形状。
按理说，穿上衣服后，影子的后背也应该变平滑。
但像下面这种，把原始照片重新还原、放大，同时重新处理打光，效果还是挺惊艳的。
而相比单纯“把图画得更漂亮”，Images 2.5这次更重要的一个方向就是让修图改图变得更加可控。
官方展示了一组很典型的电商场景：不断给人物换衣服、换背景。
虽然有些图看起来还是稍微有点“AI塑料感”，但人物本身、场景关系和整体构图已经能比较稳定地保留下来。
（尤其可以看看Image 2和2.5在人物与物体比例上的变化。）
更进一步，ChatGPT现在还支持直接在图片上批注修改。
思路很像平时给设计稿提意见：
不用再写一大段“请把画面左上角第二个人脸上的墨镜换成黑框眼镜”，直接圈那个地方，写一句要求就行。
比如我在表情包生成界面里，直接在墨镜的位置批注“换成黑框眼镜”，点发送。
GPT就知道我说的是哪一个。
如果一张图里有很多人物、很多物体，这个功能尤其好用。
与此同时，模型本身的局部编辑能力也在增强。
官方有一组旅行票券的演示，很适合说明这个变化。
放到实际工作里，就很像做一整套不同城市的活动物料：
版式已经定了，需要替换的只是城市信息，但每做一版，你都希望继续沿用前面的设计。
这就牵出了Images 2.5另外一个重点——多轮编辑的一致性。
很多时候，对于设计工作者来说，一张图不可能一遍生成就结束。第一轮把主体生成出来，第二轮改排版，第三轮换文字，第四轮再抠一些细节。
以前经常改着改着就变成：这次这里终于对了，结果刚才已经对的地方又坏了。
OpenAI表示，在更长的对话中，Images 2.5可以更稳定地接着上一轮结果继续修改，同时保住已经确认好的内容和画质。
比如下面这种旅行攻略海报，文字、照片、路线、排版全挤在一张图里，修改时需要同时照顾的元素比单主体图片多得多。
现在可以先换目的地，再继续改单独的文字和细节。
不多说，这完全是设计福音来的，懂得都懂～
生图才是正经事儿
当然，除了编辑之外，Images 2.5对复杂画面、材质和风格指令的理解也一起升级了。
官方放了一大堆Demo。比如碎玻璃：
日杂封面：
还有《银翼杀手》式的科幻画面：
其他的咱就不多放了……
当然了，生图这玩意，本质上还是创造力工具。就像奥特曼说的，它又不是拿来做数学题的。
玩就完事了。
我自己也上手试了一下。
输入就一张马喽的照片，让它给我生成一组“马喽在世界各地旅游打卡”的照片。
GPT直接给我整了4张。
效果怎么说呢——这个马喽是真出息了。
网友们也是直接开玩。
有哥们直接拿它做起了定格动画。
还有人感叹细节已经离谱了。
不过我自己看下来，部分区域还是能感觉到一点熟悉的AI“涂抹感”。
也有人测试了手绘草图。
大方向确实能跟，但一些比例关系还是会出问题。
但材质和体积感的提升还是很明显。
比如下面这双鞋，皮革、鞋底、褶皱和立体感，相比以前确实更扎实了。
当然，也已经有网友给出不同反馈：
细节确实好了不少，但人物肢体反而偶尔更容易翻车。
所以到底是史诗级升级，还是熟悉的“这边补好了，那边又冒出新Bug”，大家实测下来也可以说说。
生成延迟最多减半，API一次上了两个版本
最后再说速度和价格。
对于一天要生几十上百张图的人来说，这次一个很实际的变化是：
Images 2.5生成延迟相比Images 2.0最多降低50%。
听着没有“画质炸裂”那么性感，但真到了反复改图的时候，少等一半其实相当重要。
尤其Images 2.5明显开始强调多轮编辑。
既然要你第一轮改内容、第二轮改版式、第三轮继续抠细节，那生成速度自然也得跟上。
面向开发者，OpenAI这次还同时发布了两个API模型。
一个是GPT-Image-2.5 Flare
它更强调质量、编辑能力和速度之间的平衡，也是官方推荐的大多数应用默认使用的版本，适合社交内容、快速视觉原型和大批量生图等场景。
另一个是GPT-Image-2.5 Sunburst。
它瞄准的是更精细的创作和编辑需求，比如正式投放的广告素材、产品图片，以及对画质要求更高的视觉内容。
价格方面，Flare和Sunburst目前采用相同的token计费：
- 文本输入：5美元 / 百万tokens
- 图像输入：8美元 / 百万tokens
- 图像输出：30美元 / 百万tokens
所以整体看下来，Images 2.5这次跟2那种直接生成老照片质感的视觉冲击还差点意思？
（也可能是还没开发出来）
但它确实把生成模型开始真正进入生产流程之后，那些不多轮交互、定点修改的问题进一步清扫了一遍。
换句话说，过去大家用生图模型，多少还有点“抽卡”，现在直接定点p就完事了。
现在，x上的网友也已经玩疯了！
所以就说嘛，AI也不用都去做数学题。
[1]https://openai.com/index/introducing-chatgpt-images-2-5/
[2]https://x.com/sama/status/2097410967978324010
热门跟贴