AGI时代的第一个生图模型，ChatGPT Images 2.5上线
那些曾断言多模态技术无足轻重的人，现在恐怕需要排队向AGI道歉了（开玩笑）。
在宣告“AGI时代已经来临”之后，奥特曼率先拿出的成果，正是多模态领域的产品。
就在刚才，OpenAI推出了新一代图像生成模型——ChatGPT Images 2.5。其核心卖点在于生成速度更快、细节呈现更优，并且图像编辑功能正逐步接近“真正的修图”体验。
根据OpenAI的官方说明，此次升级主要聚焦于以下四个方面：
- 生成速度提升：与Images 2.0相比，生成延迟最高可降低50%；
- 画面更逼真：能更好地保留参考照片中的人物和物体的原始特征；
- 多轮编辑一致性：在连续修改过程中，已调整好的细节更容易保持稳定；
- 图片批注功能：支持直接在图片上添加标注，用以指示AI具体需要修改的位置。
除此之外，这次更新还引入了一个相当实用的新功能——
可以直接将草图作为参考图使用。
这个功能特别适用于以下场景：
用户脑海中大致清楚自己想要的构图，但一时之间又找不到合适的参考图片。
现在，只需在对话框里输入@Sketch，就能自行绘制草图。
用户可以用鼠标（或任何工具）画出一张草图，然后补充所需的风格和细节描述，GPT便会将其作为视觉参考，生成完整的图片。
这个功能非常实用（简直不可思议）。
一如既往，为了方便用户，OpenAI也准备了一些新的模板，可以直接套用。
另外，GPT现在终于支持显示生成进度的百分比了，用户再也不用通过询问“在吗”来判断网络是否中断。
重点提升：细节与稳定性
如果说上述内容是功能层面的更新，那么从这次的技术博客来看，相较于4个半月前发布的GPT Image 2，Images 2.5最值得关注的升级仍然是生成质量与编辑稳定性。
Images 2.5并没有一味地提升输出分辨率，最高分辨率依然维持在3840px，但新增了xhigh和max质量档位，以进一步提升细节、材质纹理、光照效果以及参考主体的保真度。
例如官方展示的这张Demo图片。
给图中的小男孩更换衣服后，他的脸部特征基本没有发生变化，尤其是原图中卷发略带毛躁的质感，也得到了相当完整的保留。
不过，如果仔细看给小狗更换衣服的这张图，效果似乎仍有些……不尽完美。
主体确实被正确修改了，但仔细观察影子，小狗后背的轮廓似乎仍然保留了原来的形状。
按理说，穿上衣服后，影子的后背部分也应该变得平滑。
但像下面这张图，将原始照片进行还原、放大，并重新处理光照效果，整体表现还是相当令人惊艳的。
与单纯追求“画出更漂亮的图”相比，Images 2.5此次更重要的一个方向是让修图改图的过程变得更加可控。
官方展示了一组非常典型的电商场景：不断为人物更换衣服和背景。
尽管有些图片看起来仍略带“AI塑料感”，但人物本身、场景关系以及整体构图已经能够比较稳定地保留下来。
（可以特别关注一下Image 2和2.5在人物与物体比例上的差异。）
更进一步，ChatGPT现在支持直接在图片上进行批注修改。
其思路类似于平时给设计稿提修改意见：
无需再输入一大段文字，如“请把画面左上角第二个人脸上的墨镜换成黑框眼镜”，只需直接圈定那个区域，并输入一句修改要求即可。
例如，在表情包生成界面中，直接在墨镜的位置批注“换成黑框眼镜”，然后点击发送。
GPT就能理解用户所指的对象。
如果一张图片中包含多个人物和多个物体，这个功能的优势会尤其明显。
与此同时，模型本身的局部编辑能力也在得到增强。
官方展示的一组旅行票券演示，非常适合说明这一变化。
将其应用到实际工作中，这很像制作一套针对不同城市的活动物料：
版式已经确定，需要替换的只是城市信息，但每次制作新版本时，都希望沿用之前的设计。
这就引出了Images 2.5的另一个重点——多轮编辑的一致性。
对于设计工作者而言，一张图片通常无法一次生成就达到最终效果。第一轮生成主体，第二轮修改排版，第三轮更换文字，第四轮再调整细节。
以往，编辑过程中经常出现这样的情况：这次某个地方终于改对了，但之前已经改好的地方又出现了问题。
OpenAI表示，在更长的对话中，Images 2.5可以更稳定地基于上一轮结果继续修改，同时保留已经确认的内容和画质。
例如下面这张旅行攻略海报，文字、照片、路线、排版都挤在一张图片里，修改时需要兼顾的元素比单主体图片多得多。
现在，可以先更换目的地，然后再继续修改单独的文字和细节。
无需多言，这无疑是设计工作者的福音，懂得自然懂～
图像生成才是核心
当然，除了编辑功能外，Images 2.5对复杂画面、材质和风格指令的理解能力也同步升级了。
官方发布了大量Demo图片。例如，碎玻璃效果：
日系杂志封面：
以及《银翼杀手》风格的科幻画面：
其余的就不多展示了……
当然，图像生成本质上仍是一种创造力工具。正如奥特曼所说，它又不是用来做数学题的。
玩就对了。
我也亲自上手体验了一下。
输入一张猴子（马喽）的照片，要求它生成一组“马喽在世界各地旅游打卡”的图片。
GPT直接生成了4张。
效果怎么说呢——这只猴子真是出息了。
网友们也纷纷开始玩了起来。
有网友直接用它制作定格动画。
还有人感叹细节已经达到了令人难以置信的程度。
不过，就我个人观察，部分区域仍然能感受到一些熟悉的AI“涂抹感”。
也有人测试了手绘草图功能。
大方向确实能够跟随，但某些比例关系仍然会出现问题。
不过，材质和体积感的提升还是十分显著的。
例如下面这双鞋，皮革质感、鞋底、褶皱以及立体感，相比之前确实更加扎实了。
当然，也有网友给出了不同的反馈：
细节确实改善了很多，但人物肢体反而偶尔更容易出现问题。
那么，这究竟是一次史诗级的升级，还是熟悉的“补了这边，那边又出新Bug”的情况，大家在实际使用后也可以分享一下看法。
生成延迟最高减半，API同步推出两个版本
最后来谈谈速度和价格。
对于每天需要生成几十上百张图片的用户来说，这次一个很实际的变化是：
Images 2.5的生成延迟相比Images 2.0最高降低了50%。
这个变化听起来没有“画质炸裂”那么吸引人，但在反复修改图片时，减少一半的等待时间其实非常关键。
尤其是Images 2.5明显开始强调多轮编辑功能。
既然要求用户第一轮修改内容、第二轮修改版式、第三轮继续调整细节，那么生成速度自然也需要跟上。
针对开发者，OpenAI这次还同时发布了两个API模型。
一个是GPT-Image-2.5 Flare。
这个模型更侧重于在质量、编辑能力和速度之间取得平衡，也是官方推荐多数应用默认使用的版本，适用于社交内容、快速视觉原型以及大批量图像生成等场景。
另一个是GPT-Image-2.5 Sunburst。
这个模型瞄准的是更精细的创作和编辑需求，例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。
在价格方面，Flare和Sunburst目前采用相同的token计费方式：
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
所以整体来看，Images 2.5这次与Images 2那种直接生成老照片质感的视觉冲击力相比，可能还稍逊一筹？
（也可能是尚未开发出来）
但它确实将生成模型开始真正进入生产流程后，那些关于多轮交互、定点修改的问题进一步清扫了一遍。
换句话说，过去大家使用图像生成模型，多少有点“抽卡”的感觉，现在则可以直接进行定点修改。
现在，X平台上的网友们已经玩得非常疯狂了！
所以说嘛，AI也不一定都要去做数学题。