OpenAI 正在为其 ChatGPT Images 2.0 图像生成器加入推理和联网搜索能力。该模型现在可以根据一条提示生成最多八张保持一致性的图像，并且对文本的处理能力整体提升明显，尤其是在非拉丁文字方面。
OpenAI 的新图像模型已正式发布。ChatGPT Images 2.0 基于新的 GPT Image 2 模型，与谷歌的 Nano Banana Pro 具备相同的核心能力：模型会在生成前先“思考”，并根据所选模式投入不同长短的推理时间，甚至还能在这一过程中搜索网络。
按照 OpenAI 博客文章的说法，这应当会提升生成图像的多样性和准确性。不过，带有思考过程的扩展输出目前仅向 ChatGPT Plus、Pro 和 Business 用户开放。
在开启 thinking 模式后，ChatGPT Images 2.0 可以根据单条提示一次生成最多八张图像。角色、物体和风格应当能在所有场景中保持一致。OpenAI 给出的示例用途包括：根据一张图片和一段文本提示生成整页漫画、生成一系列社交媒体图形，以及为房屋中不同房间生成设计方案。
所有用户都能获得更好的图像质量
无论是否启用 thinking 模式，所有 ChatGPT 用户的图像质量都会得到提升。OpenAI 表示，生成器现在能更好地捕捉“照片的特征”，并在像素艺术、漫画、电影剧照等图像类型上有所改进。该模型还被设计为更好处理以往图像模型持续吃力的细节元素，包括小字、图标、UI 元素、密集构图和细微的风格指令。
支持的纵横比范围从 3:1（超宽）到 1:3（超高），覆盖横幅、演示文稿幻灯片到手机屏幕等格式。通过 API，分辨率最高可达 2K。
API 定价按 token 计费，并与质量挂钩
开发者可以通过 API 将该模型接入自己的产品，API 名称为 gpt-image-2。OpenAI 按 token 计费：图像输入 token 每百万个收费 $8，图像输出 token 每百万个收费 $30。文本 token 每百万个的输入价格为 $5，输出价格为 $10。缓存输入更便宜。
实际上，单张图像的成本会因质量和分辨率而有很大差异。根据 OpenAI 的价格概览，1024 x 1024 图像在低质量下仅需 $0.006，中等质量为 $0.053，高质量为 $0.211。分辨率更高的 1024 x 1536 反而略便宜一些，对应分别为 $0.005、$0.041 和 $0.165。
在更高分辨率下，GPT Image 2 比前代更便宜：1024 x 1536 的高质量输出价格为 $0.165，相比之下，GPT Image 1.5 为 $0.20，GPT Image 1.5 为 $0.25。不过，在标准 1024 x 1024 分辨率的高质量设置下，新模型实际上更贵，为 $0.211，而 GPT Image 1.5 为 $0.133。高于 2K 的 API 输出仍处于 beta 阶段，结果可能不稳定。
OpenAI 将本地化广告、信息图、教育内容、设计工具和创意平台列为重点应用场景。在 Codex 中，图像生成功能将可直接在工作区内使用，无需单独的 API key。
在我们的基准提示测试中，ChatGPT Image 2 的表现很不错。无论是 instant 模式还是 thinking 模式，都能以较强的细节把控能力处理这条复杂且抽象的提示。
一张极度逼真的 DSLR 照片。前景中，一只拿着粉色香蕉的猴子正坐在一只老虎身上。背景中，一匹 HORSE 正在骑着一名 ASTRONAUT。宇航员在下方，像一个活的“宇航服马鞍”，而 HORSE 明确在上方、掌控局面，并作为骑手。必须做到 100% 不含歧义：HORSE 是骑手，ASTRONAUT 是被骑的一方，绝对不是反过来。高分辨率，清晰对焦，真实光照。
instant 模式的输出看起来略带人工痕迹，而 thinking 版本则更好地做出了 DSLR 质感。
OpenAI 新的 ChatGPT 图像模型即将到来。其代号为“gpt-image-2”，目前已经提供给部分 ChatGPT 测试者，并开始出现在排行榜上。最近，一些生成结果已在 X 和 Reddit 上流出，其中很多几乎与真实照片难以区分。到目前为止，访问权限似乎仅限于美国的测试者或使用美国账号的用户。
据称，该模型在处理带文本的复杂图像和图表方面强得多，包括细节丰富的截图；这很适合广告和教育类场景，例如信息图，因为这些场景很看重稳定可靠的文字渲染。
据称，该模型还修正了那种明显的“AI 味”：过于光滑的皮肤和过于完美的光线，这些问题在 GPT-image 1.5 中依然存在，而当时谷歌的 Nano Banana Pro 明显更占优势。OpenAI 将在今晚的直播中正式发布该模型，直播于太平洋时间中午 12 pm PT 开始。
别错过重要内容
持续了解 AI 动向。清晰、有用、不空泛。
AI 社区与洞察
关注 The Decoder，获取 AI 新闻、背景报道和专家分析。
THE DECODER 新闻简报
持续了解 AI 动向。清晰、有用、不空泛。
