正在灰度測試的GPT-Image-2，又一次突破了生圖模型的極限。

正在灰度測試的GPT-Image-2，又一次突破了生圖模型的極限。

注意：以下出現的所有圖片，均爲AI生成

上一次讓我如此震驚生圖大模型的還是NanoBananaPro。

在這之後，出的新模型實在太多了，Qwen、即夢等等。

每次都說「史詩級更新」，每次我都會去看看，然後大概率關掉瀏覽器，想着，還行，沒什麼顛覆性的。

這次不一樣。

故事從一張前兩天流傳在國內互聯網海報開始。

有人在大模型競技場Arena。跑了一張原神 x 鳴潮 x 黑悟空 x 洛克王國世界 x 英雄聯盟的聯動海報。

這張海報與Banana的風格明顯不同，不管是圖中元素、還是文字，還是對每個遊戲元素的理解，都比Banana上了一個臺階。

有人開始說，這個跑出海報的duct-tape-2，其實是OpenAI還沒公佈的GPT-Image-2。

而有些用戶也收到了ChatGPT的灰度測試，證實了這張圖正是出自GPT-Image-2之手。

於是，我親自在Arena抽了很多GPT-Image-2生成的結果後，想來和你分享一下我的使用感受。

先說文字。

如果你用過BananaPro就知道，讓它在圖片裏寫字，總是會有一些瑕疵。標題和大一些的字還好一點，但碰到長句子或者密集排版，它還是會開始胡寫，把字母拼錯，把字體扭曲成火星文。

GPT-Image-2不一樣。

你可以讓它直接出一張海報，有密集的英文正文、副標題、大小寫混排、標點全都在該在的地方。它不是在「模仿」文字的形狀，它是真的知道這些字是什麼意思，然後決定怎麼排。

這裏引用歸藏(guizang.ai)老師在X發佈的他的AI產品CodePilot的宣傳圖。

而我讓他生成了一張「GPT-Image-2在X上的用戶評價」，90%以上的評價文字，頭像、UI排版，全部都很和諧。並且評論內容是連貫正常的。

以前做這種東西，要麼你得後期用PS手動貼字，要麼你接受那個「AI出火星文」的視覺風險。

現在不需要了。

順着這個繼續說，它的「世界知識」也是讓我比較意外的部分。

以前用生圖模型做複雜場景，比如UI界面、醫療信息圖表，模型經常會開始「發明創造」，出現不存在的結構，把遮擋關係搞反，把邏輯層次混在一起。

GPT-Image-2好像真的「懂」這些東西是怎麼運作的。它不只是在拼貼素材，它有一個關於這個世界的基礎認知，然後在這個認知上面生成內容。

比如用很簡短的提示詞“山姆奧特曼在抖音直播間帶貨OpenAI”

它就能生成與真實直播間完全一致的“手機截圖”,彈幕、UI佈局，甚至是“小黃車”商品都是那麼的合理。

再說真實感。

有一說一，我對「AI圖片以假亂真」這類說法已經有點免疫了，因爲總會有一些破綻，總會有一些AI特有的濾鏡，但目前我讓GPT-Image-2生成的一些真實圖片，確實讓我難辨真假。

這張試卷、手機截圖，我認爲真的已經能達到以假亂真的效果了。
不得不讓我感嘆，AI造假的成本已經越來越低了。

最後聊聊設計這塊，這個是我個人覺得最「實用」的地方。

文字準確 + 空間排版能力強，組合在一起意味着什麼，你想想看，它可以直接生成可用的App UI界面，網頁排版。

甚至，有人拿它生成了一張YouTube網站的截圖，如果我不告訴你他是AI生成，我相信90%的人都看不出來。

這對設計師、產品經理或者做內容的人來說，是真的會改變工作流的東西。

不是「哇好厲害」那種觀賞感，是「我可以用這個做實際工作」的那種實用感。

當然，正式版還沒出來，現在說改變工作流還爲時過早。

最終正式版是否會因爲法規限制、算力限制等各式各樣的問題導致降智，還是個未知數。

而且谷歌的Nanobanana也很久沒有新模型推出了（NanoBanana2不算，感覺像是Pro的蒸餾版本）。

所以，等正式版出來，我們再好好聊聊。

以上，既然看到這裏了，如果覺得不錯，隨手點個贊、充電、轉發三連吧。

謝謝你看我的文章，我們，下次再見。

最後放一些GPT-Image-2跑出來的AI圖～