实测Images 2.0：OpenAI两年后又放出“王炸”产品

沉寂两年多，OpenAI终于甩出一张“王炸”。

4月21日，ChatGPT Images 2.0无预警上线。这是一个“王炸”级别的图片模型，其在人物形象极其逼真的同时，文字渲染能力得到了明显进步，以至于生成直播间截图、流媒体界面等“人物+文字”图片时，完全可以以假乱真。

一夜之间，社交媒体被各种“神图”刷屏——马斯克在抖音直播间带货老干妈、库克在苹果园区发布iPhone 20，还有各种学术论文截图、伪造的转账记录……这些图片让无数网友直呼“根本分不出真假”。

跑分层面，Images 2.0发布后，模型迅速登顶Image Arena所有榜单，在文生图排行上领先第二名高达242分。

OpenAI首席执行官山姆奥特曼将此次更新形容为“从穴居人壁画到文艺复兴的飞跃”，进步程度堪比从GPT-3到GPT-5的跨越。

对此，新京报AI研究院第一时间进行了测试。

实测：人物真实、更懂用户、细节拉满

对于Images 2.0的理解能力和细节掌控力，新京报AI研究院输入提示词：“请帮我生成一张图片，图片是一个拿着针的女性。如果我放大该图片，能够在金属绣花针针尖极小的平面上看到雕刻的楷书‘新京报AI研究院’，金属质感真实，字体精细无变形。”

新京报AI研究院使用Images 2.0生成的图像。

按照提示词，Images 2.0生成了上述图像：一位身着古典白色衣物的中国女性，气质温婉、服饰细节考究，整体画面极具写实感。值得注意的是，在图片生成的描述中，新京报AI研究院并未提示女性的具体形象，但Images 2.0自动理解并生成上图。

在文字方面，记者放大图片后，在细如针尖的金属平面上，“新京报AI研究院”六个楷书字清晰可见，还拥有金属光泽与微雕质感，体现了模型对微观细节的精准控制。过去，AI生成小字要么模糊成一团，要么变形扭曲。不过稍有遗憾的是，“针”的形象有些失真。当记者想要修改其形状时，被提示已经达到了图片生成测试的上限。

社交媒体上，网友们疯狂测试。有人生成了“马斯克直播卖货”，评论区有人感叹：“马斯克看见都要吓一跳。”有人生成了颜值主播的直播间截图，左上角的抽奖红包和下方评论真假难辨；有人生成了2015年UBC阶梯教室里教授展示幻灯片的场景，图片质感与真实照片别无二致。

网友使用Images 2.0生成的马斯克与山姆奥特曼卖货图片。

这种“以假乱真”的能力，既是Images 2.0最大的卖点，也是最大的隐忧。当AI生成的图片与真实照片几乎无法区分，“眼见为实”的认知基础正在被动摇。

新京报AI研究院注意到，目前甚至有网友通过Images 2.0生成了能够扫描的条形码——这意味着它对图像底层逻辑的理解，已达到肉眼难以分辨的精准度。但也意味着其让AI伪造的成本进一步降低了——过去需要专业PS技能才能完成的造假，现在可能只需一句话，而且文字也不再是AI生图的障碍。

应对之策也正在跟进。OpenAI在发布Images 2.0时表示，在该模型中延续了C2PA数字水印技术，这意味着，每张生成的图片都携带不可见的元数据标识，可通过专业工具溯源验证。

跃迁：一个更务实的OpenAI

Images 2.0的能力突破，核心在于三个维度的跃迁。

文字渲染是最直观的进步。长期以来，AI生图的最大痛点是“文字必错、排版必乱、小字必糊”——英文常拼错、中文变乱码、日文韩文完全没法看，海报标题、菜单、UI界面、试卷、证书等实用场景几乎无法商用。Images 2.0将文字准确率提升至99%以上，重点优化了中文、日文、韩文等非拉丁文字的生成能力，涵盖字形、笔顺及排版。

新京报AI研究院观察发现，使用其他模型生成类似图片时，虽然人物形象同样可以达到拟真，但是很少有AI模型能够在文字上也体现出和图像一样的“拟真度”，特别是此类直播图片左下角的评论内容，也完全匹配图片的人物形象和环境。

网友使用Images 2.0生成的女主播直播图。

“思考模式”是另一项核心突破。作为一款具备“思考能力”的文生图模型，Images 2.0在渲染第一个像素前，会先执行完整的准备工作流：联网搜索实时信息、解析上传文件、规划画面结构、自我校验并修正错误。开启思考模式后，模型可以一次性生成最多8张具有视觉连续性的图像，确保角色、物体及风格在不同场景中保持高度统一。对此，山姆奥特曼明确表示：“图像不再是死板地依赖一句提示词直接生成，中间多了一层内容梳理的过程。”

再就是图像质量，同样实现了全面升级。新版本支持最高2K分辨率，宽高比范围扩展至3:1至1:3，适配横幅、竖屏、正方形等所有主流平台尺寸。模型还引入了细微的写实瑕疵——皮肤上的汗毛、衣物的细碎褶皱、环境中的微尘——这些“不完美”反而增强了图像的沉浸感。

不过，目前Images 2.0的额度有限。新京报AI研究院在实测中仅仅生成了三张图片，便达到了图片创建上限，ChatGPT提示需要升级至ChatGPT Plus，或者等待24小时后才能再次生成。这一限制在一定程度上影响了普通用户的使用体验，也反映出OpenAI在算力成本与用户需求之间的平衡考量。

从更深层看，Images 2.0的局限不止于额度。折纸步骤图、魔方展开图这类需要完整物理世界模型的任务，对它来说仍有难度；在被遮挡、倾斜或反向表面上准确呈现细节，仍是挑战；极端密集或重复的视觉细节，如细沙粒，也超出了模型的处理能力。

在另一项针对文字生成的专项测试中，新京报AI研究院输入了“正规天津饭店菜单，包含菜名、价格等，所有文字精准无错字，排版对齐工整，字体清晰，纸质菜单质感，8K写实”的提示词。结果Images 2.0生成的菜单中出现了“罾蹦鲤鱼”“爆三样”“狗不理包子”等天津代表菜品，价格、排版、字体都与真实菜单别无二致，连翻页的边角都有自然的磨损痕迹。不过，记者也发现“罾”字等一些菜品名汉字成为乱码，说明该模型并非“尽善尽美”。

新京报AI研究院使用Images 2.0生成的图片。

不过，这依然无法掩盖这款模型的跃迁。自Sora发布后，GPT-5口碑未达预期，此后的多轮更新虽有能力提升，却始终缺乏现象级反响。与此同时，Anthropic的Claude系列在企业市场高歌猛进，年化收入已突破300亿美元，在企业支出中Anthropic的份额从2025年的24.4%升至30.6%，而OpenAI则从领先变为被追赶。行业龙头的地位，岌岌可危。

在这一背景下，Images 2.0的发布，或成为OpenAI“仍在王座之上”的最有力注脚。

Images 2.0的意义远不止于一款产品的成功。它代表的是OpenAI从“技术天才”向“精细匠人”的角色转变——不再追求参数的堆砌或概念的炫技，而是专注于解决最实际的商用痛点。文字准确、指令稳定、风格统一、会思考、多语言、高分辨率——这些能力将过去“AI做不了”的商用场景全部打开。对于普通人，做图不再求人，一句话就能出专业级成品；对于创作者，效率提升，时间可以留给创意本身；对于行业，内容生产门槛再次降低，视觉创作正式进入“人人可用”时代。

能稳定写对字、画准图、懂逻辑，两年沉寂换来的，是一个更务实的OpenAI——这比任何技术参数、宣传噱头都更值得行业警醒。

新京报AI研究院·行业观察

追踪AI全域前沿，洞察行业实时变局。我们以独立专业视角，观察技术演进、产业实践与生态逻辑，全景记录人工智能行业的每一次关键变化与发展进程，持续记录智能时代的浪潮与演进。

新京报AI研究院 罗亦丹

编辑 陈莉

校对 杨许丽