OpenAI推出ChatGPT Images 2.0：图像生成变革，思维与可用性双提升！-洪萨配资

OpenAI推出ChatGPT Images 2.0：图像生成新变革，思维能力与可用性双提升！

今日，OpenAI推出了下一代图像模型ChatGPT Images 2.0，该公司表示此模型专注于精度、可用性和复杂视觉任务。最显著的新功能是能够结合文本和图像，构建复杂而精美的页面，OpenAI正将图像生成概念从创造装饰性元素转变为一种语言。

思维能力支持复杂工作流程

除大幅提升文本和图形混合能力外，新模型还具备增强的思维能力。它可根据每个提示生成多幅连贯图像，因为模型将推理融入了图像输出过程。这一转变意义重大，Images 2.0不再只是生成与提示细节大致匹配的图像，能处理更模糊的提示，如“生成一幅考虑到明天旧金山天气的活动信息图”。AI会收集旧金山的天气和活动数据，确定适合该天气的活动，然后生成符合结果的图像。据OpenAI称，“在这个模型中，Images 2.0更像是一个视觉思维伙伴，能帮助你以更少的工作量将项目从粗略概念变为成品”。

精度和设计控制提升可用性

长期以来，很多人难以让ChatGPT按特定期望纵横比生成图像，通常AI会生成自己想要的图像。但现在，Images 2.0支持“宽至3:1、高至1:3的纵横比”。该模型还支持更高保真度的输出，（大部分情况下）能实现准确的对象放置、详细的文本渲染和复杂的构图。等产品正式发布后，再来看看能否去掉“大部分情况下”这个表述。AI还支持小文本、UI元素和高达2K分辨率的风格约束。

预览测试

在发布前一天获得预览权限，总体而言，这个模型给人留下了深刻印象。向它提供ZDNET主页的截图和Images 2.0新闻稿的草稿，指令它“根据新闻稿内容，使用ZDNET主页文档中展示的品牌风格，生成一幅16:9的关于新图像更新的信息图”。模型在信息图制作上表现出色，但无法正确重现ZDNET的logo。第一次尝试时，把ZDNET中的Z字母渲染得有点下垂。尝试各种请求修复，但Images 2.0始终未能修复。开启新会话，加入指令“特别注意准确重现ZDNET logo”，第一次运行时，模型找到了2022年重新设计之前的ZDNET logo副本，用当前的配色方案渲染了那个旧logo，还把logo和信息图内容推到了图像左边缘之外，为“Images 2.0”选择了一种并非ZDNET品牌色的浅蓝色。竭力让它使用当前的logo，最终成功让图像向右移动，避免了内容被截断。但添加提示“使用提供页面上的ZDNET logo，不要搜索其他替代logo”也未能解决问题。再次开启新会话，模型又把logo搞砸了，这次在拉伸的大写字母D的竖线上添加了一个舵形。公平地说，使用的是Images 2.0的预发布版本，产品正式发布后，会对该模型进行更全面的测试。还使用Google的Nano Banana Pro对另一份文档进行了类似测试，但由于它处理合成的方式与OpenAI这个新版本不同，所以无法重现这里得到的结果。随着进行更高级的测试，会有更多发现。

定价和可用性

新模型现已向所有ChatGPT和Codex用户开放。高级输出和思维能力仅向ChatGPT Plus、Pro、Business和Enterprise用户提供。确保在屏幕顶部的ChatGPT下拉栏中选择“Thinking”。在撰写本文时，新的Images 2.0模型仅在桌面端可用。但OpenAI承诺，这些功能也将在移动端上线，同时还支持通过触摸屏幕选择图像。图像也可通过API使用gpt - image - 2模型获取。API定价根据质量、思维能力（自创的词）和所需图像分辨率而定。

如果AI能够同时处理布局和内容，这会改变你开展设计项目的方式吗？可以在社交媒体上关注日常项目的更新。记得订阅每周更新时事通讯，并在Twitter/X（@DavidGewirtz）、Facebook（Facebook.com/DavidGewirtz）、Instagram（Instagram.com/DavidGewirtz）、Bluesky（@DavidGewirtz.com）和YouTube（YouTube.com/DavidGewirtzTV）上关注。