ChatGPT Images 2.0 带来视觉推理和改进的文本生成

周二，OpenAI 发布了 ChatGPT Images 2.0，这是对集成到聊天机器人中的图像生成模型的更新。该系统名为 gpt-image-2，带来了文本渲染方面的改进、对多种语言的支持以及创建更复杂组合的能力。所有 ChatGPT 计划的用户现在都可以访问标准版本。

此次发布于 2026 年 4 月 21 日进行。该公司强调包含“思考”模式，该模式允许模型搜索网络、检查详细信息并根据单个提示生成最多八张图像。这有助于制作具有结构化布局的故事板、信息图表和材料。某些情况下分辨率可达2K。

OpenAI 在新功能中强调推理和保真度

该模型现在可以更准确地遵循指令，并保留所需的元素，例如图标、界面和小文本。 OpenAI 列举了科学海报、食谱卡和演示幻灯片的例子作为收益领域。对日语、韩语、印地语和孟加拉语文本的支持也得到了改善。

开发人员通过 API 获得访问权限，价格根据质量和分辨率而定。付费用户在高级模式下拥有更多容量。此次更新是在之前对成像系统进行改进几个月后进行的。

• 生成多个相互关联的图像
• 网络搜索的思维模式
• 更好的多种语言文本呈现
• 支持不同的宽高比，从 3:1 到 1:3
• 选定输出的分辨率高达 2K

ChatGPT Images 2.0 is a step change in detailed instruction following, placing and relating objects accurately, and rendering dense text, with the ability to generate across aspect ratios.

It’s also accurate across languages and uses its expanded visual and world knowledge to…

— OpenAI (@OpenAI) April 21, 2026

Leia Também

随着 iOS 27 的到来，iPhone 将拥有新的生成式人工智能功能

《最终幻想 VII》的第三章通过 Highwind 飞船和八十小时的游戏时间扩展了宇宙

哈雷戴维森因刹车故障召回 90,000 辆摩托车

批评者指出功能理解上的缺陷

加里·马库斯（Gary Marcus）是一位以质疑当前人工智能能力而闻名的研究人员，他用自行车图测试了新系统。在自动标签中，该车型将后刹车与座管、齿轮与刹车混淆了。一个标签指向空白区域。

在一项更困难的测试中，马库斯要求一辆比普通双人自行车更高的双人自行车，并配有行李架和鞍包。生成的图像提出了一些问题，例如插入车轮的后拨链器、制动杆位置不佳以及马鞍形后车把。马库斯指出，该系统结合了视觉模式，但不了解部件的实际功能。

专家将其与人类的局限性进行比较

马库斯认识到，普通人也很难准确地绘制串联图。然而，机械师、经验丰富的自行车手或设计师会很快发现错误。该示例用于讨论模型对物理世界的理解程度。

这场争论发生在该行业庆祝专业成像技术飞跃之际。独立测试证实了可读文本和密集布局方面的进步，但特定案例仍然暴露出因果推理方面的差距。

ChatGPT 图像 2.0 技术表

• 基础模型：gpt-image-2
• 可用性：所有 ChatGPT 用户
• 高级模式：付费订阅者
• 主要特点：推理、多种输出、多语言文本
• 分辨率：高达2K
• API：以可变定价发布

迄今为止，OpenAI 尚未对 Marcus 的测试公开发表评论。该系统不断发展，根据用户反馈定期更新。