GPT Image 2 模型参考

概述

GPT Image 2（API 模型名称：gpt-image-2）是 OpenAI 于 2026 年 4 月发布的旗舰图像生成与编辑模型，作为 GPT Image 1.5 的继任者。它直接为 ChatGPT 中的图像创作提供支持（作为 ChatGPT Images 2.0），并通过 OpenAI API 向开发者开放。该模型在文本到图像生成和图像到图像编辑方面均表现出色，支持通过自然语言指令进行精确修改。

关键能力

• 文本到图像生成：根据详细文本提示创建高保真图像。
• 图像编辑：以现有图像为输入，通过文本指令应用针对性编辑。
• 文本渲染：对嵌入文本（包括密集排版、小字体、多语言文字、标志和版式）实现近乎完美的准确性。
• 逼真度与风格控制：生成真实、商业级的图像，没有早期模型那种常见的“AI 生成感”。
• 分辨率与灵活性：原生支持高达 2K（2048px）的分辨率，在特定配置下通过 API 可扩展至 4K。灵活的宽高比和尺寸（16px 的倍数，宽高比 ≤ 3:1，最大约 830 万像素）。
• 性能：最高质量等级，中等生成速度；支持一致的快照以获得可复现的结果。

优势

• 出色的提示遵循能力和复杂场景构图。
• 对文字密集型视觉内容（海报、包装、信息图、产品标签、广告）的处理能力优越。
• 产品摄影、生活方式拍摄和营销素材方面逼真度强。
• 在保留原始图像保真度的同时实现精确的编辑控制。
• 支持多语言文字以及准确的排版/布局渲染。
• 相比前代产品，生成速度更快，且采用质量优先架构。

局限性

• 在处理极其复杂的自然场景（如茂密植被或有机纹理）时偶尔会出现不一致。
• 受 OpenAI 内容安全过滤器的限制，可能会阻止或修改涉及受限主题的提示。
• 不支持负面提示、视频、音频或流式输出。
• 编辑结果可能因输入图像质量和提示的具体程度而有所不同。
• 更高分辨率的输出（超过 2K）会增加 Token/成本，并且可能需要显式的 API 尺寸设置。

如何编写有效的提示词

GPT Image 2 能够极好地遵循自然语言提示词，但清晰的表达和合理的结构能最大化生成效果：

1. 具体化与结构化：描述主体、风格、光线、构图、氛围和相机参数。示例："一张照片级质感的商业产品图，拍摄对象为黑色无线耳机充电盒，置于极简白色大理石表面，柔和影棚灯光搭配细微反光，干净的商业摄影风格，高细节，2K分辨率。"

2. 精确处理文字：明确引用所需文字、字体、大小和位置。示例："在顶部居中位置添加加粗白色文字'SUMMER SALE 50% OFF'，使用现代无衬线字体。"

3. 编辑用途：清晰参考输入图像并描述修改内容。带图片的提示词示例："将背景改为夜晚的未来赛博朋克城市，保持前景产品不变，在表面添加霓虹反光。"

4. 宽高比与分辨率：在提示词中指定或使用 API 参数（例如："宽幅横版比例，2048x1152 分辨率" 或 API 的 size 参数如 "2048x2048"）。

5. 风格参考：使用艺术家风格、媒介或美学描述："采用 [品牌] 专业产品摄影风格，电影级布光。"

6. 迭代优化：利用模型强大的指令遵循能力，在后续编辑中逐步改进。

API 使用说明

• 接口地址：v1/images/generations（文本生成图像）和 v1/images/edits（图像编辑）。
• 编辑时输入的图像需符合尺寸和分辨率要求。
• 费用根据分辨率与复杂度递增（参考 OpenAI 定价计算器）。
• 使用快照版本（如 gpt-image-2-2026-04-21）可确保版本一致性。