OpenAI 发布 ChatGPT Images 2.0：文字渲染大升级，支持中日韩等多语言

以前想用 AI 画一张菜单，端上来的八成是火星文。两年前哪怕用 DALL-E 3，菜单里也会赫然出现各种拼错的菜名，一眼就能看出是机器画的。

OpenAI 正式发布了 ChatGPT Images 2.0。这次升级最显眼的变化，就是它终于学会把字写对了。

会拼单词的 AI 终于来了

测试里让它画一张墨西哥餐厅菜单，现在的成品拿去店里直接用，普通客人几乎看不出破绽。

除了英语，新模型还增强了非拉丁语系的文字渲染，涵盖中文、日文、韩文、阿拉伯文、印地语、孟加拉语、希腊文和西里尔字母。不管写招牌还是排版，以前糊成一片的鬼画符终于有了像样的笔画。

按照 OpenAI 的说法，新模型最高能输出 2K 分辨率。它在小文字、UI 界面元素、复杂图标和高密度构图上的控制力，都比上一代稳得多。

画面风格覆盖也更广，除了逼真摄影，还包括插画、漫画和像素风。只要你提出细致的风格限制，它通常都能老老实实照做。

加上「思考」之后，它开始自己画漫画了

传统的文生图模型大多走扩散路线，靠一步步从噪声里还原画面，极小面积的文字像素很难被抓准。后来的研究开始转向自回归架构，让图像模型像大语言模型一样去逐段预测。

不过在发布会上，OpenAI 拒绝透露 ChatGPT Images 2.0 底层到底用了什么模型架构。

但他们点出了一个关键设计：新模型具备所谓的思考能力。换句话说，它在动笔前能先琢磨一下，不仅可以联网搜资料，还能在生成后自我检查，一次提示词就能连续生成多张互相呼应的图。

这让它能做一些过去很费劲的事。比如一口气生成一套不同尺寸的营销物料，或者按照连贯分镜画出一整张多格漫画。

代价是生成变慢了。现在画一张复杂的多格漫画，需要等上几分钟时间，不再像文字聊天那样秒回。

上线安排上，ChatGPT 和 Codex 用户从周二开始都能用上 Images 2.0，付费订阅用户可以生成规格更高的图片。开发者也能调用 gpt-image-2 的 API，按分辨率和质量梯度收费。需要注意的是，模型的知识库只更新到 2025 年 12 月，要是 prompt 涉及最近的新闻，它可能会露怯。

为什么重要

对于开店的个体户、做自媒体或者做独立开发的人来说，文生图工具终于能派上正经用场了。以前 AI 生成海报，大家还得导入修图软件把烂七八糟的乱码抠掉、重新打字排版；现在拿去直接做活动宣传单、做网页 UI 占位图，或者构思短篇四格漫画，门槛大幅降低。虽然画一张图要等几分钟，但比起来回修图的时间，这个代价大部分人完全愿意付。

对图像生成赛道来说，风向彻底变了。以前各家比的是光影质感、皮质纹理这类纯视觉噱头，拼的是谁更像单反拍出来的艺术照。现在 OpenAI 把竞争直接拉到了推理、排版和精准控制的维度，Midjourney、FLUX 这些对手必须加快解决多语言文字和结构化版面的问题。

我们认为，OpenAI 给生图模型塞进「思考」与自我检查机制非常聪明。与其死磕一次成图的玄学概率，不如让 AI 先拆解需求、联网验证再自己验货，这恰恰是 LLM 时代的成熟经验。不过隐患也很明显：算力成本拉高导致出图速度变慢，加上 2025 年底的知识断层，用户用它做实时热点物料时，依然得盯紧它别在细节上胡说八道。