OpenAI 釋出 ChatGPT Images 2.0：文字渲染大升級，支援中日韓等多語言

以前想用 AI 畫一張選單，端上來的八成是火星文。兩年前哪怕用 DALL-E 3，選單裡也會赫然出現各種拼錯的菜名，一眼就能看出是機器畫的。

OpenAI 正式釋出了 ChatGPT Images 2.0。這次升級最顯眼的變化，就是它終於學會把字寫對了。

會拼單詞的 AI 終於來了

測試裡讓它畫一張墨西哥餐廳選單，現在的成品拿去店裡直接用，普通客人幾乎看不出破綻。

除了英語，新模型還增強了非拉丁語系的文字渲染，涵蓋中文、日文、韓文、阿拉伯文、印地語、孟加拉語、希臘文和西里爾字母。不管寫招牌還是排版，以前糊成一片的鬼畫符終於有了像樣的筆畫。

按照 OpenAI 的說法，新模型最高能輸出 2K 解析度。它在小文字、UI 介面元素、複雜圖示和高密度構圖上的控制力，都比上一代穩得多。

畫面風格覆蓋也更廣，除了逼真攝影，還包括插畫、漫畫和畫素風。只要你提出細緻的風格限制，它通常都能老老實實照做。

加上「思考」之後，它開始自己畫漫畫了

傳統的文生圖模型大多走擴散路線，靠一步步從噪聲裡還原畫面，極小面積的文字畫素很難被抓準。後來的研究開始轉向自迴歸架構，讓影像模型像大語言模型一樣去逐段預測。

不過在釋出會上，OpenAI 拒絕透露 ChatGPT Images 2.0 底層到底用了什麼模型架構。

但他們點出了一個關鍵設計：新模型具備所謂的思考能力。換句話說，它在動筆前能先琢磨一下，不僅可以聯網搜資料，還能在生成後自我檢查，一次提示詞就能連續生成多張互相呼應的圖。

這讓它能做一些過去很費勁的事。比如一口氣生成一套不同尺寸的營銷物料，或者按照連貫分鏡畫出一整張多格漫畫。

代價是生成變慢了。現在畫一張複雜的多格漫畫，需要等上幾分鐘時間，不再像文字聊天那樣秒回。

上線安排上，ChatGPT 和 Codex 使用者從週二開始都能用上 Images 2.0，付費訂閱使用者可以生成規格更高的圖片。開發者也能呼叫 gpt-image-2 的 API，按解析度和質量梯度收費。需要注意的是，模型的知識庫只更新到 2025 年 12 月，要是 prompt 涉及最近的新聞，它可能會露怯。

為什麼重要

對於開店的個體戶、做自媒體或者做獨立開發的人來說，文生圖工具終於能派上正經用場了。以前 AI 生成海報，大家還得匯入修圖軟體把爛七八糟的亂碼摳掉、重新打字排版；現在拿去直接做活動宣傳單、做網頁 UI 佔位圖，或者構思短篇四格漫畫，門檻大幅降低。雖然畫一張圖要等幾分鐘，但比起來回修圖的時間，這個代價大部分人完全願意付。

對影像生成賽道來說，風向徹底變了。以前各家比的是光影質感、皮質紋理這類純視覺噱頭，拼的是誰更像單反拍出來的藝術照。現在 OpenAI 把競爭直接拉到了推理、排版和精準控制的維度，Midjourney、FLUX 這些對手必須加快解決多語言文字和結構化版面的問題。

我們認為，OpenAI 給生圖模型塞進「思考」與自我檢查機制非常聰明。與其死磕一次成圖的玄學機率，不如讓 AI 先拆解需求、聯網驗證再自己驗貨，這恰恰是 LLM 時代的成熟經驗。不過隱患也很明顯：算力成本拉高導致出圖速度變慢，加上 2025 年底的知識斷層，使用者用它做即時熱點物料時，依然得盯緊它別在細節上胡說八道。