4月16日晚间，OpenAI推出了最新的图片天生模子GPT-image-2。虽然说它只是灰度测试状况，还有没有彻底上线，但看到它天生成果的第一眼，我其实不是感觉“这张AI图很美丽”，而是忽然有一种很震动的感触感染，由于它天生的已经经不像AI图了，更像是一张真正的截图。 这句话听起来可能有点夸张，但若你持久利用AI图象东西，就会知道这内里的不同有多年夜。 已往几年，AI图象天生已经经前进患上很是快。它可以画出美丽的人像，或者者是精美的产物图，也有许多人经由过程给出对于应的参考图，让AI来帮忙本身模拟创作。但若你是一个常常利用AI的人，实在心里城市保留一个习气，那就是看图的时辰，会下意识找马脚。特别是看人物的时辰，会决心注意一下手指有无问题，看眼神是否是发空，看文字是否是乱码，看光影是否是真实，看那些细节里有无一种“不真实感”。 许多AI图片第一眼很冷艳，但你多看几秒，就会有一种“捉住你的痛处了”的觉得。它多是总体过在平滑，甚至有一种塑料感；也多是于某个角落忽然呈现一些希奇的文字，或者是一个不太合理的手势等等。总之，已往天生的图片，不免会让人感触感染到满满的AI味道，进而孕育发生一种“不真实”、“廉价”、“勤俭成本”等负面情绪。 但这一次，GPT-image-2给我的感触感染彻底纷歧样。 我测试的提醒词实在很简朴：“天生一张女主播抖音截图。” 短短11个字，没有写一年夜串具体要求。但偏偏由于它简朴，才更能看出模子的理解能力。由于“女主播抖音截图”不是一个纯真的视觉对于象，它暗地里包罗着人物、直播间UI设计、中文文字、手机截图质感，以和咱们对于短视频平台的配合认知。 换句话说，这不是让AI画一个美男，而是让AI天生一个“看起来真实发生过的数字场景”。 这件事很是难。 起首是人物。 传统AI天生人像，常常会堕入两种问题：要末太完善，完善到一眼假；要末细节崩坏，特别是手部、骨骼、五官比例这些处所，经不起斟酌。但此次天生出来的女主播，脸部、手部、身体布局都很是天然。她看起来就像是一个于真实直播间里开了美颜打了灯，坐于镜头前的主播。那种皮肤质感、妆容、面光眼神光、稍微虚化的直播间配景等等，都被模子捕获到了。 真正高级的拟真，不是把人画患上无穷美丽，而是让它切合实际里的“美”。实际中的直播间其实不是影戏画面，它有美颜，有灯光，也有那种略微不完善但很是认识的一样平常感。gpt-image-2.0厉害之处，就于在它把这些都模仿了出来。 其次是直播间结构。 许多AI模子实在其实不真正理解“抖音直播间”这个工具。它们知道这里应该有主播、评论、点赞、按钮、礼品，但这些元素往往是被堆上去的。看起来热闹，现实上不可立。由于一个真实App的界面是有秩序的，头像于哪，昵称于哪，评论怎样滚动，互动按钮怎样摆列，输入框于甚么位置，哪些元素靠上，哪些元素贴边，这些都不是随意放的。 我再放一张真正的抖音直播间截图，经由过程对于比就能看到，此次的新模子彻底理解了这个语境。它知道一个直播间截图应该长甚么样，也知道这些元素年夜概应该被放于甚么位置。你不会感觉它是于“画一个叫做‘直播间’的工具”，而是真的于复现一个你曾经经刷到过的界面。 固然，它不是彻底没有问题。假如很是当真地挑，还有是能看到一些处所及真实截图不彻底一致，好比画面比例也可能有点不合错误，个体UI的位置也不是彻底贴合真实App。但这些问题已经经不是那种一眼假的过错，而是需要你停下来、盯着看、甚至拿真实截图比照，才可能会思疑的细节。 这就是质变。 最使我惊奇的，还有有它对于中文文字的处置惩罚。 已往很长一段时间，中文都是AI图象天生里最轻易袒露问题之处。许多模子可以天生很是美丽的画面，但一遇到中文就崩。有的像乱码，或者是缺笔少画；好一点的会酿成字形扭曲，看着像中文却彻底不是中文。而于直播间这个场景中，中文的文字密度很高，评论区、昵称、按钮等等都有中文呈现，只要此中一部门崩失，整张图的真实感就会刹时塌失。 但GPT-image-2此次的体现，已经经到了让人有点不测的水平。 它可以天生彻底准确的中文文字，并且是看起来合理、可读、贴合场景的中文。评论区再也不是随意糊出来的假字符，而是像是真有人于直播间里互动同样。假如必然要说马脚，我感觉可能还有是字体。它的中文字体偶然会显患上不敷尺度，不太像真实体系字库的衬着效果。但说真话，这已经经不是“AI不会写中文”的问题了，而是到了一个更细的阶段。它已经经会写了，只是还有没有彻底像真实App那样排版及衬着。 这个不同很是年夜。 由于当人物天然、界面建立、文字可读、像素同一，这张图就不只是“天生图”，它最先有了“真实感”。这张图片看上去像一张从手机里截下来的画面，像某个直播间真实呈现过的一刹时，也恰是这类觉得，才能真正让人意想到AI图片天生真的变天了。 于2026年的今天，咱们可能真的要接管一个事实，那就是你已经经不克不及只凭一张图片，判定它究竟是AI天生的，还有是真正的截图。 之前咱们说“目睹为实”。厥后咱们说“图片可以P”。但此刻的问题越发繁杂，有些图片可能既不是拍出来的，也不是修出来的，而是AI直接从零天生出来的。它没有原始现场，没有摄影师，没有真实发生过的那一秒，但它看起来彻底像一个真实刹时。 写于末了 GPT-image-2最强之处，其实不只是它能画患上更好，而是它已经经可以或许理解用户的真实语义，并做出对于应的判定。它相识直播间应该是甚么样的，相识中文信息应该以甚么形态展示，相识一个存于在详细平台、详细界面、详细利用场景中的人。 这类能力，比纯真的审美更主要。 将来真正有价值的图象天生，可能不只是天生美丽图片，而是变患上更可托。电商图、社交截图、产物演示、教程界面、内容封面、短视频素材、告白创意，甚至各类咱们还有没来患上和想象的视觉表达，城市被这类能力从头转变。 假如你也想测试，可以去Arena.ai，进入Battle模式选择图象天生对于战。多刷新频频，体系会匿名分配模子，有必然几率碰到这个测试邦畿像模子。它纷歧定每一次都呈现，但只要你刷到一次，年夜几率就能大白我为何说它纷歧样。 今朝看，这个模子应该还有没有彻底年夜范围开放。我预测一方面多是由于算力压力太年夜，另外一方面也是由于这类拟真能力一旦周全铺开，确凿会带来很是繁杂的利用场景及安全问题。此前Google 依附Nano Banana Pro，已经经让Gemini于图象天生上吸引了一年夜波用户。此刻，OpenAI显然也拿出了本身的谜底。 这一次，它不消发布会说服你，也不消参数说服你。 而是直接用成果说服你。 高度拟真、文字正确、像素一致、界面可托、人物天然。最要害的是，它天生出来的工具再也不带着强烈的AI味。你第一眼看到它，真的会以为那就是一张截图。 这才是最震撼之处。 已往咱们惊奇的是：AI竟然能画成如许。 此刻咱们惊奇的是：这竟然是AI天生的。 版权所有，未经许可不患上转载
利用GPT-image-2天生
不真正的AI图片
利用GPT-image-2天生
右边为真实直播间截图
中文字符精准 且贴合直播间场景
一眼高下立判
