GPT Images 2.5 局部编辑、多轮一致性实测,似乎没有想象中完美

就在今天,OpenAI 正式发布了新一代图像生成模型 ChatGPT Images 2.5

为什么是 Images?因为这次更新衍生出了两个版本。

GPT-Image-2.5 Flare 主打速度路线,适合快速试稿、日常出图和批量生成;GPT-Image-2.5 Sunburst 更着力于编辑精度,适合处理商品图、广告素材这类需要反复打磨的任务。

如果说前几代 AI 绘图是在“抽卡”,那么 Images 2.5 显然想带我们走进真正的“设计工作台”。官方把这次升级归纳得很直接:图片细节更清晰、生成速度更快、参考图的主体保真度更高。更重要的是,在连续修改一张图时,模型终于学会了“管住手”,不再轻易误伤已经确认的部分。

Sam Altman 发帖时还拿它开了个玩笑:“复杂数学题未必是它的工作,但画图这件事,它确实做得很好。”

玩笑归玩笑,OpenAI 对 Images 2.5 的期待却极高。根据官方数据,目前用户每周通过 ChatGPT Images 和 API 生成的图片已超过 30 亿张。新版上线后,OpenAI 显然想让 AI 绘图真正切入个人创作、营销设计和商品视觉的日常流水线。

这次更新我们最关注的,可以算是一个老生常谈的问题:GPT Images 2.5是否真的能做到修改细节的同时维持其他特征不变?我们拿 Images 2.5 跑了几组不同类型的硬核测试。

参考图保真

Images 2.5 把“参考图保真”列为主要升级点。官方称,模型能在改变场景、风格和构图时,继续保留人物或物品的核心辨识特征。

在这组测试里,我们上传了一张破碎的玻璃画框,要求模型修复被打碎的玻璃,并维持画框中的景色不变。

参考图保真测试原图:玻璃破碎的画框
原图
参考图保真测试结果图:GPT Images 2.5 修复了镜面裂纹,画框中的天空与树影保持不变
结果图

结果相当不错。镜面上的裂纹和破损被完整修复,原有的天空与树影衔接自然。木质镜框、画面边缘的枝叶,以及下方露出的相机也都保留了下来,整体构图几乎没有变化。

唯一美中不足的是由于原图缺失了较多手指细节,模型补出的形态略显生硬,放大后仍能看出不自然的地方。

精准局部编辑

精准编辑是 Images 2.5 的核心升级之一,也是近期各家图像与视频模型竞相发力的方向。

在第一组测试中,我们要求模型仅将人物的白色运动装替换为深色网球服,其余元素保持不变。从生成结果来看,新服装的款式、褶皱及光影融合度表现自然,人物的面部特征、姿态以及背景结构也得到了较好保留。

然而,仔细对比原图仍可察觉轻微的全局色偏,尤其是运动鞋的颜色变化较为明显。这种局部修改引发全图色调波动的现象,在 GPT Image 系列中并非首次出现。尽管本次偏移幅度尚在可接受范围内,但运动鞋颜色的意外改变,也暴露出 Images 2.5 对非编辑区域的像素级锁定仍存在一定的不稳定性。

替代文本:局部编辑第一组原图:身穿白色运动装的人物
原图
替代文本:局部编辑第一组结果图:服装被替换为深色网球服,人物面部、姿态与背景结构得到保留
结果图

第二组测试中,我们让 GPT Images 2.5把原图中的透明护目镜,换成参考图里的猫眼墨镜。

参考图的眼镜款式采用透明镜腿,镜腿和镜片之间还有复杂的前后遮挡关系。Images 2.5 没有完全处理好这个细节,镜腿被错误地画在了镜片上,看起来像是从镜片中穿了过去。

局部编辑第二组原图:金发女性佩戴透明镜腿眼镜的局部特写,镜腿与镜片之间存在复杂的遮挡关系
原图
局部编辑第二组参考素材:透明镜腿的猫眼墨镜
参考素材
局部编辑第二组结果图:镜腿被错误画在镜片上,出现穿透镜片的瑕疵
结果图

为了判断这是偶发失误,还是当前图像模型共同的难点,我们用相同素材和指令测试了 Images 2.0 与 Nano Banana Pro。Images 2.0 也出现了类似的镜腿穿透问题。Nano Banana Pro 处理好了镜片与镜腿的遮挡,但外露镜腿的形状发生了变化,整张图的色调也与原图不完全一致。

三组结果都说明,遇到透明材质和复杂遮挡关系时,局部替换依然很难一次完成。模型可以换对目标物,却未必能同时保住它的结构和画面中的其他细节。

相同指令下 GPT Image 2.0 的生成结果:同样出现镜腿穿透镜片的问题
GPT Image 2.0 生成结果
相同指令下 Nano Banana Pro 的生成结果:遮挡关系正确,但镜腿形状与整体色调发生变化
Nano Banana Pro 生成结果

多轮编辑一致性

一张图很少会在第一轮定稿。人物确认以后还要改服装,服装定下来又可能换背景,后面还会继续调整文案和尺寸。

OpenAI 表示,Images 2.5 在多轮编辑中更容易延续此前的修改,画质也不容易随着轮次增加而下降。为了验证这一点,我们在进行了两轮修改,并分别测试了高画质和 Max 画质。

第一轮,我们把女孩手中的书换成《简·爱》;第二轮,再把列车背景换成霍格沃茨特快。两次指令都执行成功,人物的长相、服装和姿势也保持得很好。

问题出在画质。第一轮修改后,人物面部和裙摆已经出现清晰度下降;到了第二轮,噪点和过度锐化更加明显,画面也显得有些脏。

高画质和 Max 画质都存在这个问题。放大观察人脸,Max 画质保留的细节更多,清晰度也略好,但整体差距并不算大。考虑到 Images 2.5 的 4K 高画质价格明显低于 Images 2.0 的同档位,高画质已经是性价比较高的选择。

相比 Images 2.0 的 4K 高画质,Images 2.5 在人物一致性上的提升很明显。它能记住人物,却还扛不住太多轮修改。想从第一张图一路改到成片,画质损耗仍然需要留意。

多轮编辑测试原图:站在列车旁手捧书籍的女孩
原图
多轮编辑第一轮结果图(4K 高画质):书被替换为《简·爱》
第一轮结果图(4K,高画质)
多轮编辑第二轮结果图(4K 高画质):背景替换为霍格沃茨特快,清晰度有所下降
第二轮结果图(4K,高画质)
多轮编辑第一轮结果图(4K Max 画质)
第一轮结果图(4K,Max 画质)
多轮编辑第二轮结果图(4K Max 画质):噪点与过度锐化更加明显
第二轮结果图(4K,Max 画质)
GPT Image 2 4K 高画质的第二轮结果图,用于与 Images 2.5 画质对比
第二轮结果图(GPT Image 2 4K,高画质)

灵魂画手狂喜:@Sketch 草图直出与商业质感

除了常规生成,这次新增的 @Sketch 功能堪称自媒体配图利器,随便画个轮廓,补一句“扁平插画风”或“时尚大片”,它就能把草图变成精致插画。草图不用画得多精细,物体的位置和空间关系表达清楚就够了。

忽略我的灵魂画功,导致我画的汽车被模型理解成了飞机,Images 2.5 对我原图的想象以及时尚商业大片的质感还是很在线的,结果图保留了人物站在载具前方、手提包位于身侧的构图,还补出了机场环境和杂志大片的光影。文字表现也不错。主标题和辅助文案都能正常生成,排版接近时尚杂志封面。

对于自媒体配图、视觉提案和概念草图,这种“先画位置,再交给模型完成”的方式会比单靠文字描述更直观。

@Sketch 功能测试手绘草图:人物与载具的轮廓布局
手绘草图
@Sketch 功能结果图:草图被生成为时尚杂志大片质感的插画,文字排版完整
结果图

总结

几组测试跑下来,Images 2.5 确实比上一代更听指令。修复破损画面时,它能保住原有构图和大部分细节;连续换书、换背景,人物也没有跟着变脸。@Sketch 对内容创作者尤其友好,草图画得再潦草,只要位置关系交代清楚,模型大多能接着做成一张完成度不错的视觉稿。

但它离真正的“指哪改哪”还有一点距离。换衣服会带动全图色调变化,透明镜腿和镜片的遮挡关系仍会出错。多改几轮,人物虽然还在,画质却会逐渐变脏。商品图和广告素材如果准备直接交付,不能只检查改过的地方,周围细节也要重新过一遍。

实际使用时,Flare 更适合快速试稿和批量生成,需要精修时再切到 Sunburst。从这次对比来看,4K 高画质与 Max 的差距不算大,作为日常档位已经够用。

Images 2.5 已经可以认真放进日常出图流程了。到了最终交付前,色彩、遮挡关系和多轮画质仍要有人盯着,这一步暂时省不掉。

GPT Images 2.5 实测:局部编辑、多轮一致性与 @Sketch