你对文生图的印象还停留在 Nano Banana 吗？
可是孩子，时代又变了。
@johnAGI168 https://x.com/johnAGI168/status/2044781168151724067
@0115hippo https://x.com/0115hippo/status/2044722124611539160
4 月初，LM Arena 评测平台上出现了三个匿名图像模型，代号分别是 maskingtape-alpha、packingtape-alpha、gaffertape-alpha。几小时后它们消失了。
OpenAI 官方还没有正式宣布这个模型，但根据 API 返回的元数据和用户侧的测试记录，它已经有了一个被广泛接受的名字：GPT Image 2。
截图不能再当证据了
过去几年，AI 生图模型最明显的短板之一就是图片里的文字。DALL-E 3 时代，你让它在图里写「Hello」，出来的可能是「Hellp」甚至「Hl10」，字母像喝醉了一样东倒西歪。GPT Image 1 好了很多，能处理简单的英文标签。到 GPT Image 1.5 ，其对英文文字的渲染准确率已经接近 95%，但在中文、日文、韩文等非拉丁字母体系上仍有明显缺陷。
而 GPT Image 2 的泄露样图改变了这个印象。
@MrLarus https://x.com/MrLarus/status/2044824800909054181
@akokoi1 https://x.com/akokoi1/status/2044789531615056175
图片里的文字，该是什么就是什么。中文清晰，字形准确，笔画完整。有人测试生成一张身份证样式的图片，姓名、地址、证件号码全部正确渲染，排版规整，初看像是真实文件的照片。
这是个好消息。文字渲染的进步，意味着生成信息图、海报、产品包装、排版复杂的图表，都变得更可靠了。
但硬币总有另一面。一个能生成以假乱真的证件样式图、精确渲染 UI 截图的模型，自然也让「截图可以作为证据」这件事变得越来越可疑。
对比来看，这也是 GPT Image 系列和其他模型的核心差异所在。Midjourney 至今在文字渲染上毫无建树，Stable Diffusion 系列也是老问题。根据泄露的 Arena 测试结果，GPT Image 2 在文字渲染、指令跟随、照片真实感和世界知识四个维度上均超过 Midjourney，后者的优势主要保留在艺术风格和美学控制上。
它真的知道这个世界长什么样吗
有测试者让模型生成一个假想的 GPT-8 产品定价页面，结果出来的图，排版确实是 OpenAI 官网的风格，按钮位置和字体选用像是从真实界面截取的，价格表格的层级逻辑也是对的。
GPT Image 2 能生成与真实软件界面极为相似的图像，包括浏览器窗口、移动端应用界面、数据可视化图表，保真度是上一代产品无法比拟的。
@johnAGI168 https://x.com/johnAGI168/status/2044781168151724067
@levelsio https://x.com/levelsio/status/2040333489476681758
这将带来一些很有意思的实际用途。设计师在做产品原型的时候，不需要先打开 Figma 画一堆框架，直接用文字描述想要的界面，出来的就是一张可以用来和团队讨论的参考图。做投资人 Deck 时，不需要等工程师写代码就能展示一个「产品截图」。写文档的时候，用来配图的示例界面可以直接生成，不用对着空白页面想截图从哪里找。
@marmaduke091 https://x.com/marmaduke091/status/2040338311873515597
生图这件事，已经不只是「生图」了
OpenAI 已经宣布 DALL-E 2 和 DALL-E 3 将于 2026 年 5 月 12 日正式停止服务。Azure OpenAI 的 DALL-E 3 已经在 2 月提前退役了。
DALL-E 是很多人第一次接触 AI 生图的地方，从那些模糊的早期作品到今天，才短短几年。
与此同时，2026 年初刚刚凭借 Nano Banana Pro 确立行业地位的 Google，或许将感受到压力。早期测试报告显示，GPT Image 2 在真实感、文字渲染和世界知识三个维度上同时超越了 Nano Banana Pro，这种三连胜并不常见。
对于创作者来说，感受是复杂的。插图师、平面设计师、摄影师，已经不是第一次面对这个话题了。自 GPT Image 1 发布以来，自由职业平面设计职位数量下降了约 18%。AI 在某些场景下确实取代了「我要雇一个人做这件事」的决策，但它也在创造新的工作方式，让一个人能做的事变多了。
生图模型的进化速度，已经不再给人留出太多适应时间了。GPT Image 1 从上线到 1.5，不过几个月。1.5 到 2，大概也就半年。每一代都在解决上一代的核心短板，同时打开新的可能性。
GPT Image 2 现在还处于 A/B 测试阶段，部分 ChatGPT 用户已经随机获得了访问权限。正式发布的时间窗口，普遍预测就在 5 月 DALL-E 退役前后。想要提前体验的话，目前可以在 LM Arena 评测平台碰碰运气。
Test Address: https://arena.ai
根据社区反馈和该模型的已知优势，以下提示模板可以最大限度地提高你的成功几率：
UI/截图提示：一张照片级逼真的手机银行应用截图，清晰显示交易记录，其中日期、金额和商户名称清晰可辨。iPhone 16 屏幕，自然手持手机，咖啡店背景。
产品标签提示：一张照片级精酿啤酒瓶产品照片，标签细节清晰，显示酒厂名称「Oakridge Brewing Co.」，酒精度 6.8%，山脉标志及配料表。棚内布光，白色背景。
标识提示：一张东京夜间巷道的街景照片，可见多处日英双语霓虹灯招牌，包括写有「Ichiban Ramen — Est. 1987」的拉面店招牌、卡拉 OK 酒吧招牌以及各种发光的广告牌。雨后湿滑的人行道上映着灯光。
界面/世界知识提示：一张照片级真实的 YouTube 视频截图，展示了一段名为「如何在 2026 年组装电脑」的视频，该视频拥有 230 万次观看，配有逼真的评论区、侧边栏推荐视频以及频道信息。桌面浏览器视图。
宽屏触发提示：这是一张电影般的宽银幕照片，拍摄了宜家门店黄昏时分的外观，展示了发光的宜家招牌、停车场里有逼真的汽车，以及进进出出的购物者。黄金时刻灯光，格式 16：9。
未标注图片来源及参考：https://miraflow.ai/blog/how-to-use-duct-tape-ai-model-arena-gpt-image-2-guide
本文来自转载微信公众号“APPSO” ，不代表发现AI立场，如若转载，请联系原作者；如有侵权，请联系编辑删除。
