OpenAI ChatGPT Images 2.5 发布

ChatGPT Images 2.5 实际上是将两个独立的 API 模型封装进了一次 ChatGPT 更新之中 ^[1]。GPT-Image-2.5 Flare 现已成为默认模型，在保持原有质量、编辑能力和速度改进的同时，延迟最多降低了 50% ^[2]。整体来看，用户获得了更自然的光照、更丰富的纹理、对参考照片主体更好的保留效果，以及更可靠的指令遵循能力 ^[5]。而 GPT-Image-2.5 Sunburst 则以牺牲速度换取精度，在详细创意编辑方面提供更精细的控制 ^[2]。这种双模型策略使 OpenAI 能够真正提供选择——快速稳健 vs 缓慢极致——而非单一妥协方案，并且两种模型的 API 定价保持不变：每百万图像输入 token 收费 8 美元（重复使用时缓存为 2 美元），每百万图像输出 token 收费 30 美元，与之前的 GPT-Image-2 系列相同 ^[3][4]。

OpenAI 正在大力宣传 2.5 版本具备更清晰的细节、更丰富的纹理和更自然的光照 ^[5]。然而，实际使用者最强烈的反馈却是：一种特定的伪影——在天空、背景、头发和植被中出现的细小噪点和类似棋盘格的颗粒感——依然存在，这一问题从 2.0 版本延续至今，尽管质量提升被反复强调却仍未解决。独立测试证实了这些投诉并非个别抱怨 ^[6]。矛盾因 OpenAI 自身的对抗性安全数据而加剧：Flare（1.41%）和 Sunburst（1.09%）的不安全生成率与 2.0 基准线（1.64%）相比并无统计学显著差异，且 OpenAI 明确指出其测试集并不能代表真实的生产流量 ^[7]。OpenAI 公布的指标并未真正平息社区关于质量的争论——它们只是绕开了这个话题。

此次发布时间点更多反映了竞争压力，而非孤立的产品路线图里程碑。谷歌的 Nano Banana 2（Gemini 3.1 Flash Image）早在 2026 年初就已在 Artificial Analysis 图像竞技场中凭借准确率登顶 ^[8]。与此同时，微软已部署其自研的 MAI-Image-2.5 模型，并将其设为 Bing Image Creator 的默认模型，实现端到端运行，从而减少了对 OpenAI 模型的依赖 ^[9]。在此背景下，OpenAI 推出一个明确在速度与质量之间做权衡的双模型策略，看起来更像是在防范自己同时在两个维度上被超越，而不是单纯地为开发者提供更多福利。

无论是通过 ChatGPT 还是 API 生成的图像——无论是 Flare、Sunburst 或其他方式——现在都携带 C2PA 清单及 Google 的 SynthID 隐形水印，这套系统是 OpenAI 自 2026 年 5 月起开始构建的 ^[11][12]。伴随 2.5 版本，OpenAI 还预览了一款公开工具，允许任何人通过检测这些内容凭证和 SynthID 信号，来验证上传的图像是否由 ChatGPT、API 或 Codex 生成 ^[11]。在 Reddit 上，一些用户提出了未经证实的理论，认为持续存在的噪点问题可能与隐形水印层有关，而非纯粹的渲染缺陷——尽管 OpenAI 尚未回应此猜测，但这表明用户对于为何一个号称更高品质的模型在近距离观察下仍显得噪点多，几乎毫无了解。

抛开营销宣传和伪影争议，有两个进步看起来是真实的，即使其中一个的证据比另一个更薄弱。早期用户报告显示编辑一致性有所改善：基于评论的多次编辑似乎比以往更少导致图像质量下降，尽管这一判断主要来自零散的社区反馈，而非受控测试。更明确的胜利在于分发渠道：Adobe 已将 Flare 和 Sunburst 直接集成到 Firefly 的“生成图像”、“编辑图像”和“Firefly Boards”工具中，使 Firefly 用户无需登录 ChatGPT 账户即可调用 OpenAI 的模型 ^[10]。这种嵌入式分发对 OpenAI 的竞争地位意义重大，远超任何单一基准分数，尤其考虑到目前每周通过 ChatGPT 和 API 已生成超过 30 亿张图像 ^[13]——如此庞大的体量基础意味着即使是微小的编辑改进也能转化为显著的用户锁定优势。