GPT-Image-2 全面使用教程：设计师和运营应掌握的 9 个工作流

佚名 2026-07-29 08:24:05

过去两年里，真正具备进入专业工作流能力的 AI 图像模型，首个就是 GPT-Image-2（也叫 ChatGPT Images 2.0）；OpenAI 于 4 月 21 日发布了它。

第二名比它少了 242 分；它在 LM Arena 文生图榜单取得的成绩是 1512 分。

若用模型代差衡量，这一差距近似 DALL-E 与 Nano Banana Pro 之间的距离。

一、认识GPT-Image-2

2026 年 4 月 21 日，OpenAI 发布了新一代原生多模态图像生成模型 GPT-Image-2，其内部代号为“Spud”。

在全面升级 GPT-Image-1.5 的同时，它还成为 DALL-E 3 的继任者。

1.原生 Thinking 模式：规划在生图前，自检在生图后

一张图会依次经过创建 → 打草稿 → 生成初稿 → 搭建场景 → 打磨细节 → 收尾 → 润色 → 微调这套完整的八步流程。原因是 GPT-Image-2 接入了 OpenAI O 系列推理模型，而这正是其架构上最核心的创新。

整个过程还能联网搜索、检查错误并迭代修正。这意味着——当你要求它制作财报信息图时，它会先联网获取最新数据，再进行绘图，完成后还会自行核对数字是否出错。

从架构角度看，这是所有 Diffusion 模型都无法做到的。

2.由世界知识驱动

生成结果之所以符合真实产品的视觉规律，是因为 GPT-Image-2 的训练数据明显倾向于 UI 截图、店面招牌、真实界面布局等真实视觉素材。

3. 分镜中的角色一致性

支持生成一组系列物料，例如同一个 IP 形象在 8 个不同场景中的图片

4.像素级区域编辑

对指定区域进行修改时，其余部分基本不会发生漂移。

光照、透视与阴影的一致性都能完整保持。过去在 PS 里“手动抠图改细节”的操作，如今用一句自然语言即可完成。

从 4 月 21 日开始，所有 ChatGPT 用户都可以使用 GPT-Image-2，免费用户也包括在内；不过免费用户仅可使用 Instant Mode（即时模式），Thinking Mode 则位于付费墙之后。

每 24 小时采用滚动窗口计算额度，数量为 2~3 张；到了高峰期，上限会压至 3 张。

实际操作步骤：

确认订阅状态前，进入 chatgpt.com 完成登录
在对话框直接输入生图 prompt 或上传参考图
想触发 Thinking Mode，在 prompt 末尾加上 "think carefully before generating" 或 "请仔细思考再生成"
出图耗时方面，Thinking 模式约 30-60 秒，Instant 模式约 3 秒
图片生成后，可以直接进入“编辑模式”，通过自然语言完成局部调整

当任务与股价、汇率、新闻热点等实时数据有关时，可以直接要求“先联网查最新数据再画图”。这样会触发图像生成 + web search 的组合链路，这个技巧很少有人提到。

如果不清楚怎样订阅GPT，可以参考我此前发布的文章。