OpenAI 推出 ChatGPT Images 2.0：文字渲染大進化、支援多圖生成，但「中文生成」仍卡關

AI 繪圖再進化！OpenAI 於本週二正式推出全新影像生成模型「ChatGPT Images 2.0」。新模型大幅強化了「推論能力」與「文字渲染」技術，用戶現在能一次生成多張圖片、自訂極端長寬比，甚至能在圖片中精準生成英文單字。不過外媒實測發現，該模型在處理中文等非英語系文字時，仍會出現難以辨識的「AI 亂碼」。 （前情提要：壽命僅 3 個月！OpenAI 無預警關停科研寫作平台 Prism，戰略大轉向「不再搞副業」） （背景補充：ChatGPT 幕後推手 Srinivas Narayanan 閃辭 OpenAI，一週三已有高層出走）   圖像生成的戰場再度升溫。OpenAI 於週二（21 日）宣布為全球 ChatGPT 與 Codex 用戶推出全新的影像生成 AI 模型 —— ChatGPT Images 2.0，並為付費訂閱者提供更強大的運算版本。 這次的重大更新不僅帶來了更細緻的畫面表現，更試圖解決過去 AI 繪圖最令人頭痛的「文字拼寫（Text rendering）」問題。 結合推論能力，單次提示可產出多張圖片 與過去的模型相比，Images 2.0 最大的突破在於它整合了 ChatGPT 強大的「推論（Reasoning）」能力。這意味著 AI 在生成圖片前，會執行更多的思考步驟，甚至能連上網路搜尋最新資訊（該模型的基礎知識庫截止日期為 2025 年 12 月）。 新模型的亮點升級包含： 多圖連續生成：用戶只需輸入一次提示詞（Prompt），就能讓模型產出一系列圖片，例如一整本學習手冊的視覺內容。 高度客製化尺寸：打破傳統的比例限制，新模型支援從 3:1（極寬）到 1:3（極高） 的長寬比，用戶可直接在提示詞中指定所需尺寸。 更細緻的資訊圖表：外媒實測要求生成「舊金山明日天氣預報與推薦活動」的資訊圖表時，AI 成功將天氣細節與當地地標（如渡輪大廈、卡斯楚戲院、泛美金字塔）精準地融合在同一個畫面中。 官方提示詞：Make a sample page of a colorized Japanese shonen adventure manga. The page should vividly depict our main character found a magical quill. The name of the quill is called the Quill of GPT Image. Make it dramatic. The magical quill has strong power sealed inside it. Additional instructions: Aspect ratio: Portrait 1440×2560. The pen should have an OpenAI logo on it. The language throughout the manga should be Japanese. Think carefully first to make this a good story with good split of manga panels. The page should appear as a photo of a physical page, not a digital page.   英文拼寫完美過關，但「中文海報」慘成亂碼 過去幾年，當主流模型嘗試在圖像中生成文字時，往往會產出扭曲的字元或拼寫錯誤的單字。根據實測，Images 2.0 在英文文字渲染上取得了令人驚豔的進步，畫面中的英文單字變得更加清晰且準確。 然而，當挑戰非英語系語言時，Images 2.0 仍顯得力不從心。外媒測試人員要求 ChatGPT 模仿中國粉絲，為好萊塢男星提摩西·夏勒梅（Timothée Chalamet）製作一張「中文應援海報」。雖然產出的海報視覺極具張力（包含傳統服飾、貓耳、珍珠奶茶與熊貓等元素），且畫面中塞滿了超過 20 處文字，但這些字卻無法閱讀。 當測試員反問 ChatGPT 這些字是什麼意思時，AI 竟展現了極強的「自我批判」能力，誠實地回答： 「這其中大部分是假的，或者是偽裝成中文迷因海報的半胡言亂語 AI 文字，所以無法完全流暢地翻譯出來。還有一些地方明顯是扭曲的，或是混雜了看起來像日文的字元……這些大多是為了模仿東亞粉絲剪輯文字的感覺而捏造的無意義符號，而不是準確的句子。」 總結來說，ChatGPT Images 2.0 在功能多樣性與英文處理上已展現出強大的實力，無疑為生產力工具帶來了實質的提升。至於全球用戶引頸期盼的「多語系精準生成」，或許仍需等待 OpenAI 在未來版本中透過更龐大的全球數據進行強化了。 官方提示詞：Generate a full color Chinese-text manga about this OpenAI 研究科学家, 陈博远 (first picture), who works on improving the text rendering capability of ChatGPT Image 2 model for the upcoming release. (in the background there is boba tea and a banana taped to the wall with a single slice of duct tape). The model can render insanely small Chinese text when he tried generating some detailed and beautiful multilingual infographics handdrawn-style poster about his hometown, 无锡 on his computer scree...