2026年4月21日，日本国家OpenAI发布了全新图像生成模型“ChatGPT Images 2.0”。该模型在处理复杂视觉任务方面有显著提升，能够生成“即用型”的高质量图像。用户可以通过ChatGPT和Codex等平台使用该功能，且在日本市场迅速走红。
尽管OpenAI已将重心从面向消费者的视频生成AI“天空（Sora）”转向企业市场，但在图像生成领域的投入和强化力度依然显著。此前，谷歌的Nano Banana在图像生成领域占据优势，但ChatGPT Images 2.0在AI模型性能排行榜“Arena”的评分中大幅领先。
ChatGPT Images 2.0强化了对指令（Prompt）的响应能力，提升了对象的准确布局和关联性，并增强了高密度文本的渲染效果。即使是简单的提示词，也能生成高质量且不带明显AI痕迹的图像。
OpenAI的日本负责人旗田健二指出，此次升级的最大亮点是多语言支持。为了实现“通用人工智能（AGI）惠及全人类”的使命，OpenAI特别重视语言能力的提升。虽然这是图像模型，但其多语言能力和文本渲染的飞跃式进步，标志着图像生成领域的范式转变。
作为多语言支持的一部分，ChatGPT Images 2.0对日语的支持也得到了显著改善。以往生成的“奇怪字体”现象已不复存在，字体和字间距更加自然。对于日语及亚洲特有的“竖排书写”仍存在挑战，但旗田表示已充分认识到需求，并有信心实现高水平改进。
该模型还支持将英文图像中的文本准确翻译成日文，保持图像和布局不变。例如，将英文便当菜单转换为日文，同时在图像下方显示汇率信息。
此外，ChatGPT Images 2.0支持4:3、1:1等多种指定长宽比的图像生成，提升构图和视觉感受，减少“AI感”，使生成图像更自然。
OpenAI发布的新闻稿展示了该模型在海报、说明资料、图表、漫画等多种场景中的应用，语言本身成为设计的一部分。
例如，模型生成的Mac屏幕截图逼真到难以分辨，体现了从细腻文本渲染到照片级真实感的强大视觉表现力。
旗田特别强调，ChatGPT Images 2.0具备“推理”能力。它能够基于视觉和常识知识，从网络补充缺失信息，即使不做详细指令，也能生成符合意图的图像。
模型不仅提供基础的“即时（Instant）”模式，还新增了“思考（Thinking）”和“专业（Pro）”模式。思考模式可从单一提示生成多张不同图像，用户可边查看边调整，特别适合对准确性、一致性和视觉连贯性要求高的场景。
思考模式支持一次生成最多8张图像，适合漫画连载页、房间设计方案、不同尺寸社交媒体图片等应用，确保角色和对象的一致性。
在安全性方面，OpenAI引入了输入输出的安全防护措施，并采用C2PA的溯源记录和SynthID等技术防止滥用。
ChatGPT Images 2.0适用范围广泛，涵盖商业、兴趣和学习等多个领域。它不仅是创意工具，也可作为作图助手和视觉学习伙伴。旗田本人作为视觉学习者，常用思考模式将复杂内容图解，助力理解。
OpenAI强调，凭借ChatGPT Images 2.0，图像生成已从“单纯渲染”进化为“战略设计”，从“工具”升级为“视觉系统”。
未来图像生成的发展方向是进一步提升提示词的表达，还是结合Canva、Photoshop等软件进行后期编辑？旗田表示尚未决定，将探索所有可能，致力于为用户提供最佳体验。他设想未来是通过自然对话协作生成意图图像，而非单纯依赖复杂提示词。
日本市场的快速增长
据OpenAI统计，自发布以来，日本市场的ChatGPT Images 2.0使用量增长迅速，位列全球前茅，与新加坡、泰国、台湾并驾齐驱。截至4月28日，日本一周内使用量增长超过60%，在亚洲地区表现尤为突出。
初期流行趋势包括：
- 在照片上用类似马克笔的手绘风格注释元素
- 个人色彩诊断
- 试验各种发型和妆容
- 制作体育或粉丝文化风格的海报
- 商品营销概念和模型图生成
例如，用户可以让模型在照片中用白色细线手绘注释，文字以日语手写体呈现，内容简短且富有情感，整体风格类似Instagram故事或杂志草图，既时尚又轻松。
此外，用户还能利用肖像图进行个人色彩诊断，横向排列不同颜色的服装，直观比较最适合的色彩，所有文字均为日语，无英文。
ChatGPT Images 2.0的发布标志着图像生成技术进入了一个全新的阶段，凭借其多语言支持、推理能力和多模式生成，未来在创意设计、商业应用和教育领域将发挥更大作用。
