AI 生图的进步，要看最后能不能交付

9 月 8 日，OpenAI 发布了 ChatGPT Images 2.5。官方强调的变化除了画质和速度，还有两件事：尽量只修改用户指定的部分，以及在多轮修改后保留前面已经确定的内容。OpenAI 称，它的生成延迟比 Images 2.0 最多降低 50%。这些是官方公布的能力与数据，具体效果仍要放到实际任务里看。

我更在意的不是第一张图能不能让人眼前一亮，而是第二次、第三次修改后，它还能不能成为一张可用的图。

最近为《GPT-6 Astra：更强的模型，然后呢？》制作公众号封面时，第一版已经有了合适的画面和标题，但屏幕里多出了不需要的文字。修改文字后，画面尺寸又没有达到发布流程要求的比例，只得再调整一次。单看每一版，都不算糟糕；放进发布流程，文字和尺寸只要有一项不合格，就还不能交付。

这正是生图工具容易被“生成速度”掩盖的成本。创作者需要的不是不断得到新图，而是在一张已经接近目标的图上，改掉一个错误，同时保住其他正确的部分。改标题时人物和构图别变；调整画布时标题别被裁掉；再改一处细节时，前两次确认过的内容仍然成立。返工一旦牵动整张图，生成再快，最后也可能花更多时间。

Images 2.5 的方向因此值得关注。OpenAI 说它更擅长局部编辑和多轮保持一致，ChatGPT 里还加入了草图和直接在图片上标注修改意见的方式。我的理解是，这些改动试图让创作者更准确地表达“改哪里、保留哪里”，而不只是反复重写提示词。Axios 的早期试用也观察到了更细致的编辑能力，但少量试用还不足以证明它能稳定处理所有文字、尺寸和连续修改任务。

真正的检验标准应该是完整的交付过程：一张封面从初稿到定稿，需要人工纠正几次？每次修改会不会带来新的错误？标题、构图和平台尺寸能否同时通过检查？没有同任务的前后对照，就不能因为发布说明写着“更精准”，认定问题已经解决。

对我这样的内容创作者来说，AI 生图的价值不只是把想法画出来，而是让一张接近完成的图，经过修改后仍然接近完成。第一张图决定能不能开始；稳定的修改能力，才决定能不能交付。