官方發布新一代影像模型的公告，幾乎都在講「更清晰、更快、更準」，這幾個形容詞每次改版都會重複出現一次，光看文字很難判斷這次差異在哪裡。OpenAI 在 2026 年 9 月 8 日推出的 GPT Image 2.5（對話框裡顯示為 ChatGPT 圖像 2.5）也不例外，官方主打細節更清晰、生成更快、編輯更準，但這種形容詞放在任何一次改版公告都說得通，真正有用的判斷方式只有一個，就是拿它去做幾個刁鑽到會露餡的測試。這代模型取代了 2025 年推出的 ChatGPT 圖像 2.0，官方公布的數字顯示，每週透過 ChatGPT 圖像與 API 生成的圖片已經超過 30 億張，使用規模夠大，這一代模型進步了多少，才值得認真談。
新在哪裡值得先弄清楚，再拿七個現場出的題目逐一驗證更準；文章裡放的每一張圖，都是這次實測當場生成的結果，不是官方公布的範例圖。
一、GPT Image 2.5 是什麼？跟上一代的差異
GPT Image 2.5 是 OpenAI 目前主力的影像模型，直接取代 2025 年推出的 ChatGPT 圖像 2.0，不管是在 ChatGPT 對話框裡生圖，還是透過 API 串接，用的都是同一套底層模型。跟上一代相比，官方公告點出四項加強：光線與質感更自然，參考照片裡的主體與特徵更能保留，多輪編輯的一致性更穩定，加上生成延遲最多降低 50%。
這四項加強不是各自獨立，背後其實牽動同一件事，那就是模型聽不聽得懂指令，又守不守得住不該變動的地方。光線質感影響的是單張圖好不好看，參考照片與多輪編輯一致性影響的是能不能連續修改而不跑掉，延遲降低則直接決定它能不能放進真正要出圖的工作流程，而不只是拿來玩玩。
ChatGPT 介面裡的新功能
介面端這次新增幾個實用的小工具。在對話框輸入「@Sketch」可以把手繪草圖轉成完整圖像，對還不擅長打字描述畫面的人很方便；內建的範本功能整理了「海報」「商品」這類熱門格式，不用從零想版型。生成完一張圖之後，還可以直接在圖片上留言，標註要局部修改的地方，不用重新打一長串文字指令；完成的圖片也能連同提示詞一起分享出去，對方直接拿去套用，不用自己猜關鍵字怎麼下。
這幾項功能不限特定方案，免費與付費的 ChatGPT 使用者，以及 ChatGPT 工作、Codex 的使用者，不管是桌面版、行動版還是網頁版都能用到。安全機制延續前一代的做法，生成的圖片會帶 C2PA 中繼資料與隱形浮水印，用來標示這是 AI 生成的內容，方便平台或第三方工具辨識。
給開發者，API 的 Flare 與 Sunburst
對要透過 API 串接的開發者，GPT Image 2.5 分成兩款模型，差別在於要快還是要準。
| 模型 | 定位 |
|---|---|
| GPT-Image-2.5 Flare | 預設選擇，品質高於前代 GPT-Image-2，延遲降低 50%，適合一般日常出圖、大量生成、快速做原型 |
| GPT-Image-2.5 Sunburst | 生成時間較長，換取多次編輯後更高的精準度，適合可以直接投入製作的活動素材、精緻產品圖 |
規格上，這代解析度最高來到約 4K，單邊最大 3840 像素，總像素落在約 65 萬到 830 萬之間；長寬比支援 1:3 到 3:1，常見尺寸則是 1024×1024、1536×1024、1024×1536。畫質分成 low、medium、high、xhigh、max、auto 六個等級，其中 xhigh 與 max 是這一代才新增的選項；輸出格式可以選 PNG、JPEG 或 WebP。
定價方面，根據科技媒體整理的資訊，兩款模型價格相同：影像輸入每百萬 token 8 美元、影像輸出每百萬 token 30 美元、文字輸入每百萬 token 5 美元，官方文件本身並沒有逐一列出這幾個數字。參考圖片的張數上限也是社群整理出來的資訊：生成端點最多可以放 10 張參考圖，編輯端點則最多 16 張。
在 ChatGPT 介面裡不用自己選模型，系統會自動套用最新的 2.5；上面這些參數是給用 API 串接的開發者調整用的，一般使用者感覺不到差別。
二、實測方法
七個測試全部在 ChatGPT 網頁版現場生成，每一題各開一個新對話，避免同一個對話累積的上下文影響結果；只有測試編輯能力那一題需要在同一個對話裡連續生成多輪，才能驗證「改一處、其餘不動」做不做得到。
評分的重點不是「圖畫得漂不漂亮」，而是它有沒有照指令做到，文字有沒有寫對、數量顏色位置對不對、要求不要動的地方有沒有真的守住。這幾個維度比美感更能反映一個影像模型在實務上好不好用，尤其對要拿去做提案、素材、社群圖的人來說，照做比好看更關鍵。
測試 1，中文海報文字排版
這題丟給它的指令是做一張直式活動海報，台灣夜市插畫風，暖橘配深藍；標題寫「龐果設計講座」，副標「AI 生圖實戰工作坊」，底部小字標明「2026 年 10 月 18 日 台北 免費入場」。中文排版一直是 AI 生圖公認的痛點，這題算是先丟一個硬仗開場。
結果讓人意外：標題、副標、底部日期地點三處的中文與數字全部逐字正確，連金色書法風格的標題字都沒有糊掉。指令裡只寫了「台灣夜市」，沒有指定地標，它自己補上台北 101 的天際線當背景，情境理解算是到位；攤位的裝飾招牌大多用圖案呈現，沒有出現亂碼假字，這正是舊一代模型最常見、也最容易露餡的破綻。整體來看，這張圖是很有說服力的開場。
測試 2，寫實產品情境照
這題要求是一張寫實產品情境照，燙金 logo 的白色名片斜放在深色胡桃木桌面上，旁邊擺一杯冒著熱氣的拿鐵，光源設定成左側自然晨光，淺景深，整體質感要拍得高級。
出來的結果幾乎跟真實商業攝影分不出差別。名片上燙金 logo「LUMIÈRE」連重音字母 È 都清楚保留；拿鐵的拉花與蒸氣、胡桃木的木紋、窗光灑下的光斑、陶杯表面的顆粒質感、名片紙張的壓紋全部到位，景深散景也做得自然。它甚至自己在畫面裡擺了一本真實存在的攝影書《The Kinfolk Home》當道具，細節考慮得比預期多。官方公告主打的「光線更自然、質感更豐富」，在這種寫實照片題材上確實看得出差異。
測試 3，複雜指令遵循
這題測的是多重約束能不能同時守住，純白背景平拍，正中央放一台闔上的銀色筆電，左上角橫放三支馬克筆，顏色由左到右依序是紅、黃、藍，右下角疊一疊黃色便利貼，正下方放一副黑框圓形眼鏡，所有物件之間不能重疊。
每一個條件它都命中，三支筆的數量正確，顏色順序紅到黃到藍，由左到右一字不差；筆電置中、便利貼在右下、圓框眼鏡在正下方、背景維持純白、物件之間完全沒有重疊。過去的 AI 生圖模型最容易在「數量加顏色加方位」這種多重約束疊在一起時出錯，不是多畫一支筆就是顏色排錯順序，這張圖交出來的結果算是乾淨俐落。
測試 4，精準編輯只改一處
這題測的是編輯能力，而不是從零生成。先請它生成一張基底圖，一個戴眼鏡、綁馬尾、穿橘色上衣的女生捧著一杯珍珠奶茶；接著在同一個對話裡要求「只把上衣改成綠色，臉、眼鏡、髮型、珍奶、雙手姿勢、背景全部不要變」。
把前後兩張圖並排比對，結果稱得上教科書等級：除了上衣顏色變綠，五官、黑框眼鏡、馬尾、珍奶杯（連冰塊、珍珠、吸管的位置都沒動）、握著杯子的手勢、淺藍背景全部維持一致。「改一處、其餘不動」正是實務上最常見的需求，也是舊模型最難做到的地方。以前只要改一小處，常常整張重畫，連臉都會跟著變掉；這題的表現，是七題裡實務價值感覺最直接的一個。
測試 5，資料型資訊圖表
這題找它做一張資料型的長條圖，呈現五個社群平台的使用率，刻意指定一組假數據來測試它照不照抄指令：LINE 90%、YouTube 88%、Facebook 82%、Instagram 65%、Threads 40%，並要求每根長條都要標上名稱與數字。
標題、副標、五個平台名稱、五個數字全部逐字正確，長條的長度也跟數值成正比；五個品牌 logo 都畫對，中文排版也乾淨清楚，這部分表現是強的。但這題也踩到一個要注意的雷，即使指令裡完全沒有要求，它自己在圖表底部補了一行文字，寫著「資料來源：2025 台灣網路使用行為調查（示意圖）」，這個調查名稱是它自己捏造出來的，雖然貼心地加註了「示意圖」三個字，但沒有仔細檢查就直接拿去用，等於掛了一個不存在的來源。這件事提醒得很清楚，用 AI 生資訊圖表，自動補上的來源、註腳一定要逐字看過再用；也要說明清楚，這張圖裡的數字是為了測試模型能力隨手指定的假值，不是真實的統計結果。
測試 6，密集中文文字的菜單壓力測試
這題要測的是密集中文字的穩定度，手寫粉筆風的咖啡菜單黑板，直式構圖，標題寫「龐果咖啡 MENU」，底下列出六個品項與價格，分別是美式咖啡 90 元、拿鐵 120 元、卡布奇諾 120 元、抹茶拿鐵 140 元、珍珠奶茶 130 元、檸檬氣泡飲 110 元。
放大逐字核對後，標題加六個品項、六個價格全部正確，沒有出現任何亂碼；連「卡布奇諾」「檸檬氣泡飲」「抹茶拿鐵」這些筆畫比較多的字都寫對了，而且手寫筆觸本身就比印刷體更難生成，二十幾個中文字沒有一個崩掉。這代模型在中文文字渲染上的穩定度，確實跨過了一個明顯的門檻。
測試 7，透明背景去背
這題要它做一張扁平風的柴犬吉祥物貼圖：戴耳機、比讚手勢，背景要求透明，也就是 PNG 去背，而且周圍不能留下任何背景色塊或方框。
輸出的 PNG 檔案是真正的 RGBA 透明檔，不是白底貼上去的假去背。實際用程式檢查像素，角色以外、四個角落的區域裡，大約 46% 的像素 alpha 值都是 0，也就是完全透明。對需要做貼圖、logo 或去背素材的人來說，這個功能很實用，可以省掉再開一次修圖軟體去背的時間。
三、優點與限制總結
把七個測試放在一起看，GPT Image 2.5 明顯變強的地方集中在幾件事上。
- 中文與數字的文字渲染：海報、資訊圖表、密集手寫菜單三個題型全部過關，是相對前一代最有感的一次躍進。
- 指令遵循的命中率高：數量、顏色、方位這類硬約束疊在一起時，依然守得住。
- 精準局部編輯：只改指定的地方，其餘完全不動，前後圖高度一致，是實務上價值最高的能力。
- 照片級質感與真正的透明去背：兩者都做到位，拿去做情境照或素材圖都堪用。
不過也有幾個地方要留意。
- 會自動「腦補」沒被要求的內容：最典型的例子就是資訊圖表那題自己捏造出來的資料來源，凡是圖裡出現數據、來源、機構名稱，務必逐字查核過再用。
- 圖裡的文字寫對，不代表內容為真：測試 5、測試 6 用的數字都是為了測試能力隨手指定的假值，模型能把字排得整整齊齊，不代表那些內容經過查證。
- 圖片帶有隱形浮水印與 C2PA 標記：這是 OpenAI 的溯源機制，圖片可以被辨識為 AI 生成，商用之前要留意各平台對 AI 內容標示的規範。
- 細節仍需要人眼複查：手部、極小的字、複雜的透視偶爾還是會出現瑕疵，不是每次都完美。
四、給行銷與內容工作者的實務建議
對每天要出圖、手邊不一定有設計師的行銷與內容工作者，GPT Image 2.5 拿來做提案初稿、情境示意、社群配圖、貼圖素材已經很夠用，尤其是需要中文海報，或是要局部改字、改色的情境，這代模型的表現特別明顯。
想改一小處的時候，善用「精準編輯」會比整張重新生成省時間得多，只要直接說「只改哪裡，其他都不要動」，模型就能守住已經滿意的部分，不用擔心改完整張圖的氛圍全變。
要放數據、來源、法遵資訊的圖，一律要人工複查一遍；模型很會把字排得像回事，但內容是不是真的，還是得靠人把關。需要透明素材的時候，直接在指令裡要求「透明背景 PNG 去背」就好，可以省掉再開一次修圖軟體的工夫。
如果要做的是需要精修、能控制細節的商用大圖，可以考慮走 API 的 Sunburst；日常需要快速出圖，用介面版當下的 Flare 品質已經夠用，不用每次都糾結該選哪一款。
這一代 GPT Image 2.5 真正站得住腳的進步，不是畫得更漂亮，而是更聽得懂指令，也更守得住指令：中文字寫得對、要改哪裡就真的只改哪裡、要透明就是真的透明。對每天要出圖的行銷與內容工作者來說，這幾件事省下來的時間，比畫面好不好看更實際。
唯一要一直提醒自己的是，它把字寫對，不代表那句話是真的。把 AI 當成一支反應極快的美術手可以，但最後的事實核對與品質把關，還是得留在人這一邊。