人在办公室灯还没关朋友圈先炸了。昨晚拿到 GPT images 2.5 的实测入口我原本只想随便出两张图验证一下老测试集结果从九点折腾到凌晨两点越测越精神。这代模型的出图稳定性跟我之前用过的图像生成版本完全是两个物种——很多以前要反复抽卡、后期修补才能出的效果现在直接一句话就给你端上来了。标题说“太颠了”不是夸张是我测到凌晨时的真实感受它强得有点不讲道理但又会在某些犄角旮旯的地方露出诡异的破绽。这篇东西不是官方评测算是我个人的一手实测记录。我会把完整的测试思路、Prompt配方、翻车截图级描述、以及我现在真正拿它干活的工作流全部写出来给同样在玩图像生成的朋友一个参考。不管你平时是用它做自媒体配图、电商素材、漫画分镜还是产品概念图这篇应该都能帮你少走点弯路。1. 第一轮摸底为什么说“2.5”这次的路数不一样先说测试环境。我这次主要走的是产品内对话入口没有特殊参数就是纯自然语言对话式出图。我的摸底测试集是固定的四十条覆盖五类场景长文本渲染、多主体复杂指令、风格迁移、长宽比控制、同角色连续一致性。这套测试集是我从 GPT Image 1 时代攒下来的专门用来测“模型到底有没有真听指令”。第一轮跑下来最直观的感受是它对自然语言的理解粒度变细了。以前你说“一只戴围巾的柴犬坐在咖啡馆里”它大概率给你一只柴犬但围巾可能是飘在脖子后面的披风咖啡馆可能画成便利店。2.5 在基本没有抽卡的情况下把围巾、坐姿、咖啡馆氛围、甚至吧台后面的暖光都一次给对了。这不是画质层面的提升是“意图还原”层面的提升。我特别在表格里记了一组对比数据同一组 Prompt 在不同版本下的首轮通过率测试类别旧版首轮通过率2.5 首轮通过率变化趋势长文本渲染约 10%约 75%显著提升多主体复杂指令约 20%约 65%显著提升风格迁移约 30%约 80%明显提升长宽比控制约 50%约 90%稳定发挥同角色一致性约 15%约 60%大幅改善这个表不一定严谨毕竟任何测试集都有主观成分但它能说明一个方向2.5 把“模糊意图”转化成画面的能力确实往前跨了一大步。换句话说它不再像一个听话但笨拙的画师更像一个能听懂你潜台词的搭档。这也是我标题里说“颠”的第一层意思——它经常能把你没写全、但确实想要的感觉给补出来。当然摸底也发现了一些老毛病。比如它对中文小字的处理还是不稳复杂透视场景偶尔会出现结构错误连续对话超过一定轮次后角色一致性会漂移。这些我会在第 4 节专门展开不藏着掖着好东西和翻车现场都得摆出来。2. 它到底“颠”在哪五类核心能力的实测拆解这一节是全文的重点。我不打算只给你看“效果惊艳”这种空话而是把五类核心能力的测试方法、Prompt 写法和实测结果拆开揉碎了讲。你能直接拿去复现。2.1 长文本渲染从“拼音乱码”到能直接出海报图像生成里有一个老大难问题文本渲染。以前的模型十个里有八个会把字母拼错中文更是重灾区。2.5 对长文本的把控终于到了“可商用”的边缘。我测试的第一条 Prompt 是“一张极简风格的活动海报标题写‘AI 创作周 2025’副标题写‘代码与画笔的交叉点’底部写一行小字‘2025.05.18-05.20 北京’。”出图结果里英文、数字完全正确中文“创作周”三个字也没崩只是“交叉点”的“叉”字有一笔稍微毛边。这个表现在旧版里几乎不可能一次成功。不过别高兴太早。字越多、字号越小、越靠近画面边缘出错率还是会往上走。我后续做了压力测试一段二十字的英文句子直接贴在建筑立面招牌上模型输出了两处同字母替换错误。所以我的经验是把核心文案控制在十个词以内放在画面的中前景成功率最高。2.2 多主体指令一次生成一个完整场景以前让模型一次画“两个人加一只猫加一杯咖啡”它大概率会把主体堆成一团。2.5 的改进在于它能理解“位置关系”了。实测 Prompt“一只橘猫蹲在木桌左边一个戴圆框眼镜的女孩坐在桌右边手里拿一本翻开的外文书桌上中间放着一杯拿铁背景是下雨的街道。”结果位置关系完全正确橘猫和女孩互不遮挡拿铁在画面中央背景雨滴的方向也合理。这在以前得靠 ControlNet 手动框位置才能做到。但我必须提醒一点多主体的稳定性靠的是“空间锚点”。你需要在 Prompt 里明确给出“左边、右边、中间、背景、前景”这些位置词以及主体之间的互动关系。如果你只说“三个人在一起聊天”模型还是可能把三人安排成一条直线或者在构图上出现叠脸。2.3 风格控制参考图不再是摆设2.5 对参考图的利用效率明显提高了。我上传了一张我之前拍过的胶片风街景照片然后要求“参考这张图的色调和光影氛围生成同一场景在傍晚的雨后的画面但不要复制具体内容。”输出结果很有惊喜青色阴影、高光偏黄、颗粒感都延续了原图的调性但建筑结构、汽车位置全部重新生成。这说明它对“风格层”和“内容层”做了更好的解耦。以前参考图经常被当成内容模板导致换场景时输出一堆画面残影。现在你加一句“仅参考色调和氛围”它基本就能只取风骨、不取皮相。如果你要做系列配图比如同一产品在不同场景下的视觉建议把参考图固定为一张“风格基准图”在每一次对话开头都重新上传一次并在 Prompt 里强调“保持与参考图一致的色彩风格”。这样能显著提升整组图的一致性。2.4 长宽比与构图终于不用后期裁了长宽比控制也是这代的惊喜点。以前我说“竖构图 9:16”它给我出正方形然后我再去外面裁。2.5 对比例的理解准确率高了不少甚至能理解“适合手机壁纸的窄长比例”“适合公众号头图的宽幅比例”这种带功能的描述。构图层面它能执行“留白”“三分法”“中心构图”等基本概念了。我试了一条“一只站在树枝上的鸟画面右侧留出大面积空白用于放文字。”输出了构图非常讲究的画面右侧留白区域干净得可以直接铺标题字。这做自媒体的朋友应该能理解这功能有多省事。2.5 批量生成一致性同一角色换个动作最后一项是我个人最看重的角色一致性。这对漫画制作和短视频素材尤其关键。我的测试方法是连续五轮对话每一轮要求同一个角色做不同动作。实测结果前四轮基本保持了发型、脸型、服装的一致性到第五轮开始出现一点色温漂移。这个表现已经可以支撑一些初级的连续镜头创作了但距离让我放心做几十格的长篇连载还有段距离。我自己为了控漂移会在每轮 Prompt 里加入“角色 A 的完整描述”——包括发色、服装颜色、脸型关键词——效果会好很多。麻烦是麻烦了点但比事后修图高效得多。3. 最反直觉的几次尝试它比我想象中更懂“改图”测试完基础能力之后我按惯例开始折腾一些刁钻的用法。没想到这一折腾反而测出了 2.5 最让我“上头”的部分——编辑能力。3.1 直接圈改局部区域我不确定官方怎么命名这个功能但在我的实测里你可以把生成后的图片再传回去然后用文字圈选区域修改。最典型的一次是我先生成了一张街角咖啡馆的照片然后说“把门口那个绿色垃圾桶去掉”它真的精准删除了垃圾桶并且用相称的墙体和阴影补全了背景。这个“用环境信息补全删除区域”的能力就是 AI 修图工具的终极形态。3.2 空白画布的“负空间”提示更反直觉的是我发现可以故意使用“负空间”提示来控制构图。比如我先生成一张纯色背景然后要求“在画面左下方生成一个很小的角色剪影其余部分保持空白。”这种对“留白”的克制力在以前是不可想象的。很多模型只要画面里出现主体就会忍不住把画面填满。2.5 能执行“大面积空白”的指令并且主动保持构图的呼吸感。3.3 连续对话式改图连续改图是这一代最大的工作流变化。以前出图不满意只能重新抽卡抽到一个接近的再拿 PS 拖。现在我可以像对话一样让它在原图上改“光线调暗一点”“模特换个红色外套”“把背景里的树往左移一点”。实测前三轮修改的保真度极高背景、质感、人物五官都能保持。到第四轮开始如果修改内容涉及到原有的光影结构会有轻微的涂抹感。所以我的建议是单张图的重开工次数控制在三次以内改完一次就高分辨率保存一份别指望着无限制改下去。4. 它还是有“神志不清”的时候实测翻车现场复盘写了这么多“颠”的地方也该聊聊它那些让人哭笑不得的时刻。了解边界才能更好地利用它。4.1 中文小字号文本仍然会“幻觉”我在 2.1 里说过核心文案的成功率很高但长尾依然翻车。有一次我让它生成本地一个面馆的菜单背景图菜单上的“红烧牛肉面”五个大字没问题但旁边的小字“加蛋 2 元”直接被生成成了两个不明字形远看像字近看是鬼画符。这种小字幻觉问题在中文环境里依旧无解我目前的处理方案是文案浓缩避免“小字”如果需要精确的中文排版出图后直接用设计工具叠字。4.2 复杂透视下的结构错误有一回我要求“从三楼窗口俯视雨巷两边是老旧居民楼楼下有人打伞经过”。结果两边居民楼的窗户透视完全错位左边楼是正面视角右边楼是侧面视角拼在一个画面里像立体主义画作。这说明模型对于“俯视”这种非日常视角的结构理解还不够稳定遇到这类场景建议在 Prompt 里加参考图或者明确给出相机角度和镜头焦距描述能显著降低出错率。4.3 长对话里的角色一致性漂移第 2.5 节里提过连续对话到第四五轮会出现漂移。我复盘了一次完整案例角色原本是“黑色齐肩短发、红色外套、白色帆布鞋”到第四轮时帆布鞋先变成了黑色短靴到第五轮外套颜色变成了暗红。哪怕是同一段对话里模型对细节的记忆也会逐渐衰减。对付漂移最可靠的办法还是笨办法每一轮都重复一遍关键外观描述尽量不让模型靠记忆去猜。4.4 翻车自查清单根据我的实测把最容易翻车的点整理成一份清单每次生成前自查一遍能省下不少返工时间风险点自查项文字乱码核心文案是否超过十个词是否有小字号文字位置错乱是否明确给出了左右、前后、上下等空间关系词角色漂移是否轮轮重复关键外观描述透视混乱俯视仰视场景是否给了镜头角度提示手指异常是否涉及多人手部互动必要时可裁剪构图。5. 我现在的工作流和 Prompt 配方说了这么多最后把我的实际工作流交个底。我现在用它做三件事自媒体封面图、产品概念图、漫画风格分镜测试。三件事对应三套不同的配方逻辑。5.1 基本配方模板我总结了一套适用于多数场景的 Prompt 模板[主体描述][位置关系][动作/状态][环境/背景][光线/色调] [构图要求][额外强调风格参考图或禁止事项]这条模板的关键在于“顺序”。模型对 Prompt 的注意力分布并不均匀靠前的信息权重更高。所以我把主体放在最前风格放在最后。我实测过把风格前置结果是画面风格非常浓郁但主体细节拉胯。优先级一定要分清楚。5.2 迭代节奏分层推进我现在的标准改图流程是三层迭代第一轮先定构图和主体不追求细节主要看位置关系对不对。第二轮在首轮图上做局部修改调整颜色、光线、细节。第三轮保存满意稿然后做高分辨率放大或上传到设计平台叠字。每轮之间的“操作距离”要小一次只改一两个变量不要第一轮就要求“全部到位”。这和我们修图时逐层调整的逻辑是一样的AI 生成同样遵循“小步快跑”原则。5.3 值得长期测试的几个方向我自己接下来想重点测的有三个方向第一长时间、多批次对话下的一致性保持极限第二它是否具备某种“参考风格但不参考内容”的抽象能力第三把 2.5 作为分镜草稿工具配合传统绘图软件做二创的工作流效率。这几个方向如果跑通能直接影响我日常的内容生产效率比单纯追求单张图好看有意义得多。6. 最后是几句掏心窝的话测试这段时间我最大的感受其实是图像生成工具的竞争焦点已经从“谁画得更真”转移到了“谁更懂你的意图”。2.5 的很多提升并不是画质层面的突飞猛进而是它终于开始理解构图、理解留白、理解主体关系、理解局部修改。这些以前被我们当作“人类审美”的东西正在被一点点拆解成可计算的逻辑。但它依然不是万能的。它会在你放松警惕时给你一份看不懂的中文菜单或者一面正反错位的楼房。所以我的忠告是把它当成一个能力很强、偶尔掉线的同事而不是全能助理。重要的内容该二次检查就二次检查该人工排版就人工排版。我自己的底线是涉及最终发布的文案和品牌信息一律人工复核涉及复杂场景的商业素材一定留出返工时间。最后提一个小经验测这类新模型别光拿“好看”当标准多去试那些“你应该做不好”的事比如精确文字、多主体互动、连续角色一致性。突破边界的才能叫惊喜不突破边界的只能叫升级。这批测试跑下来2.5 给我的感觉确实是后者偏多但惊喜也够我做上好几天的选题了。