OpenAI 發佈 ChatGPT Images 2.0,提升日語等非拉丁文字呈現能力
OpenAI、最先端の画像生成モデル「ChatGPT Images 2.0」を発表 ——日本語を含む非ラテン文字のレンダリング能力も向上
OpenAI 於 2026 年 4 月 21 日發佈圖像生成模型,ChatGPT 版本名為「ChatGPT Images 2.0」,開發者 API 版本名為「GPT Image 2」。
內容同時列出非拉丁文字及複雜版面的提升,並交代物理世界一致性與精確圖表仍是限制,呈現其能力範圍。
OpenAI於2026年4月21日發佈一款最先進的圖像生成模型。在ChatGPT上以「ChatGPT Images 2.0」推出,開發者API則以「GPT Image 2」(gpt-image-2)形式提供。ChatGPT發佈說明將免費方案在內的所有ChatGPT方案均可使用的標準功能稱為「ImageGen 2.0」。此外,付費方案亦推出「ImageGen 2.0 Thinking」,加入推理、多張輸出生成、網頁搜尋等工具功能。Codex亦提供圖像生成功能。
推出 ChatGPT Images 2.0
一款可處理複雜視覺任務,並產出精準且可即時使用的視覺內容的最先進圖像模型;編輯更精細、版面更豐富,並具備推理級智能。
以 ChatGPT Images 製作的影片 pic.twitter.com/3aWfXakrcR
— OpenAI (@OpenAI) 2026年4月21日
OpenAI將ChatGPT Images 2.0定位為最先進的圖像生成模型。主要改進包括更能遵從細緻指示、準確安排物件位置、繪製文字密集的圖像、支援多種語言,以及提供靈活的長寬比。OpenAI亦表示,其知識截點為2025年12月,因此能生成更切合需要並符合語境的圖像。OpenAI解釋,這些提升令圖像生成由單純渲染擴展至「策略性設計(策略性設計)」,並可作為「視覺系統」發揮作用。
Thinking或Pro模型會在生成圖像前先作規劃和推理,從而處理更複雜的指示和構圖。它們亦可進行網頁搜尋,並轉換已上載的資料;據稱一次最多可生成8個輸出。
以 ChatGPT Images 2.0 製作 pic.twitter.com/qaahxpJ6hK
— OpenAI (@OpenAI) 2026年4月21日
外部評測亦報告了高分。Arena.ai指出,GPT-Image-2在Image Arena各項排行榜均位居榜首,並在Text-to-Image排行榜領先第2名242分。
這是我過去4個月來一直埋頭打造的成果。GPT Image 2比排名第二的模型高出超過240 elo,是一次幅度驚人的躍升,分差更超過排行榜其餘位置的差距總和 https://t.co/vssPj6bE5L
— Boyuan Chen (@BoyuanChen0) 2026年4月21日
值得特別留意的是,模型呈現日文等非拉丁文字的能力有所提升。OpenAI表示,包含日文在內的非英語文字呈現能力大幅改善;模型不再只是顯示文字,而是達到能自然地將語言融入設計的水平。
示例包括融入日文對白與標題的彩色少年漫畫、包含日文的廣告和海報,以及加入多語言字體排版的視覺作品等。
OpenAI表示,模型在生成圖解、資訊圖表、圖表、漫畫及多格場景構圖等圖像方面也更實用。模型呈現細小文字和圖示、UI元素、高密度構圖及細微風格限制的準確度亦有所提升;API支援最高2K解像度的輸出。長寬比則支援由3:1至1:3,方便按用途製作橫幅、簡報資料、海報及流動裝置畫面等。不過,API目前仍將2K以上的輸出列為beta,視乎情況可能會出現不一致的結果。
跨語言能力更強
ChatGPT Images 2.0可以生成包含非英語文字的圖像,文字不但呈現正確,語句亦通順連貫。
這令模型在全球各地更實用,亦有助人們創作出真正適用於自己所用語言的視覺內容… pic.twitter.com/51k3xScOXm
— OpenAI (@OpenAI) 2026年4月21日
不過,對於摺紙指南或扭計骰這類需要完整而一致地呈現物理世界的情境,仍存在挑戰。模型在呈現被遮蔽的面或斜面上理應出現的內容、像沙粒般極度密集而重複的元素,以及精準箭嘴、標籤和圖表等方面,仍有局限。
安全方面,OpenAI為提示詞和圖像生成都引入了多層防護系統。Thinking模式亦會使用Safe Completions,將危險要求轉化為安全內容,而不會照單全收。此外,透過符合C2PA中繼資料規範及整合電子浮水印,提升內容透明度。詳情請參閱系統卡。
來源:gihyo.jp · gihyo.jp