ChatGPT 图像提示词生成器：从 4o 图像生成到 Images 2.0

发布历程：原生 4o 图像生成、API，再到 Images 2.0

OpenAI 于 2025 年 3 月在 ChatGPT 中推出原生 4o 图像生成功能，将其定位为 DALL·E 3 时代体验的能力升级版，在写实度、图像转换、细节指令遵循，以及图像中的文字呈现上都更为出色。2025 年 4 月，同样的生成能力以 gpt-image-1 之名开放给开发者使用。GPT-Image-1.5 于 2025 年 12 月推出，具备更强的指令遵循能力、更精确的编辑功能、更佳的密集文字渲染，以及更快的生成速度。

2026 年 4 月 21 日，OpenAI 在 ChatGPT 中推出了 ChatGPT Images 2.0，以及一个可选用的思考模式(thinking mode)。这次发布将新系统定位为具备更强的世界知识、能处理更复杂的图像、更密集的文字呈现，以及更审慎周密的规划能力。请务必区分产品名称、ChatGPT 模式，以及 API 模型识别码：它们是彼此相关的界面，但不能当作可以互换的实验条件。

此工作流程在技术上的独特之处

这项产品的核心行为是多模态指令遵循。你可以要求生成一个场景、提供一张现有图片并要求局部修改，或是以反复迭代的方式在转换其他细节的同时保留特定细节。这使得提示词比较不像一份风格标签清单，而更像一份编辑规格书：指出目标、说明要做的变更，并明确指出哪些部分必须维持稳定。

针对 Images 2.0,OpenAI 记载了一种思考模式，能运用推理与工具来规划并精炼输出结果，在支持的产品流程中甚至包含实时网络搜索。这或许能提升复杂任务的表现，但这也是一种与实时生成截然不同的系统行为。一次公平的比较，必须记录是否激活了思考模式、是否使用了外部信息，以及输出结果是一次生成完成，还是经过多轮对话反复精炼而来。

技术报告强调的重点：安全机制是系统的一部分

ChatGPT Images 2.0 的系统卡并不是一篇模型架构论文，它聚焦于部署行为：更高的写实度所带来的新风险、对有害图像请求的评估，以及在生成前后所设置的防护措施。文档记载的技术堆栈包括上游的文字分类器、对图像输入的检查，以及一套专门负责安全的多模态监控机制，会在输出显示给用户之前先行审查。

这份报告的对抗性评估之所以有用，正是因为它回报的是端到端的结果。在其公开的高难度提示词测试中，标准版 Images 2.0 在整套安全机制作用后，产出安全结果的比例为 99.1%；激活思考模式的版本则为 99.2%。这些是针对刻意设计的对抗性数据集所做的安全性测量，并不是图像品质分数，也不是一般用户失败率的估计值。请勿把这些数字当作“某个艺术性提示词有 99% 准确度”的证据。

来源证明、政策，与提示词可靠性

OpenAI 记载了 ChatGPT Images 2.0 所采用的来源证明措施，包括 C2PA 元数据与一种不可察觉的水印。这些措施有助于下游系统辨识来源信号，但并不能使生成的图像自我验证，也不保证元数据能在每一种导出途径中都被保留下来。应将来源证明视为一层辅助信号，而不是揭露或编辑审查的替代品。

安全行为本身也是一种产品特性。如果工作流程涉及公众人物、未成年人、医疗指示或敏感事件，就应该同时衡量拒绝与安全转向行为，以及渲染品质。一套经常提出无法使用或违反政策措辞的提示词生成器，即使成功的样本看起来很出色，整体品质仍然较低。

一套能真正比较不同提示词写法的评测基准

在开始生成之前，先创建一套测试组合，固定输入图片与成功标准。内容应包含文字密集的素材、产品标签编辑、对保留程度敏感的人像编辑、空间关系、多语言排版，以及安全但具挑战性的请求。每个条件都要进行多次试验。每次试验都要记录完整的对话内容、模式、对话轮数、模型界面、日期，以及任何人工修饰。

接着分别对各个维度评分：指令遵循度、受保护细节的保留程度、可读性、图像写实度或风格契合度、编辑局部性，以及安全结果。依任务类别分别公布通过率，而不是给出单一混合数字。这样才能揭露实务工作中真正重要的取舍：一个模型可能非常擅长制作带有文字的海报，却在经过多次编辑后较难可靠地保留人脸。

• 针对指定的可见文字，使用精确比对或字符错误率(CER)检查，并搭配人工审查排版与位置。
• 审美品质采用并排盲测评分；不要让评分者知道是哪个提示词范本产生了这张图像。
• 以受保护元素检核清单来衡量编辑局部性，而不只是整体视觉相似度。
• 把拒绝生成与格式错误或低品质输出分开回报，避免安全性拦截被误判为渲染失败。

如何写出经得起反复迭代的提示词

先说明想要的结果，再确立不可变动的条件。在全新生成时：依序写出主体、场景、构图、光线、文字排版与输出格式。在编辑时：先写出要求的变更，再写出不得改变的视觉元素。避免使用互相矛盾的整体性形容词，例如“极简却又充满细节”，除非你能说明那些细节该放在哪里。

对于复杂的素材，采取分阶段的方式进行。第一阶段先固定构图与层级关系；第二阶段精修文案与材质；第三阶段提出范围明确的修正请求。这种做法能让失败之处可被诊断，也比一再要求图像“更好一点”提供更有意义的评估轨迹。