GPT-image-2 图像生成模型

GPT-image-2 是 OpenAI 于 2026 年 4 月 21 日发布的最新图像生成模型，发布后 12 小时内便在 Image Arena 排行榜上以 +242 分的领先幅度登顶所有分类榜首，创下该榜单有史以来最大领先幅度。

在 API 中的模型标识为 gpt-image-2，是 DALL-E 系列的全面替代者（DALL-E 2 和 DALL-E 3 已于 2026 年 5 月 12 日正式停用）。

核心能力

GPT-image-2 是 OpenAI 首个内置推理能力（Thinking） 的图像生成模型，在生成图像前会先进行布局推理，使构图和元素排布更加合理。

能力	说明
推理生成	内置 Thinking 能力，先推理后出图，布局和构图更合理
单次多图	单次 prompt 可生成 8 张连贯图像，人物/物体跨图一致性保持
文字渲染	文字生成能力大幅提升，可生成精确菜单、图标、UI 界面、海报
多语言文字	支持非拉丁语系文字（中文、印地语、阿拉伯语、日语等）准确渲染
高清分辨率	支持最高 2K 分辨率，比例从 3:1（超宽）到 1:3（超窄），最大边 3840px（16 的倍数）
图像编辑	支持文字+图片双输入，在对话中迭代编辑， Responses API 支持多轮对话式编辑
人物一致性	面部和身份特征保持稳定，适合故事创作和漫画制作
信息图生成	可根据数据直接生成信息图、幻灯片、地图等结构化视觉内容
漫画/连环画	支持多格漫画创作，单 prompt 多格角色和风格一致
流式输出	支持部分图像流式输出，边生成边预览，改善感知延迟

Instant 模式 vs Thinking 模式

GPT-image-2 提供两种访问模式：

模式	说明	访问条件
Instant 模式	核心质量提升，即时响应（秒级）	所有 ChatGPT 用户（含免费版）
Thinking 模式	联网搜索 + 推理布局 + 多图批处理（最多8张）+ 输出自检	Plus ($20/月)、Pro ($200/月)、Business、Enterprise

Thinking 模式会在生成前先进行网络搜索、布局规划和输出验证，因此响应时间为 15-30 秒。对于实时性要求高的场景建议使用 Instant 模式。

API 定价

按图像计费（简单文生图）

1024x1024 分辨率下的估算价格：

质量档位	每张价格	适用场景
低质量（Low）	~$0.006/张	草稿、快速预览
中质量（Medium）	~$0.053/张	社交媒体图片（推荐）
高质量（High）	~$0.211/张	产品图、印刷品、2K 分辨率

按 Token 计费（复杂工作流）

适用于包含文本提示词、图像编辑或参考图输入的复杂请求：

类型	价格（每 1M tokens）
图像输入	$8.00
输出	$32.00

编辑类请求（含参考图片输入）按高保真输入费率计费，成本更高。建议使用 OpenAI 官方定价计算器估算实际成本。

与竞品对比

维度	GPT-image-2	Midjourney v8	Nano Banana 2
文字渲染	✅ 最强	一般	一般
多语言文字	✅ 最强	一般	一般
多图批处理	✅ 最多 8 张	有限	有限
公开 API	✅ 完整 API	❌ 无公开 API	✅ 有 API
纯美学/构图	一般	✅ 最佳	较好
速度与成本	中等	较慢、较贵	最快最便宜
Codex 集成	✅ 原生集成	❌ 无	❌ 无
多轮编辑	✅ 完善	有限	有限

典型应用场景

营销与电商

• 多尺寸社媒素材：单 prompt 生成 Instagram (1:1)、Twitter (3:1)、LinkedIn 横幅等多格式素材，保持品牌视觉一致
• 产品摄影：生成专业级电商产品主图，节省拍摄成本
• 多语言本地化：跨国品牌生成正确中文/印地语/阿拉伯语等本地化标牌，无需额外设计师校对

内容创作

• 信息图生成：根据数据 brief 自动生成可发布级别的信息图和解释性图表
• 漫画与儿童绘本：8 格连贯漫画、故事板，单 prompt 多格角色一致，适合作为初稿快速产出
• 短视频封面：生成吸引眼球的视频封面图

开发与设计

• UI 原型设计：在 Codex 中直接生成 UI 线框图和图标集，无需切换工具
• 演示文稿配图：为 PPT、Keynote 生成配套插图和示意图
• 技术文档配图：为 API 文档、教程生成流程图和示意图

Python API 调用示例

文生图（Instant 模式）

from openai import OpenAI
import base64

client = OpenAI()  # 使用 OPENAI_API_KEY 环境变量

result = client.images.generate(
    model="gpt-image-2",
    prompt="A professional product shot of a matte black wireless earphone on white marble. Macro photography, shallow depth of field.",
    size="1024x1024",
    quality="high",
    n=1,
)

image_b64 = result.data[0].b64_json
with open("output.png", "wb") as f:
    f.write(base64.b64decode(image_b64))

多图批处理（Thinking 模式，Plus 及以上）

result = client.images.generate(
    model="gpt-image-2",
    prompt="A 4-panel social campaign for a coffee brand named Morni. "
           "Panel 1: Sunrise with a Morni cup. "
           "Panel 2: Hand holding the cup in an office. "
           "Panel 3: Outdoor cafe scene. "
           "Panel 4: Morni logo on clean white. "
           "Maintain consistent warm amber and forest green brand palette.",
    size="1024x1024",
    quality="medium",
    n=4,
)

流式输出

from openai import OpenAI
import base64

client = OpenAI()

stream = client.images.generate(
    model="gpt-image-2",
    prompt="A serene mountain landscape at golden hour",
    size="1024x1024",
    quality="high",
    stream=True,
    partial_images=2,
)

for event in stream:
    if event.type == "image_generation.partial_image":
        idx = event.partial_image_index
        image_bytes = base64.b64decode(event.b64_json)
        with open(f"preview_{idx}.png", "wb") as f:
            f.write(image_bytes)

使用限制与注意事项

• 知识截止日期：截至 2025 年 12 月，无法准确生成 2025 年 12 月之后的事件、产品、公众人物相关图像
• Logo 准确性：特定品牌 Logo 的像素级还原仍不稳定，可能生成旧版 Logo，建议人工审核
• 推理延迟：Thinking 模式有真实延迟（15-30 秒），对实时性要求高的场景建议用 Instant 模式
• 透明背景：暂不支持透明背景（background: transparent 参数会报错）
• DALL-E 迁移：使用 DALL-E 2/3 的代码需在 2026 年 5 月 12 日前迁移至 gpt-image-2

相关阅读

• ChatGPT 模型介绍与选择
• GPT-5 系列详解
• GPT-4 系列详解
• 如何选择合适的模型

---

本页面内容基于 OpenAI 官方发布信息整理。GPT-image-2 及其相关功能可能随 OpenAI 更新而变化，请以 OpenAI 官方文档为准。