衡宇 发自 凹非寺
量子位 | 公众号 QbitAI

GPT-Image-2.6突然上线！

整体生成时间缩短50%，最快6秒出图；原生支持生成GIF动图；支持直接导出SVG矢量格式。

OpenAI在API中首次把模型的“场景规划脑力”和“像素渲染画质”拆成了两个独立参数，大幅降低了多轮修改的成本和耗时。

目前，GPT-Image-2.6在ChatGPT、Codex以及API中全量上线，全线免费及付费用户均可直接使用。

拆开“脑力”与“画质”，最快6秒出图

这次GPT-Image-2.6的API端首次分出了两个具体型号，分别是Flare和Sunburst。

Flare主打速度和排版，专门针对海报和电商产品图等商业视觉做布局优化，在低画质档位下单张图的生成时间硬是被压缩到了6秒。

Sunburst则负责啃硬骨头，在中等和高画质档位下提供更高的细节精度，核心解决多轮对话修改中改着改着人物和商品就变样了的一致性问题。

底层控制逻辑的变化同样值得关注～

过去调用生图API时，开发者往往只能调整分辨率或笼统的画质档位。哪怕只是改背景颜色，也需要模型重新完整跑一遍构图规划。

这次Images 2.6新增了一个名为complexity也就是复杂度的参数，专门用来控制模型在动笔前花多少算力去做场景规划。而原本的quality也就是画质参数，则纯粹负责视觉细节和保真度。

这种把构思精力和渲染精度解耦的做法，和文本大模型里调节推理思考深度的思路如出一辙。

在实际工作流中，如果是日常的局部微调或快速改图，开发者可以把complexity调到low，同时保持高quality输出。

这样能省去模型重新排兵布阵的时间，只做高精度重绘。

只有遇到多元素同框或限制条件极多的复杂场景时，才需要把complexity调高。

△图片由AI生成

用3×2序列帧“逃课”，原生支持GIF动图

原生支持GIF动图是Images 2.6最直观的新功能。

品牌吉祥物想加点小动作，或者想给社交媒体做几张表情包，或者就是随手拿圆珠笔在横线本上涂了一只猫头鹰，扔给模型，出来的动态贴纸都背景干净，并且动作连贯。

一个生图模型，不请重型视频生成模型帮忙，怎么就能快速搓出一条流畅的GIF？

答案藏在官方放出的OpenArt合作案例提示词里。

这组打工人盯着股市暴跌猛男落泪、股市暴涨撒币庆祝的动图，背后喂给模型的Prompt其实长这样：

“生成一张用于无缝循环GIF的单张动画序列图（sprite sheet）……严格包含6个连续帧，按精准的3列×2行网格排列，从左到右、从上到下阅读。每个面板尺寸完全一致。固定前侧四分之三机位，同一角色、同一书桌、显示器、服装和背景……第六帧平滑过渡回第一帧。无字幕、无边框、无留白。”

看明白了不？

Images 2.6压根没去动视频那套复杂的时空扩散计算，而是用了一种从游戏工业里借来的序列帧思路，在一张图里就把6格严丝合缝的定格动画（Sprite Sheet）画完了。

最后切片一合，GIF这不就来了？

这样做的好处是绕开了视频模型高昂的推理延迟，还保证每一帧的角色五官、衣服褶皱和背景物体的相对固定。

这项能力现在已经有公司在真刀真枪地用了～

比如做AI办公助手的初创公司Town通过API把它接了进去，专门给工作软件里的虚拟助手生成打字、反馈这类实时微表情动图。

直出SVG，开放局部标记开放给了API

这次更新还顺带带来了两项挺实在的工程化能力。

一个是SVG矢量图导出，另一个是API端的图像标记（Image markup）。

搞过前端或UI的都知道，AI生成的位图一放大边缘就没眼看……想塞进网页或App里，一般操作都是再找个第三方工具转成矢量格式。

就挺折腾的。

Images 2.6直接原生支持导出SVG。

原本程序员在Codex里写前端代码的时候可以直接让模型生成能无限缩放的图标、组件和插画，顺手就写进代码库。

中间那些转换环节全！省！了！

另外，之前只在ChatGPT网页端才有的圈选局部重绘（Image markup）功能，这次也正式开放给了API。

企业团队可以在自己的产品后台里，直接用坐标或遮罩圈出要改的区域，再配合Sunburst模型的高一致性，批量改图就能像流水线一样跑起来。

One More Thing

生图模型外发现的一个小惊喜：

GPT-6.2 Astra，现在已经现身谷歌云了～

参考链接：
[1]https://openai.com/index/introducing-images-2-6/
[2]https://x.com/lyraxana/status/2118123296738677133