GPT Image 2 是一款由 OpenAI 开发的文本到图像生成模型，于 2026 年发布，是 GPT Image 1 的继任者。与其前身一样，它是一款原生多模态模型，而非独立的扩散系统：图像生成与 OpenAI 聊天模型所依赖的底层架构共享，这使其能够以异常高的保真度遵循冗长、结构化的指令。
该模型可在 ChatGPT 内以及通过 OpenAI API 使用，并迅速成为提示工程师在处理照片级真实场景、产品模型、重排版设计和多面板布局时的默认选择。在 Wikiprompt 上，它是目录中使用率最高的模型，有数千条提示词与之关联，领先于 Midjourney 和 Nano Banana 系列。
能力
GPT Image 2 在多个提示作者依赖的实际维度上相较 GPT Image 1 有所改进：
- 文本渲染。 图像内长段可读文本（海报、包装、UI 模型、信息图）的渲染伪影远少于早期的 OpenAI 图像模型，进一步扩大了 GPT Image 1 相对于基于扩散的竞争对手所建立的优势。
- 指令遵循。 以结构化简报形式编写的提示词，包含编号约束、镜头语言和布局规格，均能被紧密遵循。这使其成为提示共享平台上常见的 JSON 风格和多节提示词的首选目标。
- 编辑与身份保持。 该模型接受参考图像并应用针对性编辑，同时在不同生成中保持主体身份稳定，这一工作流程因面部一致的字符表和品牌资产管线而广受欢迎。
- 照片级真实感。 皮肤纹理、光照连续性和反射表面达到了一定水平，其输出经常用于广告风格的图像。
使用模式
对 Wikiprompt 语料库的分析显示，GPT Image 2 的提示词严重偏向商业和编辑用途：产品摄影、奢侈时尚肖像、电影风格剧照、排版海报和多图像活动网格。该模型对摄影师风格的词汇（镜头焦距、光圈、灯光设置）响应良好，这一模式与 Midjourney 相似，但以更强的提示词遵循度执行。
另见
- GPT Image 系列
- DALL-E，OpenAI 早期的图像生成系列
- Nano Banana Pro，来自 Google 的主要竞争对手