Omdia：存储本钱上涨推升装备价钱，2026年中国大陆智能手机市场小幅下滑1%
+242。这是 4 月 21 日 GPT-Image-2 在 Image Arena Text-to-Image 排行榜上领先第二名的 Elo 分差。Arena 官方用了一个词：clean sweep ——全榜第一，没有破例。OpenAI 在这天正式宣布了 GPT-Image-2。面向所有 ChatGPT 用户，API 预计 5 月初跟进。焦点参数：最高 4096 × 4096 区分率，天生速率比前代快一倍，文字渲染准确率以前代的 90-95% 跳到约 99%。定价每百万 token $8-$30，折合单张图片 $0.006-$0.211。模子分两种模式。Instant 是快出图，所有人可用；Thinking 模式集成推理和网页搜索，单次最多天生 8 张气概一致的图片——但锁在 Plus 及以上付费层级。只看参数，这像一次通例迭代。但 Arena 首创人 @ml_angelopoulos 看完 Arena 榜单后说了一句话："literally broke the chart ——有史以来最大的差别。"差别背后是一个积攒了三年的问题终于被正面回应了。AI 图像天生最大的笑话，一直是文字。DALL-E 3 拼差池重大单词，Midjourney 把招牌写成乱码，Stable Diffusion 在海报上输出鬼画符。文字渲染是生图模子的 " 手指问题 " ——不是不主要，而是一做就露馅。99% 的准确率若是建设，AI 天生的海报、菜单、UI 截图、品牌物料第一次可以跳过人工修正，直接交付。生图模子的能力界线，正在从 " 视觉 " 扩展到 " 信息 "。1. 案例：它究竟能做什么宣布当天，社区反应险些是即时的。文字渲染是宣布当天被验证最多的能力。VentureBeat 的 Carl Franzen 让模子天生阿兹特克、玛雅和印加三大帝国国界的历史地图，附完整图例。地图准确、图例完全可读，他用的词是 "seemingly flawlessly"。TechCrunch 的 Amanda Silberling 让模子天生一份墨西哥餐厅菜单——两年前 DALL-E 3 拼差池 "enchilada"，这次的输出 " 可以直接放进餐厅使用，客人不会察觉任何异样 "。Thumio 首创人 @corbin_braun 连发几串 thread，做了更直觉的比照：把 Google Pro 3 和 GPT Image 2 的缩略图天生效果并排放出来。他的结论一个词："insane。" 统一天他还连发数条帖，称这是 "YouTube thumbnail endgame"。文字之外，角色一致性是另一个被重复提到的点。OpenAI 演示了从一张自拍天生三页漫画的事情流，角色在多页间坚持一致。美妆博主 @jameygannon 把这个能力拉进了商业场景：一条 prompt 天生一整套品牌 kit —— logo、配色、排版、多页应用。值得注重的是，这些测试所有爆发在宣布后几小时内，来自差别人、差别场景、差别诉求。没有人在全心挑选最佳输出。2. 手艺拆解：为什么这次纷歧样架构重写。 GPT-Image-2 不再基于 GPT-4o 的图像 pipeline。研究认真人 Boyuan Chen 将其界说为 "GPT for images" ——一个重新设计的自力系统。社区测试者在 4 月初 Arena 泄露阶段（模子以 maskingtape-alpha、gaffertape-alpha、packingtape-alpha 三个代号泛起）就注重到转变：从两阶段天生转向单次推理。用一个类比：已往的模子是 " 先听懂你说什么，再下手画 "，中心有一次信息压缩；GPT-Image-2 是 " 边明确边画 "，语言明确和图像天生在统一历程中完成。以是文字渲染终于准了——天生每个像素时，模子仍然 " 知道 " 自己在写什么字。Thinking 模式。 开启后，模子在落笔前先妄想构图，天生后检查输出，发明过失还会迭代修正。anti gamble 首创人 @damianplayer 的拆解："reasoning mid-generation —— plans the composition, checks its own output。" 推理集成还让模子可以在天生历程中挪用网页搜索、将文档转化为视觉图表、在 8 张图片间维持角色一致性。天下知识的奔腾。 训练数据显着偏向真实天下的视觉素材：UI 截图、店面招牌、界面结构。当你要求天生 " 通俗工程师的屏幕 "，它输出的是可信的显示器画面，不是要害词拼贴。@Yuchenj_UW 试用后的判断很直接："It is really good. OpenAI is finally leading the image gen again。"架构决议了它能 " 读懂 " 文字，Thinking 让它能 " 检查 " 文字，天下知识让它知道文字应该 " 长什么样 "。三层能力叠在一起，文字渲染从短板酿成了长板。3. 人类必需严肃看待这样的以假乱真能力StartupFortune 在宣布日给了一个定位：从 "creative novelty" 到 "production infrastructure"。品牌 mockup、广告设计、信息图表，已往由于文字不可靠而必需人工介入的场景，最先酿成一条 prompt 可以交付的事情流。不过 StartupFortune 自己也加了一句审慎的提醒："benchmark performance and production performance often diverge。"99% 是实验室数字，真实天下的多语言、多字体、多排版场景能不可 hold 住，5 月 API 开放后才会有谜底。我们更体贴的是另一个问题。Jake Handy 在宣布日的 Substack 手艺拆解中写了当天最尖锐的一段：让 GPT-Image-2 成为最好生产力工具的那组能力——准确的文字渲染、可信的 UI 结构、真实天下的视觉词汇——恰恰也是制造虚伪信息的完善工具集。假 UI 截图、假 Bloomberg 终端、假法庭文件、假 Slack 对话，"every one of those is dense text laid over a known visual vocabulary, which is the exact workload OpenAI optimized for。"（" 这些中的每一个都是在已知视觉词汇之上叠加的麋集文本，而这正是 OpenAI 所优化的事情负载。）这个视察之以是耀眼，是由于它不是在说模子有什么 " 副作用 "，它在说模子最被赞美的谁人能力——把文字准确地嵌入可信的视觉场景——自己就是双刃的。已往的生图模子由于文字太烂，反而自然带有一层 " 防伪标记 "：一眼就能看出是 AI 做的。GPT-Image-2 把这层自然屏障拆掉了。OpenAI 的应对是 C2PA 元数据水印和溯源分类器。image-2 lauch 的直播中，产品认真人 Adele Li 在宣布会上自己认可，元数据 "is not a silver bullet" ——截图、裁剪、平台压缩，任何一步都让水印失效。Jake Handy 给出的定性我们以为是准确的："The model is an excellent problem。"AI 图像天生确实进入了 " 文字时代 "。但文字可信这件事，在人类的前言史上，历来就不但是一个手艺问题。这也许才是谁人 " 强到不应该果真宣布 " 的模子，今天之后，每小我私家都有了随意天生一经都会被认作事实证据的图片，信息的判断变得亘古未有的难，这个强到离谱的模子会在未来很长一段时间给人们带来恐慌，我们会看到因此而爆发的种种冲突和讨论，人类必需一起严肃应对这种以假乱真的能力了。