一直以來，ChatGPT 在圖片生成這塊都跟 Gemini 有一點差距，特別是有中文字，偶爾出來的字還是會出錯，字型美感沒有說很好。因此生成圖片時，很多人應該還是會用 Gemini。不過這個差距，隨著 OpenAI 稍早正式推出 ChatGPT Images 2.0 後，總算扳回一城，這次新模型不只把文字渲染、版面配置、物件擺放這些老毛病一次解決，還首度加入了思考能力，OpenAI 甚至把它形容成「第一款會思考的圖像模型」。
我稍微實測一下確實進步很大，在細節處勝過 Gemini 的 Nano Banana。（下面首圖就是用 ChatGPT Images 2.0 生成的）
ChatGPT Images 2.0 正式登場！會思考的圖片生成模型、支援 2K 解析度
這次新推出的 ChatGPT Images 2.0 模型代號是 gpt-image-2，取代去年底推出的 gpt-image-1.5。跟前代相比，升級重點主要集中在四大方向：文字渲染、版面設計、多語言支援，以及最受矚目的「推理能力」。
文字渲染部分，Images 2.0 在處理小字、圖示、UI 元件、密集排版等，這些過去最容易出現錯誤的地方，都有非常明顯的進步，最高還能生成 2K 解析度的圖片，清晰度比前代提升不少。
Images 2.0 的版面設計能力也更好，對物件位置的掌握更精準，能做出層次分明、適當留白的排版。拿來設計海報、社群貼圖、產品 Mockup、廣告文宣，成果都很不錯。此外，也支援更多寬高比，從 3:1 橫幅到 1:3 直式都行，代表說不論是電腦桌布、手機直式內容、還是長條形的資訊圖表，ChatGPT 都能搞定：
再來是台灣用戶最關鍵的多語言支援。過去在處理中文、日文、韓文、印地文、孟加拉文這類非拉丁字母的語言時，表現都不太理想，而這次 Images 2.0 特別針對這塊做了優化。
下圖是我用 ChatGPT 生成大麥克解釋的圖片：
而新加入的「思考模式」，簡單來說，就是 Images 2.0 分成「即時（Instant）」和「思考（Thinking）」兩種運作模式，即時模式生成速度很快，思考模式則會先分析你的需求、思考版面怎麼配，必要時還會主動上網搜尋資料、再動手生圖，甚至會自己檢查成品、回頭修正錯誤。
這在做連續分鏡、漫畫、品牌視覺這類需要角色或物件一致性的場景時，非常好用。此外，Images 2.0 也支援一次產出最多 8 張圖片，並保持角色、物件的連貫性：
目前 ChatGPT Images 2.0 已經正式開放給所有用戶使用，「即時模式」所有 ChatGPT 用戶都能使用，包含免費方案，進階的「思考模式」則是僅限 Plus、Pro、Business、Enterprise 付費方案的用戶使用。
下面是我用 ChatGPT 生成幾張跟 Gemini 的對比，差異很明顯。
首先是 YouTube 直播畫面，我下的提示詞是：「幫我生成一張 YouTube 直播畫面，上面正在販售 ChatGPT AI 產品，一位漂亮女主持人」，這是 Gemini 生成結果，不差，但 YouTube 畫面還是有一些細節沒生成出來：
這是 ChatGPT 生成的，非常真實，連聊天室的打賞、影片描述、甚至隱藏聊天室功能按鈕都有：
再一組是遊戲畫面，我給的提示詞：「幫我生成 CS 遊戲的戰鬥畫面」，下圖是 Gemini 生成結果，一樣品質很好，但還是有一些不合理的地方，像是對面警察面對沒人的地方射擊，左邊有一個 Health:74 數字，但下方血量是 24：
ChatGPT 生成結果就更好了，不僅玩家拿的是熱門 AK47，旁邊還有隊友，甚至左下角和右上角都有一些訊息：
