GPT Image 2 泄露，文字渲染准确率提升，或让截图难成证据！
4 月初，LM Arena 评测平台上出现三个匿名图像模型，虽几小时后消失，但根据 API 返回的元数据和用户测试记录，它被广泛称为 GPT Image 2。过去，AI 生图模型在图片文字处理上存在明显短板，如 DALL - E 3 生成文字错误频出，GPT Image 1 能处理简单英文标签，GPT Image 1.5 对英文文字渲染准确率接近 95%，但在非拉丁字母体系上仍有缺陷。而 GPT Image 2 的泄露样图显示，其文字渲染有了质的飞跃，中文清晰、字形准确、笔画完整，能准确渲染身份证样式图片的各项信息。
文字渲染的进步，让生成信息图、海报、产品包装、排版复杂的图表变得更可靠，为设计师、投资人等带来了便利。但也带来了新的问题，一个能生成以假乱真的证件样式图、精确渲染 UI 截图的模型，让“截图可以作为证据”这件事变得可疑。
对比其他模型，GPT Image 2 优势明显。Midjourney 在文字渲染上毫无建树，Stable Diffusion 系列也存在老问题。根据泄露的 Arena 测试结果，GPT Image 2 在文字渲染、指令跟随、照片真实感和世界知识四个维度上均超过 Midjourney，后者仅在艺术风格和美学控制上有优势。此外，2026 年初凭借 Nano Banana Pro 确立行业地位的 Google，也将感受到压力，早期测试报告显示，GPT Image 2 在真实感、文字渲染和世界知识三个维度上同时超越了 Nano Banana Pro。
GPT Image 2 能生成与真实软件界面极为相似的图像，包括浏览器窗口、移动端应用界面、数据可视化图表等。这为设计师、投资人、文档撰写者等带来了新的工作方式。设计师做产品原型时，无需先在 Figma 画框架，直接用文字描述就能得到参考图；投资人做 Deck 时，无需等工程师写代码就能展示“产品截图”；写文档时，配图的示例界面可直接生成。
生图模型进化速度极快，GPT Image 1 从上线到 1.5 不过几个月，1.5 到 2 大概半年。每一代都在解决上一代的核心短板，同时打开新的可能性。GPT Image 2 目前处于 A/B 测试阶段，部分 ChatGPT 用户已随机获得访问权限，正式发布时间普遍预测在 5 月 DALL - E 退役前后。其未来商业化看点十足，但也面临着如何平衡技术发展与伦理道德等方面的挑战。
编辑观点：GPT Image 2 展现出强大的文字渲染和界面生成能力，在市场竞争中优势明显，将改变创作方式。但需关注其带来的伦理问题，未来商业化潜力大，值得期待。