最开始看到 gpt-image2 的时候，其实是带着一点怀疑的。 OpenAI 早期那几代 DALL·E，用过的人都知道，能出图，但始终被 Midjourney、Stable Diffusion 压着一头。细节、质感、审美控制，几乎每一项都差一截。后来 Sora 相关入口一度收紧，文生视频这条线也变得不那么明朗，于是对它在图像和视频方向的能力，自然不会抱太高预期。
在这样的背景下，再看这个新模型，很难会去关注。
直到第一批图开始在抖音上流动。
那种感觉不太像“画得更好了”，更像是某个边界被悄悄抹掉了。
有人发了一张教室照片。不是那种构图规整、光线漂亮的素材图，是国内很普通的高中教室。桌面有划痕，黑板边缘有粉笔灰，窗外光线偏白，带一点过曝。最怪的是人——没有刻意的“好看”，有的低头，有的侧脸，有人被前排挡住一半。脸不完美，甚至有点糊，但整体成立。
另一张是家庭合照。像是十几年前的旧相片，边缘微微泛黄，画面有一点不均匀的模糊。不是滤镜那种“统一处理”的模糊，而是镜头、时间、存储共同留下的那种不稳定感。人物站位有点挤，表情不统一，有人笑得晚了一拍，有人眼睛没完全睁开。
这些都还在“可以理解”的范围。
直到看到那张聊天截图的照片。
一张不该成立的图
就是你看到的这一张。
第一眼不会觉得哪里不对。
甚至会下意识当成“别人随手拍的一张手机屏幕”。
但如果慢慢看，会发现一些原本不会被生成模型处理的细节，全都在：
屏幕上那层不均匀的指纹痕迹，不是简单叠一层贴图，而是随着光源方向变化，有明有暗，有重有轻。
顶部那一块反光，压住了一部分内容，但又没有完全遮住，像真实环境里的灯光。
聊天气泡的边缘，有轻微的拍摄失真，不是UI本身的问题。
甚至连画面整体的那种“糊”，也不是算法降清晰度，而是拍照时的手抖、焦点偏移、玻璃反射一起造成的。
这种东西，过去的模型基本不会碰。
因为它不属于“内容”，属于“错误”。
但这一版，把这些“错误”当成了真实的一部分。
人开始不像“AI生成的人
之前生成的人脸，有一个共性。
太完整。
五官对称，皮肤干净，光影合理，每个人都像精修过的样片。哪怕加一点噪点，依然能看出那种“被认真画过”的痕迹。
现在不一样了。
有的人脸略微偏斜，有的人表情卡在一个中间状态，有人被遮挡，有人没对上焦。
有些地方甚至不太“好看”，但整张图反而更像真实世界。
那种统一的“完美”，开始消失。
取而代之的是一种不稳定，但成立的自然感。
模糊也开始变得可信
旧照片一直是一个很难处理的场景。
不是做旧，而是“像真的旧”。
以前的结果，大多是统一加一层泛黄，再叠一层颗粒，最后降一点清晰度。远看可以，近看很假。
这一次，模糊不再是统一处理。
有的地方清楚，有的地方虚掉；
有的边缘有拖影，有的地方像被压缩过；
颜色也不是简单变暖，而是带一点褪色后的不均匀。
这些细节拼在一起，才会让人相信这是“某个时间留下来的照片”。
那条已经变模糊的线
这类变化，单看每一点都不算惊人。
指纹、反光、模糊、轻微失真，这些都可以单独模拟。
问题在于它们被放在同一张图里，而且没有明显的拼接痕迹。
过去判断一张图是否为生成，往往依赖某个破绽。
现在更像是在寻找“有没有哪里不对劲”，而不是“哪里明显是假的”。
判断标准本身在变化。
5 个帖子 - 5 位参与者