每週四十億張圖片,現在還會動了

OpenAI 在 11 月 4 日推出 Images 2.6,大家瘋傳的示範畫面是一個 Q 版上班族,對著一條暴跌的股價線哭。六格畫面、一張 sprite sheet、無縫循環。可愛、微微殘酷、超級好分享。
藏在這些 GIF 底下的數字更有意思。現在大家每週透過 ChatGPT、Codex 和 API 生成大約 40 億張圖,等於一天超過 5 億張。八週前 Images 2.5 上線時,這個數字是 30 億。八週之內,底層模型並沒有變好三倍。真正改變的是:生成圖片從一件「事件」,變成了一種「反射動作」。
這次到底出了什麼
三件事,而且只有一件跟模型本身有關。
速度。 生成快了約 50%。API 拆成兩個版本:GPT-Image-2.6 Flare,低畫質下大約六秒就能回圖;GPT-Image-2.6 Sunburst,則是你需要讓主體撐過好幾輪編輯還不走鐘時的選擇。
動態。 GIF 現在是原生支援。你打一段提示詞,或丟一張靜圖進去,就會得到一段循環動畫。播放速度可調,個別影格可以在 ChatGPT 裡直接編輯,成品也能直接發佈。OpenAI 建議的用途是吉祥物、反應迷因,以及在還沒有人預訂影片拍攝之前,先做動態分鏡。
把編輯當介面。 這是我一直回過頭去想的部分。API 現在支援圖片標註,你可以指著某個區域說「改這裡」。圖片可以匯出成 SVG。還有一個複雜度參數,控制模型在算圖前要做多少規劃——這種東西會公開出來有點怪,直到你發現它其實是給「反覆修圖」而不是「一次生成」的人用的延遲旋鈕。
再加上儲存的參考素材——你可以先把某個人、某隻寵物或某個固定角色的照片存起來,之後重複使用,不必每次重新上傳——這個產品的輪廓就清楚了。它不是一台加了很多功能的生成器,它是一個剛好由模型驅動的設計工具。

GIF 是最不有趣的部分,卻也最重要
每家媒體都用 GIF 當頭條,而 OpenAI 顯然也希望如此。OpenArt 執行長 Coco Mao 被引述說,GIF 是「社群媒體的母語」,這種句子生來就是要被放進新聞稿的。
不過她也沒說錯。一張靜圖是一則貼文,一段循環是一種格式。當模型可以從同一個提示框吐出循環動畫,它的對手就不是插畫,而是影片——而且成本與時間都只有一小部分。對社群團隊來說,實務上的問題不再是「我們有沒有影片預算」,而是「這個點子需不需要聲音」。
有意思的是這些循環是怎麼組成的。OpenAI 自己的範例是 sprite sheet:六格、三欄兩列、尺寸一致、鏡頭固定、第六格緩慢過渡回第一格。這不是影片模型的思考方式,這是動畫師的思考方式。提示詞在做美術設定,模型負責填格子。
也就是說,這週變得更有價值的技能不是寫提示詞,而是知道一段循環要長什麼樣子,重新播放時才不會抖一下。
每週四十億張,改變了瓶頸的位置
當你要為一個活動生成四十張圖,難的是把它們做出來。當你要生成四千張,難的是找出那十一張能用的,還記得是哪十一張。
這次推出的功能裡,有兩個只在這種世界裡才說得通。儲存參考素材之所以存在,是因為系列作品的一致性已經變成限制,而不是新穎程度。圖片標註之所以存在,是因為修壞掉的手比重新生成一張好圖便宜。兩者都不是創作功能,都是審稿功能。
我在文字工具上見過同樣的模式。產出量一跨過某個門檻,工具的重心就從「幫我寫」變成「幫我找我寫過的東西」。圖片工具正走在同一條曲線上,大約落後兩年。
API 的拆分透露了 OpenAI 認為誰在買
Flare 和 Sunburst 不是「好/更好」的階梯。Flare 調校的是吞吐量與版面:OpenAI 特別強調它在海報、產品照和其他專業視覺上的構圖更好。低畫質六秒這個數字,是拿去說服那個想把縮圖排成一格一格網格的產品經理的。
Sunburst 調校的是中高畫質下的一致性,這是一個完全不同的承諾。當同一個角色要出現在十二格漫畫裡,或者一套品牌識別得撐過一位非設計師的修改,你需要的就是一致性。
合起來看,這兩個版本描述的其實是過去被綁在一起的兩種工作:便宜地探索,然後昂貴地定案。跑過設計衝刺的人會覺得眼熟。這跟代理商為什麼要做五十張縮圖、只留一張定稿,是同一個道理。
我實際會怎麼測
如果你已經有既有的流程,誠實的測試不是看畫質,而是看那些無聊的環節有沒有變短。
拿一份真實的需求——比如一個產品頁的主視覺——計時三個階段:初稿、客戶說「再暖一點」之後的那輪修改,以及匯出。以我過去幾代的經驗,中間那一輪永遠最致命,因為每一次修改都可能動到產品的形狀。Sunburst 加上標註與參考素材,正是衝著這一點來的。
第二個測試:循環。請它做一張有活動部件的無縫 GIF,然後檢查第六格。如果它彈回去時有明顯跳格,代表模型還在用靜圖思考再拼接;如果它是緩慢過渡,代表它真的在規劃整個循環。
第三個測試,也是多數團隊會跳過的:檔案庫。問問自己那四千張圖住在哪裡、誰搜得到,以及被你退掉的那些還算不算成本。量大了之後,創作問題總會變成檔案管理問題。
讓人不舒服的部分
產出越便宜,浮水印與來源證明就越難做。每週四十億張圖是很大的表面積,而一段會循環的 GIF 又比靜圖更有說服力,因為動態會被讀成證據。讓循環適合做吉祥物的那個特性,同樣讓它適合做假。
OpenAI 自己在這一點上措辭很小心:範例都偏向品牌、吉祥物、產品照、分鏡。不碰新聞,不碰「某人在說話」。這是一條自願劃下的合理界線,因為另一種選擇是日後在壓力下才劃。
所以呢
Images 2.6 不是畫質上的躍進。翻開更新日誌,你會看到速度、循環,還有一堆編輯功能。真正有意思的說法是結構性的:圖片生成正被折進工作中「人做判斷」的那一段——標註、修改、匯出、重複使用。
這比一個哭臉的卡通上班族無聊得多,但它才是會改變一個團隊怎麼過一週的那件事。四十億這個數字不是在炫耀規模,而是在警告:稀缺的東西已經不是圖片,而是知道該用哪一張。
相關文章
一份社群維護的點擊表,關掉了中國品牌 Android 系統裡的廣告
它不動系統,不解鎖,不刷機,只把廠商本來就留出來的開關一個個撥過去。代價是這份名單得一直有人續寫。
GPT Image 2.6 守住 token 價格,帳單卻變貴了
GPT Image 2.6 沿用 2.5 的全部 token 費率,每張圖卻更貴,因為更多工作現在花在輸出 token 上。上線十一天,定價結構說得比排行榜更多。
有人從外部重寫了 IDM,並寫下自己沒碰過的部分
Mister Download Manager 用 Rust 重寫了 Internet Download Manager 的下載流程,聲稱速度快 5 倍、支援 86 種語言。更值得細讀的,是它解釋如何在不複製任何程式碼的前提下完成重寫的那一段。
Rune 是一個 Rust UI 框架,設計初衷是讓 agent 能檢查自己的工作
Rune 能無頭繪製、匯出元素樹並接受腳本化輸入,這讓編碼 agent 拿到截圖永遠給不了的東西,一個可 diff 的訊號。這個框架仍是預先發布版,不接受 pull request。