OpenAI Images 2.6:一周四十亿张图,现在还会动了

OpenAI 在 11 月 4 日发了 Images 2.6,被转得最多的 demo 是一个 Q 版上班族,对着一根往下砸的股价线哭。六帧画面,一张 sprite sheet,无缝循环。可爱,有点狠,特别适合传播。
GIF 底下压着的那个数字更有意思。现在大家每周在 ChatGPT、Codex 和 API 上生成大约四十亿张图,一天超过五亿张。八周前 Images 2.5 上线时,这个数字是三十亿。八周里,底层模型没有任何东西变好了三倍。变的是:生成图片不再是一个事件,变成了一个条件反射。
这次到底发了什么
三件事,只有一件跟模型有关。
速度。 生成快了大概 50%。API 拆成两个版本:GPT-Image-2.6 Flare,低画质下大约六秒出图;GPT-Image-2.6 Sunburst,是那种主体得扛过好几轮修改还不能走形时才选的。
动起来。 GIF 现在是原生能力。打一段提示词,或者丢一张静图进去,出来的就是一段循环动画。播放速度可调,单帧能在 ChatGPT 里直接改,做完直接发。OpenAI 建议的用法是吉祥物、表情包,以及在还没人订下拍摄档期之前先做动态分镜。
把编辑做成界面。 这是我一直回不过神的部分。API 现在支持图片标注,你可以圈一块地方说“改这里”。图片能导出成 SVG。还有一个复杂度参数,控制模型在出图前做多少规划——这东西暴露出来挺奇怪,直到你反应过来,它是给那些反复改稿、而不是一次成型的人用的延迟旋钮。
再加上保存的参考素材——某个人、某只宠物、某个反复出现的角色,存一次以后不用重新上传——产品的形状就清楚了。这不是一台功能更多的生成器,是一个碰巧由模型驱动的设计工具。

GIF 是最不重要的一块,也是最关键的一块
每家媒体都拿 GIF 当头条,OpenAI 显然也想要这个效果。OpenArt 的 CEO Coco Mao 被引用的说法是,GIF 是“社交媒体的母语”,这种话生来就是给新闻稿用的。
但她没说错。一张静图是一条帖子,一个循环是一种格式。当模型能从同一个输入框里吐出循环,它的对手就不再是插画,而是视频——而且成本和时间的零头都不到。对社媒团队来说,实际问题不再是“我们有没有视频预算”,而是“这个点子需不需要声音”。
有意思的是这些循环是用什么拼的。OpenAI 自己的例子是 sprite sheet:六帧,三列两行,尺寸一致,机位固定,第六帧缓慢回到第一帧。这不是视频模型的思路,这是动画师的思路。提示词在干美术设计的活,模型负责填格子。
也就是说,这周变得更值钱的技能不是写提示词,是知道一个循环该长什么样,重播时才不会抖一下。
一周四十亿张,瓶颈换了位置
给一个 campaign 生成四十张图,难的是做出来。生成四千张,难的是从里面挑出能用的那十一张,并且记得是哪十一张。
这次发的功能里,有两个只在这种世界里讲得通。保存参考素材能存在,是因为系列之间的一致性成了约束,而不是新鲜感。图片标注能存在,是因为修一只画坏的手,比重画一张好图便宜。两个都不是创作功能,都是审稿功能。
这个套路我在文字工具上见过。产出量一过某个阈值,工具的重心就从“帮我写”挪到“帮我找”。图片工具在同一条曲线上,落后大概两年。
API 这么拆,说明 OpenAI 认为买家是谁
Flare 和 Sunburst 不是好和更好的阶梯。Flare 调的是吞吐和版面:OpenAI 明确说它在海报、产品图这类专业视觉上构图更好。低画质六秒这个数字,是拿去讲给那个要把缩略图铺满一屏的产品经理听的。
Sunburst 调的是中高画质下的一致性,这是完全不同的承诺。同一个角色要出现在十二格分镜里,或者一套品牌规范得扛过一个不是设计师的人改一轮,你需要的就是一致性。
合起来看,这两个版本描述的是过去被当成一件事的两种活:便宜地试,然后贵地定。跑过 design sprint 的人都认得这个形状。代理商为什么先做五十个缩略图、再精修一个,也是这个道理。
我实际会测什么
如果你有一条流水线,诚实的测法不是看图好不好看,是看那些无聊的环节有没有变短。
拿一个真实的需求——比如一个产品页的头图——掐三次表:第一版、客户说“再暖一点”之后那一轮修改、导出。按我以前几代的经验,中间那一轮永远最要命,因为每次改都可能动到产品本身的形状。Sunburst 加标注加参考素材,对准的就是这一段。
第二个测试:循环。让它做一个带运动部件的无缝 GIF,然后看第六帧。如果它是硬跳回去的,说明模型还在按静图思考然后拼接。如果它是缓过去的,说明它真的在规划整个周期。
第三个测试,也是大多数团队会跳过的一个:归档。问自己这四千张图存在哪、谁能搜到、被你否掉的那些还算不算成本。数量这种事,总能把创作问题变成档案问题。
让人不太舒服的部分
产出越便宜,水印和来源就越难做。一周四十亿张图是很大的暴露面,而会动的 GIF 比静图更有说服力,因为运动会被人当成证据。让循环适合做吉祥物的那个特性,同样让它适合做假的。
OpenAI 自己在这一点上措辞很小心:例子都往品牌、吉祥物、产品图、分镜上靠。不碰新闻,不碰真人在说话。这条线主动划出来是明智的,否则早晚要在压力下划。
所以呢
Images 2.6 在画质上不是一次跃迁。翻一遍更新日志,你会看到速度、循环,和一堆编辑相关的东西。真正有意思的判断是结构性的:图片生成正在被折进人做决定的那一段——圈改、修订、导出、复用。
这故事没有那个哭着上班的卡通角色好看。但它才是会改变一个团队怎么过完这一周的东西。四十亿这个数字不是在炫耀规模,是在提醒:稀缺的已经不是图了,是知道要哪张图。
相关文章
一份社区维护的点击表,关掉了国产 Android 系统里的广告
它不动系统,不解锁,不刷机,只把厂商本来就留出来的开关一个个拨过去。代价是这份名单得一直有人续写。
GPT Image 2.6 守住 token 价格,账单却涨了
GPT Image 2.6 沿用了 2.5 的全部 token 费率,单张图却更贵,因为更多的活现在花在输出 token 上。上线十一天,定价结构说的比排行榜更多。
有人从外部重建了 IDM,并写下了自己没有碰过的部分
Mister Download Manager 用 Rust 重写了 Internet Download Manager 的下载流程,声称速度快 5 倍、支持 86 种语言。更值得细读的,是它解释如何在不复制任何代码的前提下完成重写的那一段。
Rune 是一个 Rust UI 框架,设计初衷是让 agent 能检查自己的工作
Rune 能无头渲染、导出元素树并接受脚本化输入,这让编码 agent 拿到截图永远给不了的东西,一个可 diff 的信号。这个框架仍是预发布版本,不接受 pull request。