ChatGPT 的图片生成和 Midjourney 玩法不太一样：没有 --ar 这类参数，模型会先”想清楚”你要什么再出图，还能在同一段对话里让一个角色跨多张图保持一致。这篇带你从”敲下 Prompt”到出第一张能用的图，再到给小红书 / 公众号做风格一致的系列。
一句话总结
- 截至 2026 年 6 月，ChatGPT 的图片生成跑在 ChatGPT Images 2.0（模型
gpt-image-2）上，OpenAI 于 2026 年 4 月 21 日上线，取代了 GPT Image 1.5。 - 直接在普通对话框里输入即可。出现”生成""画""图片""帮我画一张……”这类词就会自动调起，不用切到单独的工具。
- 免费档每天大约 2-3 张，只能用基础模型。Plus（$20/月）解锁 Thinking 模式（推理、跨最多 8 张图的角色一致性），额度大约是每 3 小时滚动窗口 50 张。
- 比例支持 3:1 到 1:3，最高 2K 分辨率，用自然语言指定即可（“做成 4:5""竖版 9:16”），不需要 Midjourney 参数。
- 相比 Midjourney 真正的优势：它记得同一对话里上一张图，所以”同一个角色换个场景”是真能保持住的。
ChatGPT Images 2.0 改了什么
2026 年 4 月这次更新值得先了解，因为下面的工作流都依赖它。相比老版 DALL·E，有三点是新的：
| 能力 | 之前（GPT Image 1.5） | 现在（ChatGPT Images 2.0） |
|---|---|---|
| 每条 Prompt 出图数 | 1 张 | 最多 8 张，角色 / 物体保持连续 |
| 比例 | 有限的预设 | 3:1 到 1:3，重新构图而非裁切 |
| 推理步骤 | 无 | 出图前先规划版面和文字位置（Plus 以上的 Thinking） |
| 图内文字 | 经常乱码 | 排版可读，含中文、日文、韩文 |
| 参考图编辑 | 粗糙 | 上传图、选中局部、用文字描述改动 |
最关键的是推理这一步：在 Plus 及以上的 Thinking 模式下，模型会先理解空间关系和文字位置，所以信息图、菜单、带标注的示意图能出得清晰可读，而不是一堆糊掉的字。
在哪打开、需要哪个档位
没有单独的图片面板，直接在普通对话框里出图。
| 档位 | 价格（2026 年 6 月） | 图片能力 | 大致额度 |
|---|---|---|---|
| 免费 | $0 | 仅基础模型 | 约 2-3 张/天 |
| Go | $8/月 | 基础模型 | 高于免费 |
| Plus | $20/月 | 基础 + Thinking 模式 | 约 50 张 / 3 小时窗口 |
| Pro | $200/月 | 基础 + Thinking + ImageGen Pro | 最高 |
OpenAI 并不公布精确的图片上限，而且会动态调整，以上请当作 2026 年 6 月社区观察到的区间。实操结论：要让一组图里的角色保持一致，就需要 Plus 及以上，才能用上 Thinking 模式。
最小可用的 Prompt 结构
不需要 Midjourney 参数，但有结构仍然比一句模糊描述强得多。按这个顺序写：
主体 + 风格 + 镜头 / 视角 + 光线 + 氛围 + 比例例：
一个 30 岁的男性在咖啡馆窗边喝咖啡，写实摄影风格，50mm f/1.8 镜头，自然窗光，温暖、安静的氛围，比例 4:5。
大多数人会漏掉的两项恰恰是镜头和光线方向，而这正是”真实照片”和”AI 库存图”的分水岭。写明焦段（50mm、85mm）加一个光源（“窗户的侧光""阴天柔光”），比堆十个氛围形容词管用。
比例直接用文字说就行。ChatGPT 会为新比例重新构图，而不是裁切，所以同一个创意能干净地输出成 1:1、9:16、16:9，分别投放到不同位置。
怎么让一组图风格一致
这是 ChatGPT 最强的一点：它在同一会话里”记得”上一张图。用法：
- 出第一张后，明确说要保留什么：“保留这种光线和调色，角色和服装不变”。
- 每出一张新图都锚定上一张：“基于上一张，同一个人，换到夜里的厨房。”
- 迭代 3-4 张后，把”风格描述”固化成一段固定文本，之后只改主体那一行，每次粘贴同一段。
- 在 Plus 及以上，可以一次要整组：“生成 4 张这个角色在不同场景的图，脸和服装保持一致。“Thinking 模式能在一次请求里把最多 8 张图的连续性保住。
两件事会破坏一致性：开新对话（风格会重置），以及中途改动固化好的风格段。保持一个对话、保持那段文本稳定。
编辑已有图片
上传一张图后，你可以选中某个区域描述改动，也可以在对话里描述更大范围的修改。用自然语言追问就能调整，不用从头来过：“去掉杯子""把外套改成藏青色""修一下手”。区域选择不是像素级精确，所以遇到要求严格的局部，预留两三轮迭代。
适合做什么
- 小红书 / 公众号封面、Banner、缩略图多版本
- 个人头像、虚拟形象探索
- 商品示意图、设计沟通用的场景图
- App / 网站 hero 图灵感、分镜
- 信息图和带标注的示意图（文字可读这一升级让这类需求第一次真正可行）
不适合做什么
- 需要矢量、可缩放、可完整修改的最终交付件（Logo、图标）——它输出的是栅格像素，不是可编辑路径
- 需要明确授权的严格商业版权素材（商标等）
- 截止时间很紧、对文字要求精确的场景——排版好多了，但仍要逐字校对
关于版权：按 OpenAI 当前的使用条款，你拥有自己生成的图并可商用，但 Logo、商标，或任何需要严格知识产权清晰度的东西，不要靠 AI 出。商业上线前请看最新版本条款。
FAQ
ChatGPT 的图片生成在哪里入口？ Free / Plus / Pro 用户都在普通对话框里出图，没有单独面板。出现”生成""画""图片""帮我画一张……”等词就会触发。免费档每天大约只能出 2-3 张。
需要 Midjourney 那种 --ar 参数吗？
不需要。ChatGPT 不解析 --ar、--v、--sref。比例用自然语言说就行（“4:5""竖版 9:16”）。它支持 3:1 到 1:3、最高 2K，而且换比例时是重新构图而不是裁切。
怎么让一组 4 张图风格一致？ 在同一对话里全部生成，并明确引用上一张（“同一个角色、同样服装，换到厨房”）。在 Plus 及以上，Thinking 模式可以一次请求出最多 8 张并保持连续性。开新对话风格会重置。
生成的图为什么看起来很空泛、像 AI 库存图？
Prompt 缺具体信息。具体的镜头和光线方向永远比模糊的形容词管用。加上 50mm f/1.8、窗户的侧光、一个明确的氛围词，再重新生成。
免费档和 Plus 在图片上差在哪？ 免费档只有基础模型（约 2-3 张/天）。Plus（$20/月）多了 Thinking 模式——出图前规划版面和文字的推理步骤，以及跨最多 8 张图的角色一致性——额度约每 3 小时窗口 50 张。Pro 在此之上再叠加 ImageGen Pro 层。