第一次生成的图，很少长得像你脑子里想的那张。换成 gpt-image-2（ChatGPT Images 2.0 背后的模型，2026 年 4 月 21 日上线）之后，差距比以前小了不少——但要拿到一张能直接用的主图，靠的仍然是一套流程，而不是一条 prompt。这篇就是我从一行目标走到最终成图的循环，全程大概 10-15 分钟。
一句话总结
- ChatGPT 现在的出图模型是
gpt-image-2（Images 2.0）：原生 2K（最高 2048px），能准确渲染图内文字（含中日韩），还能在一条 prompt 里输出最多 8 张、保持同一角色或产品一致。 - 主图、品牌图用 Thinking 模式（它会先规划、按需联网找参考、再自我挑剔地审一遍草图）；快速试错用 Instant 模式。
- 开始前先定好比例。
gpt-image-2支持 3:1 到 1:3（1:1、16:9、9:16、4:5 等）——先出方图再裁成 16:9 是在白白浪费额度。 - 迭代时每轮只改一个变量，并且在对话里直接改图（“其它都留着，把笔记本换成手机”），不要从头重写 prompt。
- 免费档只够预览（约每 24 小时 2-3 张、方形 1024×1024、标准画质）。如果出图是工作的一部分，至少要按 Plus 起步（见下方限额表）。
这篇适合谁看
内容创作者、独立开发者、营销岗——赶截止日期、需要一张具体的图、又不想靠运气的人。只要能用文字把想要的画面说清楚，这套流程就用得上。
什么时候该用 ChatGPT 出图，什么时候别用
适合：单张主图、社交图、博客插图、简单广告创意、产品样机，以及任何能用一句话描述的画面。截至 2026 年 6 月，gpt-image-2 已经能可靠地处理图内文字，所以带标题的图、带标注的示意图这类活终于也能交给它了。
不适合：像素级 UI 稿、注册 logo 的精确复现、真实人物的写实头像，以及任何需要肖像/授权的素材。这些请找设计师、在 Figma 里做，或者用有授权的图库。
ChatGPT Images 2.0 改了什么
如果你对 ChatGPT 出图的印象还停留在 DALL-E 3，那已经过时了——DALL-E 2 和 DALL-E 3 已于 2026 年 5 月 12 日下线。现在的模型在使用体验上有实质区别：
| 能力 | DALL-E 3（已下线） | gpt-image-2（2026 年 6 月） |
|---|---|---|
| 最高分辨率 | 1024×1792 | 原生 2K，最高 2048×2048 |
| 可选比例 | 1:1、16:9、9:16 | 3:1 到 1:3（1:1、16:9、9:16、4:5、3:2 等） |
| 图内文字 | 不稳定，仅拉丁字母 | 约 99% 字符准确率，多语言含中日韩 |
| 改图 | 从头重新 prompt | 对话式局部重绘、删物体、换背景 |
| 一致性 | 一次一张 | 最多 8 张，同一角色/产品/场景 |
| 推理 | 无 | Thinking 模式先规划、再自我审稿后才画 |
两个实用结论：现在可以（在合理范围内）让它在图里写字了；改一张已生成的图，描述要改哪里即可，不必重写 prompt。
Instant 与 Thinking 模式
gpt-image-2 有两种模式，和 GPT-5.5 的 Instant/Thinking 分法一致：
- Instant：单次快速出图。用在试探阶段，先看看模型怎么理解你的描述。
- Thinking：跑一条更长的循环——把 prompt 拆成步骤，按需联网找参考，生成多个候选，自我挑剔后给出最好的一张。最终主图，以及任何带文字、带品牌约束的图，都用它。
口诀：用 Instant 试探，用 Thinking 收尾。
具体步骤
- 先写一行目标——主体 + 风格 + 气氛 + 用途。例如：“productivity App 的博客主图，平静，等距视角，蓝橙配色，16:9。”
- 开头就定好比例。 直接告诉 ChatGPT 具体比例（博客 OG 卡片 1200×630 / 1.91:1，Instagram 竖图 1080×1350 / 4:5）。别默认出方图。
- 跑一轮 Instant 试探，出 2-3 张，看看模型怎么理解”平静等距”。这一轮是调研，不是交付。
- 挑最接近的一张，在对话里改。 说清楚留什么、改什么：“保留打光和构图，把笔记本换成手机，去掉咖啡杯。“模型会改那一块区域，而不是从头重画。
- 迭代 3-5 轮，每轮只改一个变量（先光线，再配色，再某个单独的物件）。记下每轮改了什么，方便回退。
- 切到 Thinking 模式按生产尺寸收尾。 让它按精确比例、2K 分辨率出最终图，需要图内文字就明确写出来。
- 过一遍上线检查： 文字可读性、品牌色是否合规、有没有人物畸形、有没有意外的 logo、尺寸对不对。
一个真实的 OG 图流程
目标：一张 1.91:1 的博客 OG 卡片。先用 Instant 出 3 个备选 → 挑一个 → 在对话里改两次（先改背景渐变，再改标题位置）→ 切到 Thinking 模式按 1200×630 重出、把标题文字直接画进去 → 在任意编辑器里过一遍调对比度。总共大概十几分钟，四到五次生成。
ChatGPT 各档出图限额（2026 年 6 月）
出图额度和聊天是分开计的。下面是截至 2026 年 6 月的实际上限；OpenAI 会调整，正式套进流程前请在 App 里确认。
| 套餐 | 价格（美元/月） | 出图额度 | 分辨率 / 画质 |
|---|---|---|---|
| Free | $0 | 约每 24 小时 2-3 张（滚动） | 仅 1024×1024，标准 |
| Go | $8 | 高于 Free，低于 Plus | 标准 + 更大尺寸 |
| Plus | $20 | 约每 3 小时 50 张 | 完整 2K，全部比例 |
| Pro | $100 / $200 | 基本不限（有滥用护栏） | 完整 2K，优先 |
如果出图本身就是你的交付物，Plus 是底线——Free 档每天 2-3 张的方形预览，是用来试模型的，不是用来交活的。
容易踩的坑
- 第一条 prompt 把所有要求一次说完。 模型会把一长串愿望平均化，出一张很糊的图。先给主体 + 风格，再细化。
- 出图前才想比例。 出完 1:1 才发现要 16:9，等于拿额度白干。在第 2 步就定好。
- 该改图却在重写 prompt。
gpt-image-2能在对话里改图；重写整段 prompt 等于把已经对的部分也扔了。 - 凭一张烂图否定整条 prompt。 同一条 prompt 先多跑两三次，再判断措辞是不是真的有问题。
- 以为 Free 档的图就是成品。 Free 被限制在方形 1024×1024 标准画质——预览够用，做 2K 的 OG 卡片不够用。
进阶技巧
- 给出具体的风格名（“editorial illustration""包豪斯海报""等距 3D 渲染”），别堆模糊的形容词。模型对有名字的风格锚定得准得多。
- 存一段 house style 前缀。 把可复用的前缀（配色、渲染风格、光线）存下来，每张图都加在最前面，保证品牌一致。
- 用多图一致性做一组图： 在一条 prompt 里要同一角色或产品的最多 8 张，而不是在多次生成之间和漂移较劲。
- 改一行就重跑。 prompt 已经很接近、只是光线不对时，只改光线那一句——别重写整段。
可直接复制的 Prompt
一张 [主体]，[风格] 风格，[构图] 构图，[光线]，[配色]，
用作 [用途]。比例 [比例]，2K 分辨率。
[图内写标题文字 "[确切文字]" / 不要叠加文字]。不要水印。替换方括号里的占位符，不想要图内文字就删掉那句，从 Instant 模式开始。
FAQ
- ChatGPT 现在出图用哪个模型？:
gpt-image-2，品牌名 ChatGPT Images 2.0，2026 年 4 月 21 日上线，取代了已于 2026 年 5 月 12 日下线的 DALL-E 2 和 DALL-E 3。 - 免费档能出图吗？: 能，但每 24 小时滚动窗口只有约 2-3 张，方形 1024×1024 标准画质。要完整 2K 和全部比例，截至 2026 年 6 月需要 Plus（$20/月）或更高档。
gpt-image-2能在图里写出能读的文字吗？: 能——字符级准确率约 99%，含中文、日文、韩文、阿拉伯文、希伯来文。把确切文字写进 prompt，最终一版用 Thinking 模式跑。- 这些图能商用吗？: OpenAI 允许付费档商用，但请以最新条款为准，并避开商标、真人脸、版权角色。这些的责任在你自己。
- 为什么我的 logo 还是变形？: 模型没法可靠还原某个特定的注册 logo。让它只画背景，logo 放后期编辑器里贴真的那张。
- 怎么只改图的某一块、不从头重来？: 在同一段对话里描述要改哪里（“其它都留着，把马克杯换成笔记本”）。
gpt-image-2会对那块区域做局部重绘，而不是重画整张。