730 张高强度实测：GPT Images 2.5 多轮编辑表现与核心问题复盘

创作者 Zho 发布了对 GPT Images 2.5 进行为期三天、累计 730 张图像生成的高强度实测报告，量化分析了模型在单次生成与多轮编辑场景下的能力边界与核心痛点。

• 实测统计显示，模型整体生成成功率达 96.6%，单次提示词一次到位体感在 75% 至 80% 之间，整体感评分给出 82/100。
• 专业级多轮连续编辑能力评分仅为 74/100，暴露出复杂创作中难以稳定保持画面设计状态、主体一致性与风格约束的短板。
• 测试总结指出，当前图像生成的核心成本已从单次生成的计算消耗转移为多轮交互过程中的提示词对齐与状态维护成本。
• 影响/看点：测试结果表明新一代图像模型在单图渲染品质上表现稳定，但在需要严格时空连续性与多轮精确修改的专业设计管线中，仍需更完善的图层解耦与局部状态锁定工具支撑。
• 资料依据：
• X：ZHO（2026-09-12）：https://x.com/ZHO_ZHO_ZHO/status/2098730777987129371

本内容由 AI 生成，仅供参考，请注意甄别