大家好，我是孟健。
我提供角色设定与陶瓷杯两张参考图，一次生成一张四格故事。画面保留了人物服装与杯子橙把，色调由雨夜冷色转为室内暖色，整体可用作产品物料的概念初稿。
01 输入两张设定图，直接在单画幅跑通四格叙事
把多个不同来源的主体放进同一个连贯情节里，向来容易让画面走样。这一次，我把之前文生图得到的一张双角色三视图设定，以及另一张虚构的MOKU陶瓷杯商品图同时作为输入，要求在一张图内排出版面，讲清楚"出门、交接、送达、休息"四个阶段的雨夜送杯过程。
两名角色的原始参考图如下：
从原始设定看，上方是人类角色三视图：戴红圆眼镜、白发挑染、黄色外套、蓝绿斜挎包配深色裤子和白鞋；下方是名为DOT的配送机器人三视图：双青色方眼、头顶红天线、腰系橙色带子、有两个轮子。
对照回开头生成的四格大图，主体的核心特征承接得很顺畅。女孩的红眼镜、黄色外套，机器人的方眼和双轮行走机构，以及杯子醒目的橙色手柄，在四个分镜里都有体现。从冷雨夜街景跨入室内暖光的色调过渡自然，第三格送达特写里杯身上的"MOKU"字样清晰可读，四个分镜上方的中文小标题也都印在对应位置。
但放大细看，破绽依然明显。第二格交接场景里，机器人头顶的红色天线向一侧倾斜偏移，没有保持设定里的居中形态；画面背景还自作主张添加了提示词里并未要求的英文招牌。这里必须分清：这是一张画布内完成的四格故事排版，体现的是模型处理多图参考特征的整合能力，不能混淆成多次独立调用下同一角色能够跨图维持恒定。
02 看看业界的真实上手：从画质比拼转向编辑定位
9月8日官方正式发布新模型，声称相对Images 2.0延迟最多降50%（本机未复测）。官方产品线划分了偏向速度的Flare与偏向精细且耗时更久的Sunburst两条路线。
在Axios的提前上手报道中，记者Ina Fried测试了多项实用任务。她将自家宠物猫Raven的照片转成了几种不同的艺术画风；在已有纹身周围圈选修改设计并把局部颜色调浅；在设计"Axios 2028"概念标识时，初版相对平淡，但在引导加入日落天际线后，顺利延展到了品牌周边等物料上，参考主体保留较好。
在TechRadar的24小时实际体验中，作者Graham Barlow提到工作流工具是当前关注重心，包括图片评论打点定位修改、Sketch草图交互以及模板引导等。他也客观提醒，部分编辑工具栏从8月起就已陆续出现，不能把所有交互界面都算作这次模型更新的产物。
国内开发者cxuan的公开上手也展示了草图转图的用法，例如通过简笔面包草图生成立体的3D黏土风格面包，验证了简笔输入的转化能力。
对开发者而言，先提供已有素材再明确修改要求更具参考价值。给出参考图配合定点反馈，相比单纯要求画面更好看，能带来更明确且可控的生成结果。
03 检验密集文字与结构：排下十二行双语课表与六层分解图
做开发物料时，界面文字乱码和机械结构前后错乱是两个常见痛点。本轮我针对这两个高约束场景分别做了测试。
首先是一张包含三天日程、每天四个时段、总计十二行的双语开发训练营课表：
从画面排版来看，从早间九点到下午四点的时间段标注，以及"需求拆解 Scope"、"页面原型 Prototype"、"接口设计 API Design"，一直到第三天的"发布复盘 Review"，整整十二行中英对照全部排布就位，在此样本中没有发现文字乱码或时间错配。主标题、副标题和底部免责说明均正常呈现。不过在手机屏幕上阅读这些小字需要点开原图放大，且边缘依然带有额外生成的装饰性小英文。
紧接着是一张虚构台灯的六部件拆解图：
从上到下，六个部件顺次展开："01 半球灯罩"、"02 扩散圆片"、"03 发光圆环"、"04 中空立柱"、"05 配重底座"以及最底部的"06 防滑脚垫"。编号、中文标签与引出线各自对应清晰，灯罩开口朝下、环和立柱的中空形态在视觉上均符合直觉。需要说明的是，这只是一张概念层面的视觉拆解示意，没有包含内部电路或加工公差，不作为装配依据。
04 审视物理反射与连续改图：镜面扭曲与商品三次调用
除了文字排版，空间关系和局部微调同样考验实用价值。
在空间测试中，我给模型设定了一个包含红色立方体、装有整颗柠檬的水杯、银色金属球、封面印着"BUILD"的蓝色笔记本等六件物品的场景，并在后方立一面镜子。
画面中的主光阴影、金属反射和玻璃焦散很有摄影质感，镜子里也映照出了前景对应的几样物体。但当我们放大观察镜中的笔记本封面时，字体出现了明显扭曲，不能确认为正确的几何镜像映射。这提醒我们：光影氛围具有真实感，并不代表画面符合严谨的光学几何。
连续局部修改也有类似规律。在外部测试中，Promptowy的Piotr Olszewski对街景和橄榄油包装进行了两组共11次连续修改，发现每次改动都会伴随非目标细节的微小变化，不过作者也明确说明底层型号不明。而在我自己的虚构MOKU陶瓷杯测试中，通过三次调用完成了原图加两轮编辑：
第一步文生图：奶油色杯身、橙色右把手、杯体印有"MOKU"商标，标牌写着"¥99"。
第二步修改文本：以原图作为输入，要求仅将标价从¥99改成"¥129"。结果中主要结构和阴影肉眼相似，价格成功换成了¥129。
第三步多约束修改：要求将杯子右把手换成鼠尾草绿，同时保留右侧原本的橙色色卡，并维持¥129的标价。画面中把手顺利变绿，色卡与价格也均得以保留。不过如果对非目标区域做像素比对，整体仍能查出肉眼不易察觉的细微差异，并非完全无损。
包含之前的尝试，两轮累计调用9次（文生图6次，带图参考3次，本轮新增5次），没有重抽挑图。未在同等条件下比对旧版或竞品，不给出综合成功率；实测中可以观察到非目标区域的像素出现变化。
05 把控不可变特征：从复杂初稿到交付检查
复杂的视觉初稿完全值得交给AI去搭架子，但交付检查绝不能外包给好看的画面质感。实际调用时，可以先明确列出红圆眼镜、天线朝向这类绝不可变的特征清单，再连同参考图一起输入。
拿到初稿后，立刻对照原始设定逐项核对：机器人底部的轮子数量有没有走样，红眼镜的框线是否断连，连环画里随行杯的杯身反光与商标朝向是否对齐。这些具体破绽往往藏在第一眼的惊艳背后，需要开发者逐格确认。
参考来源
- OpenAI：Images 2.5 发布公告
- Axios：新版图像编辑器首发实测
- TechRadar：Images 2.5 上线24小时上手
- 电子工程专辑：Images 2.5 图像测试实录
- Promptowy：图像局部连续修改实测
👋 我是孟健，前腾讯 T11 / 前字节技术 Leader，现在全职做 AI 编程。
🔥 更多 AI 编程实战：
- GitHub：@mengjian-github
- 专栏：AI编程实战
觉得有用？点赞+收藏 就是最大支持 🙏