这两天，一个叫 luna-lisa-alpha 的图像模型出现在 LMArena 相关测试记录中。
社区很快把它和 OpenAI 联系起来，甚至直接叫它“GPT Image 2.5”。原因也不复杂：此前被认为与 GPT Image 系列有关的测试代号里出现过 mona-lisa-1，而这次的新名字仍然沿用了 “lisa”。加上流出的样张在人像、文字和网页布局上表现亮眼，猜测迅速扩散。
不过，写到这里必须踩一脚刹车：截至 2026 年 8 月 22 日，OpenAI 没有正式发布名为 GPT Image 2.5 的模型，也没有确认 luna-lisa-alpha 的归属。
目前能确认的只有两件事：它作为未标明厂商的图像模型出现在第三方测试环境中；社区已经围绕它积累了一批样张和对比观察。至于它是不是 OpenAI 的下一代图像模型、最终会叫什么、何时开放，都还没有官方答案。
图：第三方追踪页面将 luna-lisa-alpha 标注为未知厂商的图像模型。截图只能证明代号出现，不能证明模型归属。
先分清：哪些是事实，哪些仍是猜测
| 信息 | 当前判断 | 依据与边界 |
|---|---|---|
luna-lisa-alpha 出现在测试记录中 |
已有公开截图支持 | 厂商一栏仍为 Unknown |
| 社区正在对它进行图像生成测试 | 可以确认 | 已流出多组样张与对比图 |
| 它属于 OpenAI | 未确认 | 主要来自代号关联和输出风格推测 |
| 它就是 GPT Image 2.5 | 未确认 | OpenAI 尚未公布这个产品名称 |
| 它会很快上线 API | 未确认 | 没有正式发布日期、模型 ID 或定价 |
社区流传的帖子可以作为线索，但不能替代发布公告。
图：社区对模型身份的推测。本文将其作为讨论背景，不把截图中的命名当作官方结论。
社区样张透露了四个升级方向
样张不等于严格评测。提示词、随机种子、分辨率、生成次数和筛选过程都可能影响最终观感。即便如此，把不同用户的结果放在一起，仍能看到下一代图像模型正在集中解决哪些问题。
1. 人物一致性开始从“偶尔相似”走向“连续可用”
AI 人像最常见的麻烦发生在连续生成：第一张效果不错，换个场景，人物也跟着换了。发型、脸型、年龄、服装细节和配饰会随着画面变化不断漂移。
流出的多组人物样张中，同一类角色在构图、距离和光线改变后，身份特征维持得更稳定。下面这组夜市人物图并非完全一致，发型、五官和场景仍有变化，但比“每张重新抽卡”的状态更接近可连续使用的素材。
对广告、电商和内容团队来说，这项能力比单张画面的冲击力更值钱。同一个人物需要出现在封面、详情页、社媒海报和短视频分镜里，稳定性会直接决定返工量。
2. 写实图的塑料感和颗粒噪声在下降
过去的写实生图常有一种很容易辨认的“AI 质感”：皮肤过度平滑，头发像一整块材质，背景细节糊成均匀噪点，边缘又被过度锐化。
社区样张里，皮肤、织物、头发和环境光之间的关系更自然。人物与背景的景深也更接近摄影画面，不再像先生成主体、再把主体贴进背景。
仍要注意，这些样张很可能经过挑选。判断模型是否稳定，不能只看一张“冠军图”，而要在同一提示词下连续生成 10 到 20 次，统计可直接使用的比例。
3. 文字、网页和信息布局正在成为主战场
图像模型早就能画漂亮海报，但一碰到多段文字、导航栏、参数表和按钮，错别字、乱码、错位就会一起出现。
这次流出的网页样张比较值得关注。模型不只生成了一台折叠手机，还尝试完成导航、主视觉、卖点区、规格信息和页脚。局部文字仍需逐项核验，整体的信息层级已经接近一张可讨论的设计稿。
这意味着图像模型的用途可能继续向产品设计和内容生产延伸：先生成接近成品的视觉方案，再交给设计师校对、拆版，或配合视觉转代码工具继续实现。
这里最容易产生误解。“看起来像网页”不等于“生成了可上线网页”。 图中的交互、响应式布局、无障碍和真实组件仍需工程实现，画面内的品牌和产品信息也不能直接当作事实使用。
4. 细节区域的重复纹理仍没有消失
表现更强不等于没有老问题。在云层、柳枝、草地、密集人群和连续建筑窗格中，模型仍可能复制相似纹理，出现局部重复、结构粘连或透视漂移。
这类错误在缩略图里不明显，放大后很容易暴露。海报发布前至少要检查手指与饰品、重复物体、文字、品牌标识、建筑结构和背景边缘六个区域。
为什么这轮升级值得内容团队关注
生图模型竞争已经从“谁能做出最好看的一张图”，转向“谁能稳定交付一组可用素材”。两者看起来只差一个“稳定”，工作流程却完全不同。
单张惊艳图适合演示。稳定的角色、文字和布局能力，才适合连续生产：
- 一个角色生成 6 张连续剧情图；
- 一套商品图同步适配官网、公众号和社媒尺寸；
- 一张活动主视觉派生横版、竖版和方形版本；
- 先生成网页或海报草案，再由设计师做精修；
- 让 Agent 自动生成、检查并修改一批营销素材。
模型能否进入生产环境，取决于可控性、可复现性和修改成本，而不是最好样张的上限。
怎么测试新的 AI 生图模型：一套可复用的验收清单
等新模型正式开放后，不必照搬社交媒体上的“同一句提示词对打”。准备一组与你业务相关的固定题目，才能判断升级有没有落到实际工作上。
| 测试项 | 建议任务 | 记录指标 |
|---|---|---|
| 人物一致性 | 同一人物生成近景、全身、侧面和不同场景 | 身份特征保持率、可用张数 |
| 文字准确性 | 生成含标题、价格、日期和按钮的海报 | 错字数、漏字数、布局错误 |
| 局部编辑 | 只改衣服颜色，不改脸和背景 | 非目标区域变化比例 |
| 构图服从 | 指定主体位置、留白和画幅 | 构图命中率 |
| 细节稳定性 | 云、树叶、手部、密集建筑 | 重复纹理与结构错误数 |
| 连续生产 | 同一 Brief 连续生成 20 张 | 一次通过率、平均修图时间 |
可以把每个测试案例记录成结构化文件，之后更换模型时直接复用：
{
"case_id": "poster-text-01",
"task": "生成一张竖版新品发布海报",
"required_text": ["新品发布", "8 月 28 日", "立即预约"],
"must_keep": ["品牌主色", "产品外观", "右上角留白"],
"run_count": 10,
"metrics": ["text_accuracy", "layout_match", "usable_rate", "edit_minutes"]
}
{
"case_id": "poster-text-01",
"task": "生成一张竖版新品发布海报",
"required_text": ["新品发布", "8 月 28 日", "立即预约"],
"must_keep": ["品牌主色", "产品外观", "右上角留白"],
"run_count": 10,
"metrics": ["text_accuracy", "layout_match", "usable_rate", "edit_minutes"]
}
测试时还要保留模型 ID、日期、尺寸、质量档位和原始提示词。只记录“感觉更好”很难复盘，也无法解释成本为什么升高或降低。
现在需要等 GPT Image 2.5 吗？
没必要暂停项目。
如果当前模型已经能完成商品草图、公众号配图或视觉 Brief，可以继续跑现有流程，同时把测试集准备好。等候选模型正式公布后，用同一批题目复测，再决定是否迁移。
通过 Apito 这类统一 API 接入平台，团队可以集中管理现有模型的 Key、请求地址、调用记录和成本。未来出现新模型时，应先以控制台实际可见的模型列表为准，完成小流量验证后再切换，避免在代码里提前写入未经确认的模型名称。
还有一个容易混淆的点：OpenAI 帮助中心已经说明 ChatGPT Images 支持生成透明背景，但这不等于所有 API 模型、所有端点都具备相同能力。API 功能应以对应模型的官方文档和实际测试为准。
结语
luna-lisa-alpha 目前是一条值得观察的产品信号，不是一场已经官宣的发布。
它透露出的方向很清楚：更稳定的人物、更干净的写实质感、更复杂的文字与界面生成，以及面向连续生产的可控性。它也保留了图像模型熟悉的缺点，尤其是复杂纹理和局部结构错误。
如果 OpenAI 后续公布新的 GPT Image 模型，最值得看的不会只是排行榜名次，而是同一角色能否跨图保持、指定文字能否一次写对、局部修改会不会破坏整张图，以及一批素材里到底有多少张能直接进入生产。
参考资料
- OpenAI：GPT Image 2 模型文档
- OpenAI Developer Community：GPT Image 2 已进入 API 与 Codex
- OpenAI Help Center：在 ChatGPT 中创建图片
想统一管理现有模型调用并为后续模型迁移预留空间，可前往 Apito 查看当前实际可用的模型与接入方式。
