🖼️ 图像生成

Codex AI 生图模型选择与最佳实践

GPT Image 2.5 时代 · 模型对比 · 场景选型 · 提示词技巧 · 成本优化

更新于 2026 年 9 月 · 基于 OpenAI 官方发布与社区实践

1 图像生成模型全景

截至 2026 年 9 月,OpenAI 的图像生成模型已经从 DALL-E 系列演进到 GPT Image 2.5 时代。Codex 用户可以直接调用这些模型生成图片,与编码能力无缝结合。

📌 架构演进:从 DALL-E(独立扩散模型)→ GPT Image 1(语言模型原生架构)→ GPT Image 2(内置 O 系列推理)→ GPT Image 2.5(更快、更准、Sketch/Templates)。每一代都是质的飞跃。

1.1 当前可用模型一览

模型 发布时间 定位 核心能力 Codex 可用
Sunburst GPT-Image-2.5 Sunburst 2026.09 旗舰精度 最高画质、精确编辑、细节创意工作 ✅(API 方式)
Flare GPT-Image-2.5 Flare 2026.09 快速主力 高质量 + 速度快,日常首选 ✅(ChatGPT 2.5 后端)
Standard GPT Image 2 2026.04 标准 2K 输出、推理生成、多语言文字 ✅
Legacy GPT Image 1.5 2025.12 兼容 真实感、文字渲染、透明 PNG ⚠️ 仅旧项目
Legacy DALL·E 3 2023 已退役 初代 ChatGPT 集成生图 ❌(2026.03 退役)

1.2 GPT Image 2.5 的关键新特性

⚡ 速度提升 50%

首图生成快了近一倍,多轮编辑迭代更流畅。快速试错、大量出图首选 Flare。

🎯 精确多轮编辑

评论式编辑(comment-based edits)只改你指定的部分,多轮编辑后细节保持一致。

✏️ Sketch 手绘输入

用 @Sketch 调出画板,画草稿+文字描述,精确控制构图和元素位置。

📐 Templates 模板

内置海报、周边、传单、产品图等模板,直接套用标准尺寸和布局。

🖼️ 更高画质

更自然的光照、更丰富的纹理、肤色更真实,减少"塑料感"。

🔍 参考图一致性提升

基于参考图修改时,主体特征保留更好,换背景/改风格不易走形。

⚠️ DALL·E 3 已退役:2026 年 3 月 4 日起,DALL·E 3 不再支持新部署,现有部署也已失效。请全面迁移到 GPT Image 系列模型。

2 模型对比与选择

2.1 Sunburst vs Flare vs Image 2

维度 Sunburst Flare Image 2
定位旗舰精度快速主力标准
画质⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐
速度⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐
编辑精度⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐
Sketch 支持✅✅❌
Templates 支持✅✅❌
自定义尺寸任意宽高(8 的倍数)任意宽高标准比例
成本较高中等中等
适合场景精细创意、商业出图、精确编辑日常设计、快速迭代、概念图通用场景、旧项目兼容
💡 选择建议:80% 的日常场景用 Flare 就够了——速度快、质量好、性价比高。只有当你需要极致细节或多轮精确编辑时,再上 Sunburst。

2.2 关键能力详解

文字渲染能力

GPT Image 2 及以上支持 中日韩、印地语、孟加拉语等非拉丁文字的字符级精准渲染。海报、Logo、菜单、信息图等含文字场景直接可用,无需后期重绘。

推理生成(Thinking Mode)

生成前模型会先"思考"构图、光照、元素布局。复杂场景(多物体、特定视角、文字排版)成功率大幅提升,可减少 2-3 轮反复修改。

Web 搜索集成

遇到模型不知道的东西(最新产品、特定 Logo、近期事件),会自动联网搜索并整合到图像中,配合事实检查避免"幻觉"。

3 决策指南:怎么选模型

3.1 场景-模型对照表

使用场景推荐模型推荐模式理由
快速概念草图、头脑风暴 Flare Instant 速度优先,快速迭代想法
UI/UX 设计初稿、图标生成 Flare Instant / Thinking 质量和速度平衡
产品图、营销素材 Flare Thinking 构图更专业,文字更准确
海报、传单、含大量文字 Sunburst + Templates Thinking 文字精度 + 版式模板
角色设计、概念艺术 Sunburst + Sketch Thinking 草图控制构图 + 高质量渲染
精确多轮编辑(改局部) Sunburst Thinking 编辑精度最高,细节保留好
批量生成缩略图、占位图 Flare Instant 快、便宜、量大为王
技术架构图、流程图 Flare + Sketch Thinking 手画线框图转精美示意图
商品主图、电商详情页 Sunburst Thinking 商业级画质,值得投入

3.2 决策流程图

▶ 开始 ↓ 需要商业级最终交付? ├ 否 → 用于快速概念/草图? │ ├ 是 → Flare + Instant │ └ 否 → Flare + Thinking └ 是 ↓ 需要精确多轮编辑/精细细节? ├ 否 → Flare + Thinking └ 是 → Sunburst + Thinking

3.3 切换模型的方式

在 Codex 中,图像生成通过工具调用实现,主要有三种方式切换模型:

方式 1:对话中指定(ChatGPT 集成)

用 ChatGPT Images 2.5 生成一个 SaaS 产品的登录页插画,
风格简洁现代,主色调蓝色

方式 2:使用 `$imagegen` 技能

$imagegen --model gpt-image-25-flare "一个科技感的仪表盘 UI"

方式 3:配置文件中设置

在 ~/.codex/config.toml 或项目 .codex/config.toml 中:

[image]
model = "gpt-image-25-flare"
quality = "high"
size = "1792x1024"

4 Codex 中生图的三种方式

方式 A:对话式生图

直接在 Codex 对话中描述需求,由 AI 自动调生图工具。最自然、最常用。

  • ✅ 零配置,直接说需求
  • ✅ 自动判断是否需要生图
  • ✅ 可以和代码任务穿插进行
  • ❌ 模型控制不够精细

适合:日常概念图、文档配图、快速原型

方式 B:$imagegen 技能

通过内置技能命令精确控制参数。需要生图时最直接的方式。

  • ✅ 完全控制模型、尺寸、质量
  • ✅ 批量生成可编程
  • ✅ 可写入脚本自动化
  • ⚠️ 需要熟悉命令参数

适合:批量出图、脚本化工作流、精确控制

方式 C:自定义生图技能

通过 Skill 机制封装自己的生图脚本,接入任意生图 API。

  • ✅ 可接入第三方模型
  • ✅ 完全自定义工作流
  • ✅ 可与项目特定需求结合
  • ❌ 需要自己写脚本维护

适合:团队定制、特殊需求、多模型对比

💡 新手推荐:先用方式 A(对话式)上手,熟练后再用方式 B($imagegen)精确控制。只有团队有特殊需求时才考虑方式 C。

4.1 常用 $imagegen 命令示例

# 基础生成
$imagegen "一只在月球上打高尔夫的柴犬,电影级光影"

# 指定模型和尺寸
$imagegen --model gpt-image-25-sunburst --size 1536x1024 \
  "一个赛博朋克风格的城市夜景,霓虹灯,雨天"

# 指定输出数量(最多8张)
$imagegen --n 4 "极简风格的 App 图标设计,蓝色主题"

# 基于参考图生成
$imagegen --reference ./my-photo.jpg \
  "把这张照片改成宫崎骏动画风格"

# 保存到指定目录
$imagegen --output ./assets/hero.png \
  "产品官网 hero 背景图,抽象几何渐变"

4.2 与编码工作流的结合

Codex 生图最大的优势是可以和代码工作流无缝衔接。常见组合用法:

5 提示词最佳实践

5.1 提示词黄金结构

📐 公式:主体描述 + 环境/背景 + 构图视角 + 风格/艺术流派 + 光照/色调 + 质量标签 + 负向约束

❌ 坏例子(太笼统):

帮我画一只猫

✅ 好例子(结构化):

画一只橘色的英国短毛猫【主体】,
坐在窗台上,背景是城市夜景灯光虚化【环境】,
平视视角,中景构图,猫咪占据画面中心【构图】,
吉卜力工作室风格,手绘动画质感【风格】,
暖色调,窗外冷色灯光对比,柔和的室内灯光【光照】,
高细节,电影级画质,8K【质量】
不要水印,不要文字【负向约束】

5.2 按场景的提示词模板

🎨 产品/营销图

【产品名称和外观】,放在【场景/背景】中,
【构图方式:平视/俯视/特写】,
商业摄影风格,专业产品摄影,
干净的背景,柔和均匀的布光,
高分辨率,锐化,专业后期调色

💻 UI/UX 设计

一个【应用类型:SaaS 仪表盘/电商App/个人博客】的界面设计,
【风格:现代简约/新拟态/玻璃拟态/赛博朋克】,
主色调【颜色】,辅助色【颜色】,
包含【核心模块列表】,
Dribbble 风格,高保真,UI8 质量,
清晰的排版,合理的留白

🏢 架构/技术示意图

一张【系统名称】的技术架构图,
包含【组件1】、【组件2】、【组件3】等模块,
用箭头标注数据流方向,
【风格:等轴测/扁平化/手绘风格】,
配色用蓝色系代表服务,绿色代表数据流,
清晰的标签,专业的技术文档风格,
白色背景,矢量图质感

🎭 角色/概念艺术

一个【角色描述:性别、年龄、外貌特征、服装】,
【姿势/动作】,【表情/神态】,
背景是【场景描述】,
【艺术风格:概念艺术/赛博朋克/奇幻/写实】,
【艺术家风格参考】,
戏剧性光照,高细节,概念艺术作品集级别

5.3 提高成功率的技巧

① 越具体越好

GPT Image 系列对精确描述的遵循度很高。说清楚"什么东西、在什么地方、什么角度、什么风格",一次成功率大幅提升。

② 用位置词控制构图

明确说"左边是 A,右边是 B,中间是 C"、"前景是 X,背景是 Y"。复杂构图配合 Sketch 功能效果最好。

③ 用风格参考锚定审美

说"皮克斯动画风格"比说"卡通风格"准得多。可以参考:具体艺术家、电影/游戏风格、设计网站(Dribbble/Behance)、艺术流派。

④ 指定数量和关系

明确说"正好 3 个苹果"、"A 在 B 的上方"、"人物朝左看"。模型对数量和空间关系的理解在 2.5 版本提升很大。

⑤ 用负向词排除干扰

不想要什么就明确说出来:"不要文字"、"不要水印"、"不要多余的手指"、"画面中没有人物"。

⑥ Thinking 模式处理复杂场景

多物体、特定视角、包含文字、复杂布局的场景,一定要开 Thinking 模式,虽然慢一点但成功率高很多。

5.4 中文提示词 vs 英文提示词

GPT Image 2 及以上版本对中文提示词的理解已经非常好了,日常使用完全可以用中文。但有两点注意:

建议:主体和场景用中文,风格和技术术语用英文,混合写就行。

6 多轮编辑与精修

GPT Image 2.5 最大的进步之一就是多轮编辑的一致性。不再是每次重画一张新图,而是真的在原图基础上修改。

6.1 编辑方式

编辑方式适用场景提示词示例
全局风格转换 整体改画风、色调、氛围 "把这张图改成水彩画风格"
局部修改 只改某个具体部分 "把左边的椅子换成沙发"
添加元素 在指定位置加东西 "在桌子上加一杯咖啡"
移除元素 去掉不需要的东西 "去掉背景中的人物"
调整构图 裁剪、扩展、改视角 "把画面扩宽,增加左右两侧空间"
文字编辑 修改图中的文字内容 "把招牌上的文字改成'营业中'"

6.2 多轮编辑的最佳实践

  1. 先定大方向,再抠细节:第一轮先把构图、风格、主体定下来,满意了再改细节
  2. 一次只改一个东西:每轮编辑专注一个修改点,避免模型"改着改着走形了"
  3. 用"评论式"描述:说"把左上角那个红色的按钮改成蓝色"比"改改颜色"准得多
  4. 复杂修改用 Sunburst:多轮编辑、精确修改选 Sunburst,细节保持更好
  5. 不满意就重来:如果改了 3 轮还不对,不如重新生成一张,可能更快
⚠️ 编辑次数有限:同一张图连续编辑太多次(一般 5 轮以上),画质会逐渐下降、细节会丢失。建议在 3-4 轮内搞定,否则重新生成。

7 成本优化策略

7.1 订阅额度 vs API 计费

方式计费单位适合人群注意事项
ChatGPT 订阅 订阅内含额度 Plus/Pro 订阅用户 有使用上限,Pro 更高
Codex Credits 按 Credits 扣 Codex 用户 走 $imagegen 技能从 Credits 扣
API 直接调用 按张/按 Token 开发者、批量生产 按需付费,量大有优惠
💡 省钱小技巧:如果你已经有 ChatGPT Pro 订阅,用 Codex 的 $imagegen 技能生图会从 Codex Credits 中扣除,而 Pro 订阅的 Credits 有高倍率加成——相当于用订阅费覆盖了大量生图需求,比单独买 API 划算得多。

7.2 节省消耗的七条建议

① 先用小图试错

不确定效果时,先用 1024px 或更小的尺寸、Instant 模式快速试 2-3 版,满意了再出大图。

② Flare 做主力,Sunburst 做精修

80% 的场景 Flare 足够。只有最终交付或需要精确编辑时才用 Sunburst。

③ 提示词写好,减少返工

一张写得好的提示词一次成功,比模糊描述反复修改省得多。花 30 秒优化提示词是值得的。

④ 批量生成选对模式

批量占位图、缩略图用 Flare + Instant,速度快且省。不要每张都上最高质量。

⑤ 善用参考图

有参考图时,模型理解需求更快更准,减少摸索轮次。

⑥ 利用模板减少参数调试

Templates 内置了标准尺寸和优化的布局参数,直接套用比自己调尺寸效率高。

⑦ 编辑轮次控制在 3 轮内

超过 3 轮还不满意的,重开一张。不仅省钱,最终效果往往也更好。

⑧ Plus 用户注意额度

Plus 用户有每日/每月上限,高消耗任务注意分配。月末额度用不完可以集中生产素材。

8 常见误区与避坑

❌ 误区 1:「默认用最贵的模型最好」

不是所有场景都需要 Sunburst。简单任务用 Flare 更快更省,效果差距不大。模型选择应该匹配任务难度。

❌ 误区 2:「提示词越短越省事」

描述模糊 = 反复修改 = 更多消耗 + 更低效率。写好提示词是性价比最高的投资。

❌ 误区 3:「一张图改到底」

多轮编辑有累积误差,改到第 5 轮画质已经下降不少。不如 2-3 轮不满意就重新生成。

❌ 误区 4:「文字直接生成就行,不用检查」

虽然文字渲染能力已经很强,但生僻词、专业术语、特殊排版还是可能出错。含文字的图一定要仔细检查。

❌ 误区 5:「参考图可以随便用」

涉及真实人物、受版权保护的设计时要注意合规。商业用途的图尽量原创描述,不要直接模仿真人或品牌。

❌ 误区 6:「所有尺寸都要最大」

2K 大图生成慢、消耗高。用在什么地方就生成什么尺寸:缩略图 512px 就够,网页 hero 图 1792x1024 合适,打印才需要最高分辨率。

❌ 误区 7:「Thinking 模式一定更好」

简单场景(单物体、纯色背景)开 Thinking 反而慢,Instant 就够。Thinking 模式的价值在于处理复杂构图和多元素场景。

🖼️ Flare 做主力,Sunburst 求精修;提示词写清楚,一次就成功;小图先试错,大图再交付。

📚 参考资料