Codex 集成图像生成：OpenAI 再次重新定义编程 Agent 的能力边界

今天凌晨，OpenAI 在 X 平台宣布 ChatGPT Images 2.0 正式发布。作为新一代图像模型，Images 2.0 被官方定位为「state-of-the-art」的视觉处理方案，能够处理复杂的视觉任务并生成精准、可直接使用的图像。然而，真正令开发者社区振奋的是官方随后透露的一句话：「从今天起，所有 ChatGPT 和 Codex 用户都能使用。」这意味着，曾经专注于代码编写的 Codex，如今具备了原生图像生成能力。

架构图生成实测：专业度超出预期

笔者第一时间在 Codex（v0.122.0，模型 gpt-5.4）中进行测试。在未配置任何图像模型密钥、未安装额外插件的情况下，仅输入一句「画一个图：SaaS 架构应该是什么样子？」，不到一分钟一张分层清晰的架构图便生成在本地目录中。

Images 2.0 核心技术升级

最令人惊喜的是中文渲染效果。此前让 AI 生成带中文的架构图，标签往往模糊不清或出现乱码。而此次从「多租户 SaaS 平台」到「文件存储 OSS/S3」，所有中文标签都清晰可辨，甚至连中英文混排的排版都整整齐齐。这一突破对于国内开发者而言意义重大——在终端里写代码的同时，就能顺手生成可直接用于技术文档的配图，无需切换工具或配置复杂的图像模型密钥。

对开发者的实际意义

Images 2.0 底层模型代号为 gpt-image-2，API 已同步开放。几个关键参数值得关注：最高支持 2K 分辨率，宽高比从 3:1 到 1:3 全覆盖，知识截止到 2025 年 12 月。相较于两年前的 DALL-E 3，Images 2.0 最显著的进步在于文本渲染能力——此前被网友广泛调侃的拼写错误问题（如将「enchilada」画成「enchuita」）已基本解决。

可用性与定价

在细节控制方面，OpenAI 展示了一盘米饭的放大效果：每一粒米的颗粒感、反光、影子都交代得清清楚楚；旁边的手写笔记本字迹连贯，可正常阅读。这对于设计师和开发者而言意义非凡——以往 AI 生成的图像只能作为「灵感草图」，线稿、细节、字体全需人工重做；而 Images 2.0 若能实现官方宣传的水准，则可直接交付使用。 跨语言能力方面，Images 2.0 专门优化了非英文文本渲染，日语、韩语、中文、印地语、孟加拉语均在其优化范围内。官方展示的日式漫画样例中，四格分镜、对白、拟声词「ゴゴゴ」排版到位，甚至连「羽ペン」（羽毛笔）这样的复合词都正确书写。这标志着图像模型正从「照着画」走向「理解着画」。

如有侵权，请联系删除。