做电商的小王最近被一张主图折磨了三天。
图已经很完美——模特、光影、背景都对，就是价格标签上的数字错了。他试着改了二十几次，每次 AI 都给他一张全新的图：数字改对了，模特的脸变了；脸回来了，背景的灯又歪了。
最后他放弃，把数字做成贴图手工 P 上去。
这不是他一个人的困境，这是过去两年 AI 生图最大的那道坎。
一、真正的门槛从来不是"画出来"
OpenAI 发布新一代图像生成模型 ChatGPT Images 2.5。官方披露：目前用户每周通过 ChatGPT 与 API 生成的图片超过 30 亿张。
一周三十亿张，意味着 AI 生图早已不是少数人玩的新奇玩意，而是一项被大规模使用的常规生产能力。
但这代模型真正的变化不在"生得多"，而在"改得准"。
官方说法是重点提升图片细节质量、生成速度与编辑精度。落到小王那种场景里，最大的改变是：可以单独调整产品、背景、文字等元素，无需重新生成整图；人物与产品等主体在多轮修改中保持稳定。
就这一条，把 AI 从"灵感工具"变成了"生产工具"。
灵感工具给你一堆选项让你挑，生产工具让你在确定的东西上做精确修改。
二、三个新动作，指向同一件事
这次还跟着放了几样东西：Sketch 手绘参考——画个草图当参考，不用再绞尽脑汁写提示词描述构图；创作模板——把常用流程固化，一次设定反复使用；图片评论编辑——在图上直接标注要改哪儿，像跟设计师提意见一样。
API 侧同步推出 Flare 与 Sunburst 两款模型，Flare 延迟较上一代降低 50%。
延迟砍一半听起来只是"快了点"，实际决定了它能不能进工作流——做电商的一天要出几十张图，每张等三秒和每张等六秒是两回事。
当等待时间低于人的思考时间，工具才真正融入动作。
三、谁会被影响，谁不会
先把话说清楚：这一轮冲击的不是"会画画的人"。
被影响最直接的是三类重复性的图：电商主图与详情页、社交媒体封面与配图、简单的信息图与示意图。共同特征是结构固定、修改频繁，对"完全一致"的要求高于对"艺术性"的要求。精准编辑打中的正是这里。
相对安全的是三类活：需要现场判断的拍摄、需要承担创意责任的品牌视觉与广告方向、需要跟人反复沟通需求的方案改稿。原因很简单——这些活的成本不在"画"，在"判断"和"沟通"。
AI 吃掉的是"手上的活"，吃不掉的是"脑子里的判断"和"嘴上的沟通"。
未来两三年最值钱的，不是会用 AI 画图的人，是知道该让它画什么、画到什么程度该停的人。
四、现在能做的三件事
第一，把重复图活列一张清单。 每周固定要出几张图？哪些改个数字、换个背景就能用？先分类，再谈工具。
第二，测试工具时只测一项：多轮修改的一致性。 生成第一张好不好看，各家差不多；连续改五轮之后主体还稳不稳，差别巨大。
第三，往上游挪一步。 当"出图"的成本趋近于零，价值就全部转移到出图之前——选什么品、定什么调性、给谁看、要他做什么反应。画面越便宜，想法越贵。
小王那张主图，以后大概几秒钟就能改完。
但"该不该打折、这个价格打出去老客户怎么想"，还是得他自己答。
工具解决的是"怎么做"，从来不是"做什么"。
*（本文事实来自 OpenAI 官方公开发布信息与腾讯研究院 2026 年 9 月 10 日 AI 速递，仅为信息整理与产业分析，不构成任何投资建议。）*