GPT Image 2: рендеринг текста и режим мышления

21 апреля 2026 года OpenAI объявила о ChatGPT Images 2.0 на основе новой модели gpt-image-2 и начала её развёртывание на следующий день^[1]. Главное изменение — не разрешение. Это то, что сгенерированный текст внутри изображений теперь работает.

Не «в основном работает с несколькими очаровательными опечатками». Текст с точностью примерно 99% на латинице, японском, корейском, хинди, бенгали, арабском и десятке других письменностей^[1]. Два года стандартный рабочий процесс был такой: сгенерировать изображение, потом наложить настоящий текст в Figma. Этот этап практически исчез.

Научиться хорошо использовать GPT Image 2 — это в основном про два: писать брифы достаточно точные, чтобы использовать рендеринг текста, и знать, когда выключить режим мышления.

TL;DR

• Рендеринг текста на точности ~99%, включая нелатинские письменности почти что на уровне носителя языка^[1].
• Режим мышления позволяет модели просматривать веб для сбора ссылок, планировать несколько вариантов и проверить себя перед возвратом результата^[1].
• 2K родного разрешения с поддержкой 16:9, и знаниями на декабрь 2025 года^[1].
• Заменяет DALL-E 3, который снят 12 мая 2026, и промежуточную GPT Image 1.5^[1].
• Совершенно новая архитектура, односкоростной вместо прежнего двухэтапного конвейера, что даёт генерацию за три секунды в типичном случае^[1].
• Не лидер в фотореализме. Nano Banana 2 лучше по чистому фотографическому реализму и 4K выводу; GPT Image 2 лучше по верности текста и соответствию промпту^[1].

Что такое GPT Image 2

GPT Image 2 — флагманская модель OpenAI для изображений, поставляется на три поверхности: внутри ChatGPT как Images 2.0, внутри агента Codex для встроенной генерации ассетов, и как API gpt-image-2^[1].

Архитектура — чистый разрыв с линией DALL-E. OpenAI отказалась подтвердить, диффузионная ли это, авторегрессивная или гибридная, сказав только, что это совершенно новая архитектура, переходящая с двухэтапного конвейера вывода на односкоростной генератор. Практические последствия — более быстрая генерация и намного более тесная связь между семантикой промпта и отрисованным выводом^[1].

Прорыв в рендеринге текста

Конкретные улучшения стоит разделить, потому что они открывают разные рабочие процессы^[1]:

• Орфография латинских букв на ~99%, включая плотный текст меню, этикетки упаковки, информационные панели питания, длинные редакционные заголовки и копию UI.
• Нелатинские письменности почти что на уровне носителя языка для крупных мировых языков. Прежние модели относились к ним как к украшению: визуально правдоподобные, семантически бессмысленные.
• Мелкий текст и иконография в плотных композициях, включая поля форм, ярлыки значков и юридический мелкий шрифт, отрисованные разборчиво.
• Стилистическое единство между текстом и языком дизайна, так что знак бруклинского кафе и плакат токийского метро читаются как работы разных дизайнеров, а не одного универсального движка.

Пример с книжным магазином — самый показательный. Каждое название отрисовано отдельным индийским письмом, и каждое — это связный текст, который читатель этого языка сможет определить^[1]. Это навык, который открывает локализованные конвейеры контента: региональный креатив объявлений, многоязычная упаковка, миниатюры электронной коммерции на индийских языках, на скорости, которая была невозможна раньше.

Режим мышления

Режим мышления — это функция, которая меняет, как вы работаете с моделью. При стандартном промптинге она делает то же самое, что любой другой движок изображений: прочитать промпт, сгенерировать пиксели. С режимом мышления она также^[1]:

Просматривает веб на предмет справочного материала, когда промпт называет настоящие бренды, продукты или содержание чувствительное ко времени.

Планирует несколько вариантов вывода перед тем как взяться за пиксели, что позволяет одному промпту произвести рекламную кампанию в трёх размерах или комикс на пяти панелях.

Проверяет себя перед возвратом, убеждаясь, что отрисованный текст написан правильно и что иерархия компоновки сохранилась.

Демонстрация, которой OpenAI ведёт, — это единственный промпт, просящий плакат о мерче, который в настоящий момент находится на собственном сайте, который произвёл точную композицию, потому что модель пошла и посмотрела. Никакой загрузки справки, никакого ручного списка продуктов^[1].

Для брифов, содержащих фразы вроде «в стиле их текущей героической страницы», это убирает этап ручного сбора ссылок. Для массовой генерации простых визуалов выключите, потому что это дороже и медленнее.

Выход коммерческого качества

Объявление выше — это полностью синтетическая генерация с единственного промпта. Оно содержит правдоподобную фотографию продукта, связный товарный знак на двух письменностях, вторичную типографскую деталь, разборчивое объявление с местоположением и хэндлом соцсети, и стилистическое единство между фотографией, типом, текстурой и палитрой^[1].

Два года назад это был классический случай отказа генеративного изображения. Движок мог произвести фотографию, но любой настоящий текст в композиции разлагался в беспорядочные глифы.

Значение стоит назвать напрямую: для большинства малого бизнеса маркетинга узким местом больше не является визуальная продукция. Это бриф.

Более глубокое структурное понимание

Позиционный слоган OpenAI — «генерация изображений с точкой зрения», то есть модель имеет структурное понимание того, что она отрисовывает, а не статистическое покрытие корпуса. На практике^[1]:

• Следование инструкциям улучшается на композиционных запросах: заголовок слева, продукт справа, товарный знак внизу справа.
• Знание мира сильнее. Модель знает, на какой камере должен выглядеть снимок продукта, какой вес бумаги должна подражать старая обложка.
• Согласованность персонажей держится по многопанельным последовательностям.
• Иконографическая грамотность улучшена, так что периодические таблицы, анатомические диаграммы и архитектурные планы отрисовываются правильно, а не как правдоподобный вздор.

Это ось, где она очень четко отличается от чисто фотографических моделей. На чисто фотографическом натюрморте, Nano Banana 2 конкурентна или впереди. На композиции, требующей от модели знать что-то и отрисовать правильно, GPT Image 2 впереди^[1].

Где это не подходит

Честные ограничения^[1]:

• Не замена дизайнерам на критически важной работе с брендом. Качество первого варианта отличное; директор творчества всё ещё должен направлять.
• Не лидер в фотореализме. Nano Banana 2 и специализированные фотореалистичные модели сохраняют преимущества на гиперреалистичном натюрморте и портретах.
• Режим мышления медленнее и дороже. Отключите его для массовой генерации простых визуалов.
• Применяется политика содержания. Настоящие общественные лица, защищённые авторским правом персонажи и некоторые коммерческие ссылки ограничены.

Как использовать GPT Image 2 на reAPI

reAPI представляет модель на асинхронной конечной точке задач. Отправка возвращает task_id; опрашивайте до готовности.

curl https://reapi.ai/api/v1/images/generations \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2",
    "prompt": "Editorial poster for a Kyoto coffee shop opening, hand-lettered headline in cream serif, warm cinematic light, legible address line at the bottom",
    "size": "16:9",
    "resolution": "2k"
  }'

Три вещи, которые нужно знать перед написанием интеграции.

Разрешение — это ценовое измерение. Шлюз представляет 1K, 2K и 4K, каждое со своей ставкой, так что выбор разрешения — это выбор стоимости. Текущие ставки находятся на reapi.ai/models/gpt-image-2, что является каноническим источником, а не числом, названным в статье.

Медиа-входы — только публичные URL. Никакой base64, никакого data: полезной нагрузки, ни на одной модели на платформе.

Точность промпта здесь окупается больше, чем на старых моделях. Брифы, которые работали с DALL-E 3, смутные и визуально сосредоточенные, работают хуже по сравнению с тем, что эта модель делает с явными инструкциями по компоновке, типографике и ссылкам. Потолок выше, а пол требует более точного входа^[1].

Полные формы запроса и ответа находятся в справке reapi.ai/docs/gpt-image-2.

FAQ

Что такое GPT Image 2?

Флагманская модель генерации изображений OpenAI, объявленная 21 апреля 2026, заменяющая DALL-E 3 и GPT Image 1.5. Она поставляется в ChatGPT как Images 2.0, в Codex и как API gpt-image-2^[1].

Насколько точна GPT Image 2 в рендеринге текста?

Примерно 99% на латинице, с точностью почти на уровне носителя на крупных нелатинских письменностях, включая японский, корейский, хинди, бенгали и арабский^[1].

Что такое режим мышления?

Режим, в котором модель просматривает веб на справочный материал, планирует несколько вариантов перед генерацией, и проверяет отрисованный текст и компоновку перед возвратом вывода. Это дороже и медленнее, так что отключите для массовой простой генерации^[1].

Какое разрешение поддерживает GPT Image 2?

2K родного разрешения с поддержкой 16:9 рядом с существующими соотношениями сторон^[1]. На reAPI 1K, 2K и 4K представлены как отдельные варианты с ценой.

Лучше ли GPT Image 2, чем Nano Banana 2?

Они лучше по разным осям. Nano Banana 2 впереди по чистому фотографическому реализму и 4K выводу. GPT Image 2 впереди по верности текста, соответствию промпту и встроенному режиму мышления^[1].

Что произошло с DALL-E 3?

Она была снята 12 мая 2026. GPT Image 2 её заменяет и промежуточную GPT Image 1.5^[1].

Принимает ли GPT Image 2 входные данные base64 изображения на reAPI?

Нет. Каждая модель на платформе берёт только публичные http(s) URL для входов медиа.

Как мне писать промпты для GPT Image 2?

Более специфично, чем для DALL-E 3. Дайте явные инструкции по компоновке, типографике и ссылкам, а не смутное визуальное описание, потому что модель теперь действует на структурной детали, которую старые модели игнорировали^[1].

Обновление бриф, не просто строка модели

Полезное резюме этого релиза в том, что он сдвигает узкое место. Когда сгенерированный текст был неиспользуем, ограничением была модель. Теперь, когда реклама кафе с разборчивым японским вторичным типом выходит с единственного промпта, ограничением является то, как точно вы можете описать, что вы хотите.

Это имеет практическое следствие для каждого, кто переносит конвейер. Шаблоны промптов, написанные для предыдущего поколения, настроены для модели, которая игнорировала структурное напутствие, и они недоиспользуют эту. Переписать их с явной компоновкой и типографией, держать режим мышления для брифов, ссылающихся на реальный мир, и выключить для объёма, и выбрать разрешение сознательно, так как это ценовое измерение. Вот как использовать GPT Image 2 без оплаты за возможность, которую ваши брифы никогда не просят.

References

1. OpenAI. GPT Image 2 — model card, capabilities, and API reference. Retrieved July 2026 from platform.openai.com/docs/models
2. OpenAI. Pricing — per-image and per-token rates by model. Retrieved July 2026 from platform.openai.com/docs/pricing

Further reading

• reAPI. How to use Nano Banana 2 Lite. reapi.ai/blog/how-to-use-nano-banana-2-lite
• reAPI. GPT Image 2 endpoint reference. reapi.ai/docs/gpt-image-2
• reAPI. Model catalog. reapi.ai/models