這兩天，我被GPT Image2嚇壞了

人類被AI嚇到的瞬間，這些年越來越多。

但這次不太一樣。

以前是“哇，這都能生成”，驚嘆中帶著點難以置信；而GPT Image2一出，很多人下意識的反應(yīng)卻是沉默——因為你發(fā)現(xiàn)自己竟然真的分不清是AI還是事實。

（注：以下文中圖片均由網(wǎng)友生成，非真實圖片）

GPT Image2到底變態(tài)在哪？

4月21日深夜，OpenAI幾乎毫無預(yù)告地發(fā)布了ChatGPT Images 2.0，即GPT-Image-2。

一夜之間，社交媒體被各種神圖刷屏——馬斯克在抖音直播間帶貨老干媽、庫克在蘋果園區(qū)發(fā)布iPhone 20、奧特曼賣課、學(xué)術(shù)論文截圖、偽造的轉(zhuǎn)賬記錄……一大堆圖片讓無數(shù)網(wǎng)友直呼“根本分不出真假”。

圖源：小紅書、抖音、微博評論區(qū)

過去兩年，AI圖像生成領(lǐng)域其實已經(jīng)卷到了天花板。

Midjourney畫風(fēng)景一絕，DALL-E 3創(chuàng)意十足，但絕大部分模型都有一個死穴——文字。招牌上的字是亂碼、海報上的標(biāo)題扭曲變形、中文直接變鬼畫符。

擴散模型把文字當(dāng)作紋理來處理，它“看到”HELLO，學(xué)到的只是幾種常見的筆畫組合，至于字母順序、拼寫規(guī)則這些約束，根本不在它的表達(dá)體系里。

但GPT-Image-2在技術(shù)路徑上做了一次根本性的切換。它不再依賴傳統(tǒng)的擴散模型，而是將圖像生成整合進(jìn)了自回歸架構(gòu)，文本和圖像共享同一套表征空間。

通俗點說，過去的模型是“先聽懂你說什么，再動手畫”，中間有一次信息壓縮；GPT-Image-2是“邊理解邊畫”，語言理解和圖像生成在同一個過程中完成。

這項技術(shù)讓它做到了一件事——文字渲染準(zhǔn)確率從前代的90-95%躍升至約99%。

所以這意味著什么？以往AI生成的菜單、海報、UI截圖，需要設(shè)計師逐字逐句檢查修正；現(xiàn)在，它生成的東西可以跳過人工修正，直接交付使用。

圖源：抖音評論區(qū)

圖源：差評

但這還不是最關(guān)鍵的突破。

GPT-Image-2最恐怖的地方，在于它具備了推理能力。

用戶輸入提示詞之后，模型不再簡單地去噪、拼接像素，而是先在后臺完成一次思維建模，再動筆。

不信你看這張來自Linux.do社區(qū)的實測圖——有人用模型生成了雷軍直播跑步的畫面，不僅直播間細(xì)節(jié)高度還原，還準(zhǔn)確顯示了“直播目標(biāo)1313km、已跑里程425.7km、剩余里程887.3km”，甚至連海拔3658米這個數(shù)字都恰好對應(yīng)北京到拉薩進(jìn)藏區(qū)的典型海拔。

圖源：36Kr

也許你覺得這有什么？但請想想，這些在人類眼里不過是簡單的數(shù)學(xué)加減法和地理常識，對于一個圖像模型來說究竟意味著什么？

意味著在生成第一個像素之前，GPT-Image-2已經(jīng)完成了一輪推理。它理解了“里程”的含義，理解了加減法的邏輯關(guān)系，也理解了高海拔地區(qū)的視覺特征。

這哪里是畫圖，這是思考。

“有圖有真相”的時代，結(jié)束了

如果說網(wǎng)友玩些爛梗還在預(yù)料之中，那么GPT-Image-2上線之后發(fā)生的一些事，讓很多人開始感到不安。

例如，澎湃新聞對齊Lab僅用83個字的提示詞，就讓模型一鍵生成了iPhone 17 Pro的拆解信息圖——每個零件都有引線指向中英文標(biāo)注，旁邊還有材質(zhì)與顏色表格。

測試結(jié)果顯示，它在文字、圖片、可視化和排版等效果上，已經(jīng)到了真假難辨的階段。

圖源：澎湃新聞

但經(jīng)仔細(xì)核查，模型生成的信息存在明顯錯誤：手機外觀顏色從官方的三種加到了六種，將鋁金屬一體成型機身拆分成若干零件，并把材質(zhì)寫成了鈦金屬。

換言之，畫面即使再逼真，內(nèi)容卻可以是捏造的。

圖源：澎湃新聞

更讓人脊背發(fā)涼的是，當(dāng)下的互聯(lián)網(wǎng)上已經(jīng)出現(xiàn)了大量偽造截圖。

有人生成了“庫克官宣卸任蘋果CEO，由羅永浩接任”的微博截圖，底下還自動生成王自如的評論；

圖源：微博評論區(qū)

有人生成了“小米任命庫克為汽車CEO”的熱搜圖，上百萬人看過，一度導(dǎo)致官方下場辟謠；

圖源：微信評論區(qū)

4月22日，小米集團(tuán)董事長特別助理徐潔云在微博上直斥P圖亂搞現(xiàn)象，但評論區(qū)里依舊有網(wǎng)友在傳播同類的高仿圖。

可以說，當(dāng)前互聯(lián)網(wǎng)已經(jīng)被大家玩成了一個巨大的狼人殺游戲。有博主大膽斷言：“圖片的公信力崩塌了，人與人之間的信任也崩塌了。”

過去很長一段時間，雖然我們每天都會接收大量信息時，但有一個默認(rèn)的底層假設(shè)——截圖應(yīng)該是真的，照片應(yīng)該是真的，聊天記錄應(yīng)該是真的。

“有圖有真相”這句話被流傳了很久。這個默認(rèn)信任，是整個互聯(lián)網(wǎng)信息生態(tài)運轉(zhuǎn)的基石。

如今這塊基石正在松動。因為這張圖可能是AI一秒生成的，那張可能是十秒后偽造的。沒有破綻，沒有水印，沒有任何肉眼可見的線索。

AI第一次真正做到了“以假亂真”，而代價是——我們再也無法相信自己看到的東西了。

當(dāng)證據(jù)不再是證據(jù)，誰在為我們證明真相？

當(dāng)然，凡事都有好的一面：GPT-Image-2的出現(xiàn)，成功把幾個長期懸而未決的問題推到了必須面對的地步。

第一個問題是版權(quán)。當(dāng)AI能一鍵生成商業(yè)級海報時，誰來為這張圖片的知識產(chǎn)權(quán)負(fù)責(zé)？中國的司法實踐正在給出初步答案。

2025年，鷹潭市月湖區(qū)人民法院審理了全國首例AI生成圖片侵權(quán)案——用戶用AI“一鍵生成”圖片后被他人擅自使用，法院最終認(rèn)定這張圖片不構(gòu)成著作權(quán)法意義上的“作品”，因為生成機制具有“不可控的隨機性”，用戶沒有付出與傳統(tǒng)創(chuàng)作相稱的智力性勞動。

這意味著，當(dāng)你的設(shè)計被AI復(fù)刻的時候，你可能無法維權(quán)。最高人民法院正在起草相關(guān)司法政策文件，但距離形成完整法律框架還有很長的路要走。

第二個問題是檢測。如果肉眼無法分辨AI生成的圖像，我們能否依靠技術(shù)手段來甄別？答案并不樂觀。

據(jù)了解，OpenAI在Images 2.0中延續(xù)了C2PA數(shù)字水印技術(shù)，每張生成的圖片都攜帶不可見的元數(shù)據(jù)標(biāo)識，可通過專業(yè)工具溯源驗證。

但這種機制很容易被截圖、壓縮破壞，官方也承認(rèn)這不是萬能的解決辦法。

更嚴(yán)重的是，最前沿的深度偽造檢測方法在面對語義保持的圖像優(yōu)化時，已經(jīng)出現(xiàn)失效。檢測技術(shù)永遠(yuǎn)在追趕生成技術(shù)，而這條差距正在拉大。

有消息稱，專業(yè)醫(yī)生在未被告知的情況下，只有41%能主動識別出AI生成的醫(yī)學(xué)影像。

第三個問題，也是最根本的問題，即前面提到的信任機制崩塌。

技術(shù)發(fā)展至今，我們已經(jīng)習(xí)慣了一系列驗證機制：微信聊天記錄可以作為法庭證據(jù)，社交媒體截圖可以佐證新聞事實，轉(zhuǎn)賬記錄可以證明交易存在。

但當(dāng)這些都可以被AI一鍵偽造時，整個社會的信息驗證體系將面臨重建。

有觀點認(rèn)為，應(yīng)對之策應(yīng)該是嚴(yán)懲造成實際危害的使用者，而非限制工具本身的發(fā)展。

但“造成實際危害”的認(rèn)定本身就充滿挑戰(zhàn)——一張偽造的輿論截圖可能在幾分鐘內(nèi)引發(fā)股市波動，而始作俑者可能只是一個隨手嘗試的普通用戶。

當(dāng)造假成本趨近于零，追責(zé)成本卻居高不下時，這種威懾機制能發(fā)揮多大作用，是一個巨大的問號。

或許，GPT-Image-2真正讓人恐懼的，不是它有多聰明，而是我們還沒有準(zhǔn)備好迎接它的聰明。

每一次技術(shù)躍遷都伴隨著陣痛，但這一次，疼痛來得比預(yù)想中更早、更直接。

我們正在失去一個最基礎(chǔ)的能力——相信自己的眼睛。

作者| 劉峰