6秒出图、一句话生成GIF，OpenAI要和美图秀秀们抢生意了

11月5日早晨，一些用户发现ChatGPT新增了一项功能。

用户只需输入一句话或上传一张照片，即可生成一段循环播放的GIF。生成后，还能调节播放速度、查看每一帧，甚至单独修改其中某一帧。

我们简单测试了一下，部分效果不错，比如动物或动画类内容。

图｜猫咪跳狗熊哆嗦毛

但一些生成质量较为粗糙，比如我们输入提示词生成马斯克跳闪身步，结果动图既不“马斯克”也不“闪身步”。

相信大家还记得，今年初Images 2.0推出时，许多人感叹“眼见为实”的时代确实过去了。

“生图”此后一直是OpenAI最强能力之一，但这次的变化有些不同。

过去，AI生图工具解决的是从无到有的问题。用户提供文字，模型将其转化为图片。但一张图片进入工作流程，通常还需要修改、排版、格式转换等步骤。对普通用户而言，这意味着再打开几个软件；对设计师和内容团队，则意味着不短的后期工作。

OpenAI这次更新的Images 2.6，开始将这些工作整合到模型内部。

除了GIF生成，新模型还带来了更快的图像生成速度、更稳定的多轮编辑，以及面向开发者的SVG矢量导出和图像标注编辑接口。并且，OpenAI没有涨价。

过去，AI图像创业公司很大一部分价值来自模型能力与用户实际需求之间的差距。它们将复杂模型包装成易用产品，再通过修图、排版、模板和素材管理等功能收费。

但当模型厂商开始亲自补齐这些环节，原有的商业模式就不再稳固。

对OpenAI来说，这或许只是一次图像产品升级；对一批依赖单点功能生存的AI工具公司而言，变化可能才刚刚开始。

一次加量不加价，三类工具的活被装进模型

Images 2.6并非简单的速度升级版本。

从产品设计看，OpenAI这次做了两件事：一是让图像生成更快，二是让生成后的修改和使用更便捷。

先说速度。

OpenAI公布的数据显示，Images 2.6较上一代整体提速50%。在API端，公司推出了两个版本：GPT-Image-2.6 Flare和Sunburst。

其中，Flare更强调响应速度和效率，适合海报、商品图等需要快速迭代的任务；Sunburst则更注重细节和多轮编辑的一致性，适合对画面精度要求更高的工作。

在低画质设置下，Flare最快可在约6秒内生成一张图片。对于需要反复调整素材的内容生产者，生成速度的提升意味着在相同时间内可以进行更多轮尝试。

说一个冷知识，快手最初是一款GIF动图制作工具，产品名就叫“GIF快手”。只是后来它从工具软件成长为中国最大短视频平台之一，经历了一次重要转型。

举这个例子是想说明，GIF动图的需求很明确。

在ChatGPT中，用户现在可以直接通过文字描述或上传图片生成动图。例如，让一张人物照片动起来，或将一张静态商品图变成循环播放的展示素材。生成后，用户可以调整播放速度，也可以查看和修改单帧画面。

这项能力对社交媒体运营、广告营销和内容创作者都有实际意义。过去，一张静态图片要变成GIF，通常需要图片处理、逐帧制作和动图合成等步骤。对偶尔使用的普通用户，这套流程不值得专门学习；对大量素材需求的团队，则意味着额外时间和人力成本。

OpenAI在官方博客中提到，AI办公助手公司Town已使用新模型，为产品中的虚拟角色制作打字等待动画。

另一个变化发生在设计文件输出上。

Images 2.6开始支持SVG格式导出，不过这项能力目前主要面向API开发者。SVG与常见PNG、JPEG不同，它保存的是矢量路径，放大后不会像素模糊，也方便进一步调整图形、颜色和细节。

这意味着，模型生成的不仅是可以观看的图片，还可以是能进入网页、应用和印刷流程的设计素材。

对设计师而言，这一点很重要。

局部编辑也在向这个方向推进。

ChatGPT此前已提供图像标注功能，用户可在图片上圈出需调整位置，再通过文字描述修改要求。此次更新，OpenAI将这项能力进一步开放给API开发者。

对开发者来说，这意味着可以将图像修改嵌入自己的产品，而不必完全依赖用户重新输入提示词，或通过复杂蒙版操作指定修改范围。

此外，OpenAI还增加了complexity参数，让开发者可以控制模型在生成前投入多少规划计算。简单任务可减少规划时间，优先保证速度；复杂构图则可投入更多计算资源。

这与文本模型中调整推理力度的思路相似。模型不再只提供固定生成模式，而是允许开发者根据任务复杂程度决定资源分配。

价格方面，Flare和Sunburst的图像输出价格均为每百万Token 30美元，图像输入8美元，文本输入5美元，与上一代对应模型保持一致。

当能力变成接口，中间商的处境变了

过去几年，AI图像市场出现了一批增长迅速的创业公司。

它们有的做AI写真，有的做商品图，有的专注于海报、头像和社交媒体素材。产品形态各异，但商业逻辑类似：底层调用模型，上层提供交互界面和具体功能，再通过订阅、点数或企业服务收费。

这种模式在生成式AI发展初期容易成立。

一方面，基础模型使用门槛高，普通用户不知如何写提示词，也不清楚如何控制画面；另一方面，模型本身往往只能完成单项任务，用户还需借助其他软件处理生成结果。

创业公司恰好填补了这段距离。

它们未必拥有自己的模型，但可通过产品设计，将复杂技术能力变成普通人能用的服务。用户为便利付费，创业公司则从中获得商业收入。

美图，作为一个互联网时代的产品，在AI时代又活了过来，就是这个逻辑。它不做自己的基础大模型，但靠做大模型与用户之间的连接赚得盆满钵满。2026年上半年，其营收增加22.1%，净利润暴涨39.5%。

现在问题来了，OpenAI这样的顶级模型，开始将过去由应用层承担的功能直接做进模型，创业公司的竞争优势将直接受到影响。

以AI海报为例，过去一个产品可能提供几十种模板，用户选择风格、输入文字，再由模型生成图片。现在，如果底层模型已能理解海报布局、准确处理文字，并直接完成局部修改，那么单纯提供模板和提示词的产品，就很难再维持差异化。

AI修图也是类似情况。

如果用户只需换背景、调整人物服装或修改画面细节，直接在ChatGPT中完成可能比打开独立应用更方便。尤其当这些功能已包含在用户现有订阅中，第三方工具就尴尬了，用户为何还要为同样能力再付一次钱？

从这个层面看，OpenAI的野心巨大，它既掌握底层技术，又拥有ChatGPT这样的流量入口，能将新功能直接推送给庞大用户群体。

不只是美图，Canva、Adobe都有影响，他们需警惕用户对工具需求的变化。

Adobe Firefly目前没有单纯依靠模型画质竞争，而是强调商业使用安全性。按照Adobe此前公布的企业政策，Firefly早期模型主要使用Adobe Stock、开放授权内容和公有领域内容训练，部分企业客户还可获得合同约定的知识产权赔偿保障。

对品牌和企业客户来说，商业设计必须考虑版权风险、素材来源和最终使用责任。这也是Adobe目前相对稳固之处。

还有一些应用方，已主动将新模型接入自己产品。

Figma Weave和Picsart已成为Images 2.6早期合作方。OpenAI在发布信息中披露，Figma Weave将新模型用于可复用的创意工作流，Picsart则希望借助更快生成和更稳定编辑能力，让用户更方便制作系列化视觉内容。

归根结底，底层模型越强，应用层越需重新证明自身价值。

如果一家工具公司提供的只是模型已具备的功能，那么它很难长期维持溢价；但如果它能将模型接入复杂业务流程，积累用户数据、行业经验和协作关系，模型能力的提升反而可能成为自身增长动力。

这也是AI应用市场接下来可能出现的一次分化。

OpenAI想要的生意还有很多

今年9月，OpenAI推出Images 2.5时，已开始强调更精确的编辑、参考图片和更快生成速度。按照当时公布的数据，用户每周通过ChatGPT和API生成的图片超过30亿张。

仅两个月后，这个数字又涨了10亿。对一家以对话产品起家的公司来说，这意味着图像正在成为ChatGPT中一个规模可观的使用场景。

特别是，如果图像生成进入更具体的工作流程，商业价值可能就不同。模型厂商争夺的不再只是一次调用，而是用户在整个工作过程中使用哪个平台。

OpenAI近几个月的战略调整，也能为这次图像更新提供另一个观察角度。

今年3月，OpenAI宣布停止Sora独立产品。路透社当时报道称，这一决定与公司重新分配资源有关，OpenAI开始将更多注意力放到编程工具、企业客户等商业前景更明确的方向上。Sora相关产品随后于4月停止服务，API也在9月关闭。

这件事曾让外界感到意外。Sora是OpenAI在视频生成领域最受关注的产品之一，曾引发大量讨论，也一度被视为生成式AI进入内容生产行业的重要入口。

但从后续动作看，OpenAI正在调整对产品价值的判断。

相比独立的视频生成应用，能嵌入ChatGPT、Codex和企业工作流的能力，或许更容易形成持续使用和商业收入。

Images 2.6的产品设计，某种程度上也体现了这种取舍。

它没有将重点放在全新的独立创作社区，也没有试图再造一个专门的GIF应用，而是直接将GIF生成放进ChatGPT，将SVG、markup等能力开放给API开发者。用户可在原有产品中完成更多事情，开发者也可将这些能力接入自己应用。

这让OpenAI同时拥有两个方向的机会：在C端增加ChatGPT使用场景，在B端则通过API进入更多专业软件和业务流程。

其中，API的意义尤其值得注意。

如果说ChatGPT直接面对的是用户，那么API面对的就是那些已拥有用户、业务和场景的公司。OpenAI不必亲自开发每种垂直工具，也可通过提供底层模型，让其他企业将它的能力嵌入自己产品。

对国内创业者而言，一些机会可能已在悄悄流失。

AI修图、AI海报、AI头像、AI商品图，过去一度是生成式AI创业最容易切入的方向。产品开发周期短，用户需求直观，也容易通过订阅和流量实现早期商业化。

但随着模型能力不断下沉，单纯依赖提示词优化、界面设计和简单功能组合，很难成为长期壁垒。

真正有价值的部分，可能藏在模型之外。

比如，电商图片工具能否理解不同品类商品特征，能否保证商品细节不失真，能否接入商家商品数据库和广告投放系统；企业设计工具能否管理品牌素材、统一视觉规范，并与内部审批和协作流程打通。

工具类创业公司接下来需重新回答的问题是，当底层模型已能完成越来越多事情，自己究竟还掌握着什么？

甚至，当顶级模型能力越来越强，人类是不是该思考自己还剩下什么？

本文来自微信公众号“凤凰网科技”，作者：凤凰网科技，36氪经授权发布。