Помните, как год назад весь интернет был завален фотографиями в стиле Studio Ghibli? Это случилось в марте 2025-го, когда OpenAI впервые встроила генерацию изображений прямо в ChatGPT. Результат получился достаточно убедительным, чтобы разойтись миллионами репостов. Однако при этом у той версии было одно стойкое слабое место; а именно, текст внутри картинок. Надписи получались кривыми, буквы слипались или переставлялись местами, и дизайнеры это очень хорошо знали. В апреле 2026 года OpenAI выпустила Images 2.0; на сей раз текст внутри картинок наконец перестал быть проблемой.
Чем новая версия отличается от предыдущей
Сразу же стоит отметить, что Images 2.0 представляет собой не обновление поверх старой версии. OpenAI переписала архитектуру модели с нуля. Предыдущие версии, в том числе DALL-E 3, работали по принципу диффузии: модель постепенно «проявляла» изображение из шума, как фотограф в темной комнате. Images 2.0 устроена иначе. Она генерирует картинку примерно так же, как языковая модель генерирует текст: последовательно, часть за частью. Именно поэтому текст на изображениях теперь выходит читаемым. Модель понимает буквы как смысловые единицы, а не просто рисует похожие на них фигуры.
Вместе с Images 2.0 OpenAI официально завершила эпоху DALL-E. 12 мая 2026 года обе версии, DALL-E 2 и DALL-E 3, были отключены. Images 2.0 теперь единственная модель для генерации изображений в ChatGPT и через API.
DALL-E 3 была отдельным инструментом, подключенным к ChatGPT снаружи. Images 2.0 встроена в ChatGPT напрямую: она видит контекст разговора, помнит, о чем шла речь раньше, и генерирует картинки исходя из этого. Если попросить «сделай вариант, но более мрачный», она поймет это с первого раза.
Что умеет модель и кому она будет интересна
Существенным образом в новой модели изменилась работа с текстом внутри изображений. Постеры, рекламные макеты, меню, обложки, UI-скриншоты – все это раньше требовало ручной доработки, потому что надписи получались неразборчивыми. Сейчас модель справляется с этим в один проход без последующего редактирования. Помимо английского, хорошо работают языки с нелатинскими алфавитами, с которыми старые модели справлялись совсем плохо.
Разрешение выросло до 2K, а через API доступна экспериментальная генерация в 4K. Форматы гибкие: можно выбирать соотношение сторон от очень широкого горизонтального до вытянутого вертикального.
Есть два режима работы. Обычный режим, когда пользователь просто описывает, что нужно, и сразу получает результат. Второй называется Thinking; для него нет переключателя, он активируется автоматически. В данном случае модель сначала обдумывает задачу, при необходимости ищет информацию в интернете, а потом генерирует. В этом режиме можно попросить сделать сразу до восьми картинок на одну тему; и персонажи, предметы и стиль останутся одинаковыми на всех восьми. Режим пригодится при создании серии иллюстраций или нескольких рекламных вариантов с одним героем. Режим Thinking доступен на платных планах (Plus, Pro, Business и Enterprise).
Доступ к Images 2.0 в ChatGPT есть у всех пользователей, в том числе и тех, у кого бесплатный план. Разница между планами заключается в количестве запросов и в доступе к режиму Thinking.
Точки, в которых модель не справляется
Как отмечают эксперты Креатор Проджект, несмотря на весь прогресс, есть вещи, которые у обозреваемой модели пока не выходят надежно. Логотипы конкретных брендов, особенно если компания обновляла фирменный стиль, зачастую воспроизводятся неточно. В тестах некоторые пользователи не смогли добиться правильного логотипа даже за несколько итераций; иногда модель воспроизводила устаревший вариант, которого уже несколько лет нет в использовании.
У модели есть дата обрезки знаний; это декабрь 2025 года. То есть, события, лица, продукты, тренды – словом, все, появившееся после этой даты, она может изображать неверно или отказываться от запроса. Режим Thinking частично компенсирует это за счет поиска в интернете, но такой поиск не заменяет актуальные знания полностью.
Скорость генерации тоже не самая высокая. Сложные запросы, особенно в режиме Thinking, занимают больше времени, чем у некоторых конкурентов. Если нужно выполнить разовую задачу, то критичным это не будет, однако если, к примеру, нужно несколько десятков изображений, тогда данный фактор стоит учитывать.
Таким образом, модель Images 2.0 стала заметным шагом вперед, после которого генерация изображений в ChatGPT стала инструментом для реальных рабочих задач, а не только источником красивых картинок для соцсетей. Текст читается, языков стало больше, стиль держится на нескольких картинках сразу. Ограничения тоже есть имеются; к ним относят проблемы с генерацией логотипов, актуальность данных, скорость работы. Однако они теперь уже другого порядка.