ChatGPT 现在可以把文字提示和照片变成动态 GIF，背后是 OpenAI Images 2.6 模型

ChatGPT 现在可以制作动态 GIF 了。据 The Verge 报道，这一更新基于 OpenAI 新的 Images 2.6 模型，正在向网页端、桌面端和移动应用上的所有 ChatGPT 与 Codex 用户推送。

用户可以用文本提示或上传的照片生成 GIF，然后调整动画速度或编辑单独的画面帧。举例来说，OpenAI 演示了提示词“你能做一张猫跳舞的 GIF 吗？”如何生成同一个角色的若干细微变体，再以翻页书的方式串成一张 GIF。

该模型的图像一致性看起来足够强，能让角色在各帧之间保持可辨识；而更早的模型很可能在相邻帧之间把它的样子改变太多，使这个做法无法成立。

除了 GIF，Images 2.6 还意在整体加快图像生成速度。对开发者，OpenAI 还发布了 API 模型 GPT-Image-2.6 的“Flare”（主打效率）和“Sunburst”（主打更高质量的图像生成）。这两个模型变体最早是在 Image 2.5 时推出的。

OpenAI 表示，用户现在通过 ChatGPT 和 API 每周生成的图像远超四十亿张，比九月多出十亿张。

OpenAI 基于新的 Images 2.6 模型为 ChatGPT 上线动态 GIF 生成能力，支持文本提示或上传照片生成，并可调整动画速度、逐帧编辑，同时向开发者放出 GPT-Image-2.6 的 Flare 与 Sunburst 两个 API 模型。

• OpenAI 基于新的 Images 2.6 模型为 ChatGPT 上线动态 GIF 生成能力，支持文本提示或上传照片生成，并可调整动画速度、逐帧编辑，同时向开发者放出 GPT-Image-2.6 的 Flare 与 Sunburst 两个 API 模型。
• 原贴提到：ChatGPT can now create animated GIFs. The update is based on OpenAI's ne
• 来源：the-decoder.com

这是什么信号

这不是一次普通的“新功能上线”，而是一个明确的拐点信号：图像生成正在从“生成一张好图”转向“生成一段可控的、角色一致的连续画面”。OpenAI 用 Images 2.6 把 GIF 这种最轻量的动图形态塞进了 ChatGPT 的默认入口，用户不需要懂时间轴、不需要逐帧画，只要一句提示词或一张照片。

更值得注意的是两处细节。第一，官方演示的“猫跳舞”是由同一个角色的多个细微变体串成翻页书式 GIF，这说明模型的关键进步不是画风更漂亮，而是跨帧的角色一致性——这正是过去所有“AI 做动画”尝试卡死的地方：单帧好看，连起来就崩。第二，OpenAI 同步放出 GPT-Image-2.6 的 Flare（效率）与 Sunburst（质量）两个 API 变体，说明这条能力既有消费级入口，也有开发者管道，是产品与平台双线推进。

配套的规模数据同样不容忽视：每周通过 ChatGPT 和 API 生成的图像超过四十亿张，比九月多出十亿张。这意味着图像生成已经进入高频、日常化的使用区间，而不是尝鲜型功能。

为什么重要

角色一致性一旦被解决到“可用”水平，AI 图像就从静态素材生产变成了轻量的内容叙事工具。GIF 是这个能力最低门槛的验证场景：短、循环、可分享，天然适合社交传播和即时反馈。谁能稳定生成“同一个角色做不同动作”，谁就摸到了短动画、表情包、连载内容、教学演示、电商动效的门槛。

对 OpenAI 而言，这也是把图像能力从“工具”变成“表达方式”的一步。当用户能在对话框里直接改速度、改单帧，图像生成的交互就从“抽卡”变成了“编辑”，使用深度和停留时长会完全不同。而 Flare 与 Sunburst 的双模型策略，等于把成本和质量的取舍交给开发者自己决定，这是典型的平台化打法。

对谁有价值

第一类是内容运营与社交媒体从业者：表情包、短动效、活动物料、帖子配图，原来需要动效设计师或模板工具，现在一句提示词加微调就能出初稿。

第二类是独立开发者与小团队：Flare 主打效率、Sunburst 主打质量，意味着可以按场景做分层调用——批量生成缩略图、占位图用便宜的那档，关键视觉用高质量的那档。

第三类是品牌与电商团队：角色一致性是可商用的前提。如果同一只吉祥物、同一个产品在多帧之间不变形，动效素材的生产流程就有可能被重写。

第四类是做 AI 应用层的团队：对手不是“又一个生图工具”，而是“能生成连续帧”的模型能力，围绕它的编辑器、素材库、批量工作流会重新有一波机会。

可以怎么行动

先做能力验证，而不是先做结论。用自己业务里真实存在的角色（吉祥物、产品、讲师形象）跑一轮测试：同一角色连续做 5 到 10 个不同动作，检查跨帧一致性、边缘是否抖动、文字与手部是否稳定。结论不出来之前，不要向团队承诺可交付。

第二步是流程试跑。挑一条现有内容线（比如每周的社交配图），把其中一部分换成“提示词生成 + 单帧微调”，对比人工耗时与返工率，重点看“调整动画速度/逐帧编辑”这类编辑能力到底省下多少沟通成本。

第三步是技术侧的分层调用设计。如果要做产品集成，把 Flare 与 Sunburst 当成两个档位来规划，而不是二选一；同时把调用量、失败率、单张成本记进监控，避免上线后才发现成本结构不成立。

第四步是资产沉淀。每一次成功的提示词、角色设定、帧序列都是可复用的“素材库资产”，这比单次出图更有长期价值。

风险与限制

第一，目前公开信息里没有明确的分辨率上限、单次生成时长上限、商用授权细则与调用价格，这些直接决定能不能进生产环境，需要自行核实而不是默认可用。

第二，角色一致性“看起来足够强”是官方演示的结论，不等于在真实复杂场景（多人、快速运动、遮挡、文字元素）下依然成立。演示选的是最容易成功的样例。

第三，GIF 本身是低画质、256 色的格式，对品牌视觉要求高的场景适配性有限；真正要交付的往往是 MP4 或更高规格的动效，GIF 更像是能力证明而非终点产品。

第四，能力越普及，同质化越快。当“生成一张 GIF”变成人人可用的默认功能，差异化就不再是能不能做，而是角色设定、叙事节奏和分发渠道——这些是模型替代不了的部分。

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 the-decoder.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《ChatGPT 现在可以把文字提示和照片变成动态 GIF，背后是 OpenAI Images 2.6 模型》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。

• Matthias Bastian 原帖