GPT-6 Astra + Images 2.5实测：一句话跑完整个工作流

OpenAI近期接连推出了两款重磅产品：图像生成模型 ChatGPT Images 2.5，以及具备电脑操控能力的 GPT-6 Astra。B站UP主李厂长对这两款工具做了系统实测，并把二者组合起来完成了一个真实的商业任务——从生成图片、设计海报到下单打印，全流程只靠一句指令驱动。本文梳理这次实测的核心发现，以及它对AI工作流带来的启示。

Images 2.5：图像一致性大幅提升

新的 Images 2.5 已经向所有用户开放，包括免费用户。在ChatGPT网页端左侧的「图片」入口，或桌面App的聊天/工作模式下都能访问，甚至直接在对话框输入需求也能触发生成。

官方称新模型在细节清晰度、光影质感上都有提升，对参考图片的处理效果尤其明显。实测中，UP主上传了一张自己在新加坡的照片，让模型把衣服换成热带海岛风、手中的抹茶饮料换成甘蔗，结果人像和图片比例保持得非常自然，握甘蔗的手也符合物理规律，几乎看不出破绽。

最关键的进步在于人像特征的稳定性。以往的图像模型每次生成差别都很大，而 2.5 在多轮修改中能保留此前的改动记录，不会像 2.0 那样「改多了就忘」。UP主还测试了生成穿不同颜色衣服的自己，稳定性都很高。

新增Sketch与多种编辑功能

这一版最大的新增功能是「绘图（Sketch）」。在图片类别下点击 Sketch，或在对话框输入 @ 选择绘图，就能在画板上手绘草图，让GPT把它变成成品图。UP主现场画了一个夸张的卡通人物，模型很快就将草图渲染成了完整漫画，还能配合提示词调整风格。

编辑能力也更加丰富：

• 一键调整长宽比：可快速切换到16:9等宽屏比例；
• 标注修改：用笔勾选指定区域让模型局部修改，但UP主提醒指令要写清楚——他只说「把喷泉变大」，结果连喷泉基座也一起放大了；
• 添加文字与元素：在漫画里画一团东西并要求写「中秋快乐」，模型不仅识别出意图，还自动补上了搭配主题的月亮；
• 移除背景生成PNG、擦除工具去除元素。不过擦除时模型往往会自动补上别的物件（如颜料和笔筒），并非单纯删除。

此外还有针对logo、海报、室内设计等场景的模板功能，会自动填充预设指令，比旧版更专业。UP主用澳洲房产网站的客厅图配合室内设计模板做了改造，虽然一开始结果不理想，但经过截图沟通后有明显改善。

GPT-6 Astra：让AI接管整个工作流

真正的价值不在于生成一张图，而在于图片能否作为后续工作的起点。这就要用到 GPT-6 Astra——付费用户升级到最新版后，在工作页选择 Astra 模型，即可授权AI远程操控电脑。UP主个人推荐使用「中等强度」以平衡性能与Token消耗，更高强度效果虽好但消耗惊人。

演示案例中，AI在一个工作流里连续调用了4个应用：先从 Google Drive 读取UP主的照片，用 Images 2.5 生成一张「以李厂长为主角的AI线下宣传活动海报」，再切换到 Canva 自动完成排版，最后生成两份可打印的PDF，并在打印店网站设置好参数、只等填地址付款。

整个过程约40分钟，UP主只提供了一套详细指令并授权应用登录，剩下的全由AI自主完成。他坦言如果自己动手会更快，但意义在于AI首次能自主串联多个应用，而非只做流程中的某一步。工作期间用户仍可继续编辑、撤销步骤，不会破坏工作流。

GPT-6 Astra 本质上是一种「计算机使用（Computer Use）」能力的实现，即AI通过截图感知屏幕状态、模拟鼠标点击与键盘输入来操控真实软件界面，而非调用预设API。这一技术路线与 Anthropic 的 Claude Computer Use、微软的 UFO 项目思路相近，核心难点在于跨应用的状态感知与错误恢复。由于每一步操作都需要截图→理解→决策的完整推理循环，Token消耗极高，这也是UP主建议使用「中等强度」而非最高强度的原因。与RPA（机器人流程自动化）工具的区别在于：RPA依赖预先录制的固定脚本，遇到界面变化就会失败；Astra则依靠视觉理解动态适应，理论上可以操控任何有图形界面的软件，无需提前集成。

意义与局限：AI越来越像身边的同事

UP主认为这套方法论的想象空间很大：调研、周报、文案脚本，甚至未来的音频剪辑、视频渲染和质量把关都可能交给AI，人类只负责最初的创意和最终的判断微调。他还举例——AI可以从多个应用调取信息、财务数据和会议记录，自动整合成一份运营周报，列出优先级、负责人和瓶颈，这些过去都得靠项目经理来做。

当然，2.5 版本仍不完美，UP主列出了几处明显短板：

• 普通图片一致性好，但复杂图像仍有提升空间；
• 擦除时会自行添加别的元素；
• 指令必须写得非常详细才能被准确执行；
• 涉及名人或有版权IP的照片暂时无法生成。

GPT-6 Astra 也并非完全自动，需要用户先登录并逐步授权。但把图像生成与GPT-6组合后，生成的图片可以直接作为下一个任务的原始素材，省去了「下载图片→换软件→再处理」的繁琐流程。

「多智能体工作流（Multi-Agent Workflow）」是理解这次演示更深层价值的关键概念。传统AI应用中，一个模型只负责一项任务（生图、写文案、排版各自独立），用户充当不同工具之间的「胶水层」，手动传递文件和指令。而 Astra 演示的模式中，单个AI实例可以跨越应用边界，自主决定调用哪个工具、何时切换、如何处理中间产物，用户只需在起点定义目标和在终点做判断。这与 OpenAI 此前发布的 Operator、以及 Google 的 Project Mariner 指向同一方向：AI的竞争焦点正从「单点能力」转向「流程编排能力」，谁能更可靠地完成跨应用的长程任务，谁就掌握更大的生产力杠杆。

写在最后

从这次实测看，Images 2.5 在人像一致性、多轮编辑和参考图处理上确实是当前第一梯队的图像模型；而 GPT-6 Astra 展示的「一句话跑完整个工作流」，则代表了AI从工具向自主协作者演进的方向。尽管授权繁琐、耗时偏长，但只要能把流程搭建好，AI就能长期为你持续工作——这或许才是这两款产品组合起来最值得关注的信号。