11月5日早间，不少人发现，ChatGPT悄悄多了一项能力。
用户输入一句话，或者上传一张照片，就可以让它生成一段循环播放的GIF。生成之后，还能调整播放速度，查看每一帧，甚至对其中某一帧单独修改。
我们简单试了下，有些效果还不错，比如偏动物或者动画类的。
图｜猫咪跳狗熊哆嗦毛
但有些生成质量就比较粗糙了，比如我们的提示词是生成一个马斯克跳闪身步，这个动图既不“马斯克”、也不“闪身步”。
相信大伙还记忆犹新，今年初Images 2.0刚来的时候，许多人都在感慨，“眼见为实”的时代真过去了。
“生图”后来也一直是OpenAI最能打的能力之一，但这次的变化还是有些许的不同。
过去，AI生图工具解决的是从无到有的问题。用户提供一段文字，模型负责把它变成图片。但一张图片真正进入工作流程，往往还要经过修改、排版、格式转换等环节。对于普通用户，这些操作意味着再打开几个软件；对于设计师和内容团队，则意味着一段并不短的后期工作。
OpenAI这次更新的Images 2.6，开始把这些工作往模型内部收。
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还没有涨价。
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距离。它们把复杂的模型包装成容易使用的产品，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，原有的生意就不再那么稳固了。
对OpenAI来说，这或许只是一次图像产品升级；对一批靠单点功能生存的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并不是一个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，二是让生成之后的修改和使用变得更方便。
先说速度。
OpenAI公布的数据是，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则更侧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最快可以在约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来说，生成速度的提升，意味着同样的时间里可以进行更多轮尝试。
说一个冷知识，快手最早就是一款GIF动图制作工具，产品名称就叫“GIF快手”。只是后来它从一个工具软件成长为中国最大的短视频平台之一，经历了一次重要的产品转型。
举这个例子是想说，GIF动图的需求是很明确的。
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。比如，让一张人物照片动起来，或者把一张静态商品图变成循环播放的展示素材。生成之后，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，通常需要经过图片处理、逐帧制作和动图合成等步骤。对于偶尔使用的普通用户，这套流程并不值得专门学习；对于有大量素材需求的团队，它则意味着额外的时间和人力成本。
OpenAI在官方博客中提到，AI办公助手公司Town已经使用新模型，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的输出上。
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与常见的PNG、JPEG不同，它保存的是矢量路径，放大后不会出现像素模糊，也方便进一步调整图形、颜色和细节。
这意味着，模型生成的不再只是可以观看的图片，还可以是能够进入网页、应用和印刷流程的设计素材。
对于设计师而言，这一点很重要。
局部编辑也在向这个方向推进。
ChatGPT此前已经提供了图像标注功能，用户可以在图片上圈出需要调整的位置，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。
对于开发者来说，这意味着可以把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，或者通过复杂的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。简单任务可以减少规划时间，优先保证速度；复杂构图则可以投入更多计算资源。
这与文本模型中调整推理力度的思路有些相似。模型不再只提供一个固定的生成模式，而是允许开发者根据任务的复杂程度决定资源如何分配。
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很快的创业公司。
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。产品形态各不相同，但商业逻辑有相似之处：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发展初期很容易成立。
一方面，基础模型的使用门槛较高，普通用户不知道如何写提示词，也不清楚怎样控制画面；另一方面，模型本身往往只能完成单项任务，用户还需要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，但可以通过产品设计，把复杂的技术能力变成普通人能够使用的服务。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，但是靠着做大模型与用户之间的连接赚的盆满钵满。2026年上半年，它的营收增加了22.1%，净利润暴涨了39.5%。
现在问题来了，OpenAI这样的顶级模型，开始把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，如果底层模型已经能够理解海报布局、准确处理文字，并且直接完成局部修改，那么单纯提供模板和提示词的产品，就很难再维持原有的差异化。
AI修图也是类似的情况。
如果用户只需要换一个背景、调整人物服装或者修改画面中的某个细节，直接在ChatGPT里完成可能比打开一个独立应用更方便。尤其当这些功能已经包含在用户现有的订阅中，第三方工具就尴尬了，用户为什么还要为同样的能力再付一次钱？
从这个层面看，OpenAI的野心也是巨大的，它既掌握底层技术，又拥有ChatGPT这样的流量入口，能够将新功能直接推送给庞大的用户群体。
不只是美图，Canva、Adobe都有影响，他们需要警惕的是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，而是强调商业使用的安全性。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进行训练，部分企业客户还可以获得合同约定的知识产权赔偿保障。
对于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目前相对稳固的地方。
还有一些应用方，已经主动把新模型接入自己的产品。
Figma Weave和Picsart已经成为Images 2.6的早期合作方。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则希望借助更快的生成和更稳定的编辑能力，让用户更方便地制作系列化视觉内容。
归根结底，底层模型越强，应用层越需要重新证明自己的价值。
如果一家工具公司提供的只是模型本身已经具备的功能，那么它很难长期维持溢价；但如果它能够把模型接入复杂的业务流程，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己的增长动力。
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，已经开始强调更精确的编辑、参考图片和更快的生成速度。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。
仅仅两个月后，这个数字又涨了10亿。对于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中一个规模相当可观的使用场景。
特别是，如果图像生成进入更具体的工作流程，商业价值可能就会不同。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。
这件事曾经让外界感到意外。Sora是OpenAI在视频生成领域最受关注的产品之一，曾经引发大量讨论，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，能够嵌入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。
它没有把重点放在一个全新的独立创作社区，也没有试图再造一个专门的GIF应用，而是直接把GIF生成放进ChatGPT，把SVG、markup等能力开放给API开发者。用户可以在原有产品中完成更多事情，开发者也可以把这些能力接入自己的应用。
这让OpenAI同时拥有两个方向的机会：在C端增加ChatGPT的使用场景，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面对的就是那些已经拥有用户、业务和场景的公司。OpenAI不必亲自开发每一种垂直工具，也可以通过提供底层模型，让其他企业把它的能力嵌入自己的产品。
对于国内创业者而言，一些机会可能已经在悄悄流失。
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，单纯依靠提示词优化、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的商品特征，能否保证商品细节不失真，能否接入商家的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要重新回答的问题是，当底层模型已经可以完成越来越多的事情，自己究竟还掌握着什么？
甚至，当顶级模型的能力越来越强，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。