內容取自台北大學通識許智超老師開設的媒體Line社群，分享已經過同意。
前幾天又重新玩了一輪 ChatGPT 生圖，才有一種很明顯的感覺：這次更新，好像不是單純「畫得更漂亮」而已，而是它開始比較能理解，使用者到底想拿這張圖做什麼。
以前玩 AI 生圖，最痛苦的地方不一定是畫面醜，而是明明腦中有畫面，但它最後常常畫歪。主體理解錯、細節跑掉、版面亂、字寫不好，或者整張圖雖然乍看很厲害，卻很難真的拿去做教材、圖卡、社群內容。
但這次再試 ChatGPT 的新生圖模型，會有一種比較少見的感受：它不只是「生成一張圖」，而是比較像真的在配合你做內容。
我後來去看了一下這波官方更新，OpenAI 自己也有提到，新的 ChatGPT Images 2.0 不是只追求好看，而是把重點放在更好的文字渲染、多語言支援、畫面控制力，還有在生成前加入更多「思考」與規劃。官方甚至直接把它定位成比較適合做成品、廣告、教材、編輯設計這類實際工作流的模型。
這也剛好對上我自己的感覺，如果說前一陣子很多生圖模型帶來的是一種「哇，這張圖很頂」的即時驚喜，那這次 ChatGPT 生圖比較像是：它開始更能幫你把想法穩定落地。
我自己後來慢慢整理出一個比較順的方式，與其把它當成「神秘提示詞」，不如把需求講得更像是在交代工作。最簡單的公式其實就是：
用途＋場景＋主體＋細節＋風格＋比例＋不要什麼
像這樣整理之後，我才發現很多問題其實不是模型太笨，而是自己以前給的需求太像靈感，沒有真的交代清楚。
例如同樣是做一張圖，如果只是說「幫我畫一張穿搭圖」，它能發揮的空間太大，最後就很容易變成抽卡；但如果你把用途、場景、畫面主體、風格和排除條件講清楚，它就會更像一個能合作的創作助理，而不是隨機噴圖的工具。
這也是我最近最有感的一點：
以前 AI 生圖比較像在試運氣，現在比較像在對接需求。
尤其如果是要做課堂圖卡、教材示意圖、社群視覺、主題式版面，這種差別真的很明顯。因為你要的早就不只是「漂亮」，而是「能不能直接拿來用」。
最近剛好又想到一直會碰到的一個核心問題：生成式 AI 到底是拿來炫技，還是拿來工作？我覺得這次 ChatGPT 生圖更新，某種程度上就是把這個界線往後推了一點。它開始比較像一個懂結構、懂需求、也懂畫面用途的助手，而不是只會把關鍵字拼成圖的機器。
至少對我來說，這次最大的改變不是「它變得多厲害」，而是我第一次比較明確地感覺到：AI 生圖這件事，正在從「好玩」慢慢走到「真的可以進入工作流」。
