gpt-2.5 改图实测：发布首日的上手账和三个坑
一句话版本：gpt-2.5 改图实测下来，单次小改稳得超出预期，坑全在多轮返工上。建议每张图最多改三轮，超过就回去重开。
gpt-2.5 改图实测我发布首日就做了，专挑"改"而不是"生成"：局部换颜色、调人物姿态、加物体删物体，前后跑了二十多张图。结论先放这儿——一次指令的小改动，成功率高得吓人；翻车全集中在反复改的过程中。下面是上手账和三个坑，都是真金白银的额度换来的。
先说顺的部分：这三类改动基本一次过
局部改颜色、小幅姿态调整、删除背景杂物，这三类任务发布首日的成功率大概十次过八次。展开讲讲各自的体感。
改颜色最稳。我拿一张自己拍的白色马克杯照，让它把杯身改成墨绿色、别的地方别动，第一次出图就对了，连杯子把手在桌布上的那点绿色反光都跟着改了，这个细节我没想到。改姿态稍微挑图：站姿改坐姿这种大动作，它其实是在重画大半个身体，衣褶走向偶尔会穿帮，但手没画崩，四肢数量正常，光这点点就比旧版强。删物体我最满意，路边一张照片里插着个突兀的共享单车，一句"把自行车删掉，补上后面的砖墙"，一次过，砖缝都对得上。
加物体就分情况了。往桌上加一杯咖啡，稳；往画面里加一只猫，猫是有了，但影子方向经常和主光源打架。你要是敢接着让它"把影子修对"，就容易掉进第一个坑了。
坑一：改一处，动全身
你只让它改桌面上的杯子，它可能顺手把背景的窗户、人物的领口全重画了一遍，这是首日最常撞上的坑。
我有一张朋友坐在咖啡馆的照片，指令就一句"把桌上的拿铁换成抹茶"。出图一看，抹茶是换了，但她背后墙上挂画的颜色变了，袖口的一道褶皱也没了。脸倒是没动，可整张图的"质感"明显被重涂过一遍，像加了层滤镜。我试了三次，次次有这种溢出。后来学乖了：指令里必须写死"仅修改XX区域，画面其余部分保持原样"，写成硬约束而不是客套话，溢出概率肉眼可见地降下来，但也做不到零。想留后路的办法只有一个——改图前把原图存好，随时能推倒重来。
坑二：细节指令不写死数字，它就自由发挥
"把字调小一点""颜色调深一点"这类模糊指令，它每次执行的程度都不一样，返工就是这么开始的。
最典型的一次：我让它把海报上的标题字"调小一点"。第一轮小了大概两成，我觉得还能再小，又发一句"再小一点"，结果直接小到看不清。你说气不气。之后我把指令全改成带数字的写法——"标题缩小到当前的三分之二""背景红色加深15%左右"——一次到位的比例明显上来了。数字它不一定执行得百分百准，但至少方向和幅度在你要的范围里。同理，位置也一样："放在左上角"不如"放在画面左上角、距边缘约十分之一宽度处"靠谱。麻烦是麻烦点，可比起来回试，这一步反而省时间。
坑三：多轮改图，画质是一轮一轮往下掉的
每改一轮它都在重绘整张图，改到四五轮，噪点、涂抹感和细节糊化就压不住了。
我拿同一张人像做了个极端测试，连改六轮：换外套颜色、改站姿、删背景路人、加一盏灯、调天空调色、最后改头发。到第三轮还好，第四轮毛衣的针织纹理开始糊，第六轮整张图像隔了一层磨砂，连最初那版的锐度都回不去了。这不是能靠指令救回来的问题，是它的工作方式决定的——每轮输出都是一张新图，而不是在原图上打补丁。所以我的实操建议就一条：动手前先想清楚这张图一共要改几处，尽量把指令合并进一两轮说完，硬上限设三轮。三轮还改不到位的，说明这张图的底子不适合，重拍或者重生成一张，比无限修补划算。
顺带一个省额度的发现：指令一次说全，比拆成五句挨个发，省的不只是轮次，额度也省。发布首日大家都在挤，多等一次就是多排一次队。
回到开头那句话：单次小改很能打，多轮返工是深渊。gpt-2.5 的改图能力确实配得上发布这几天的热度，我的墨绿马克杯、那张砖缝严丝合缝的街景，都是一轮就交货的。你只要记住三个动作——存好原图、指令写死数字、每张图最多三轮——它就是个挺称实的帮手，而不是让你反复烧额度还改不出来的摆设。
常见问题
改图时怎么让它只动指定区域、别的地方不碰？
把"仅修改XX、其余保持原样"写成硬性约束放在指令里，别用商量口气。我的体感是这样能把溢出压低大半，但压不到零，所以原图一定要备份。
改姿态类的大改动有办法一次成功吗？
挑图比调指令更重要。四肢完整、没有遮挡的站姿图成功率高；手臂交叉、物体遮挡多的图，改姿态等于重画，建议直接多给几轮预算或者放弃。
加物体的影子不对，是等后续版本修还是自己手动调？
小面积影子（桌上一个杯子）让它顺手改能对；大面积或复杂光源的，别指望它推理，拿到图以后手动压一下更省事。
多轮改图画质下降有补救办法吗？
基本没有。它是逐轮重绘，糊了就是糊了。唯一有效的补救是回到第一轮的输出，把剩余改动合并成一条指令一次做完。
每一轮改图之间需要等很久吗？
发布首日高峰期排队明显，单张十几秒到几十秒都碰到过。指令合并着发，既省轮次也省等待时间。