GPT Image 2.5 生成的图片看起来很脏，先别急着再发一句“高清、无噪点”。先下载原始文件，按 100% 比例查看一块平滑背景，再与第一版、后续修改版和最终导出文件对比。 如果原图就有颗粒，要调整生成或编辑方式；如果只在导出、上传后出现，就应先检查那一步。两类问题用同一套“去噪提示词”，容易白忙一场。
网上确实已有相关报告。一名用户描述了商品平铺图上、尤其是彩色包装区域的数字噪点；另一场发布讨论中也出现了规律棋盘格和密集颗粒的反馈。这些是具体用户遇到的现象，不能据此判断每张图都会出现，也无法只凭图片外观确认 ChatGPT 当次使用的具体模型。商品图噪点原帖、棋盘格与颗粒讨论
以下方法依据截至 2026 年 9 月 21 日核验的文档、原始反馈与公开测试整理。本站没有进行噪点修复实测，配图均为说明判断方法的示意图，不是模型问题样本。
先确认：你看到的是颗粒，还是另一种问题
“画质差”太笼统，修改前最好把不满意的地方具体指出来。例如“浅灰背景上有一层细碎彩点”，比“让画面更高级、更高清”更容易检查修改有没有奏效。
| 你看到的现象 | 先看哪里 | 这一步要弄清什么 |
|---|---|---|
| 纯色背景、天空或包装表面有细碎颗粒 | 原始下载文件中的同一块平滑区域 | 颗粒是否已经写进原图，还是后续保存才出现 |
| 细节又硬又碎，边缘发脏或有光晕 | 轮廓、文字边缘和纹理交界处 | 是局部细节不自然，还是整个画面都不干净 |
| 固定间隔的方格、交叉纹理 | 普通画面与背景分别查看 | 网格是否实际存在于图像像素中 |
| 背景显示灰白棋盘格 | 换一个底色查看透明区域 | 是软件的透明提示，还是图片里画出来的格子 |
| 每改一轮就更糊、更脏 | 第一版与当前版的相同裁切区域 | 哪一轮开始丢失可用细节 |
不要把所有颗粒都当成错误。如果要求的是胶片摄影、粗粝纸张或颗粒插画，纹理可能符合原本的风格；如果交付的是干净的商品棚拍或平滑插图，同样的纹理就可能不合适。判断标准应是这张图的用途，而不是无限放大后是否还能看见任何细节。
棋盘格不一定是透明背景问题
图片编辑器常用棋盘格表示透明区域。把图放到红色、深蓝色等不同底色上，透明区域应露出新的底色；如果灰白方格仍随图片一起保留，就需要检查它是否已经画在图片中。PNG 扩展名本身也不能证明背景透明。
OpenAI 的图片提示指南建议，通过透明背景设置和明确的主体要求生成透明图，并使用支持透明通道的 PNG 或 WebP 保存。提示里写“透明背景”，不等于输出一定带有可用的透明通道。 具体检查和导出方法见 透明 PNG 生成与检查教程，参数依据见 OpenAI 图片提示指南。
如果规律网格出现在人物、包装或本应不透明的墙面上，则不能直接归因于透明预览。先在原始文件里确认该区域，后续按普通图像纹理问题处理。
用三个文件定位问题，先别覆盖原图
保留最初下载的图片、目前的修改稿，以及准备发布的导出文件。能找到的话，也保留最后一版仍然满意的图片。给它们起容易区分的名字即可，不需要专门搭建测试系统。
- 先看原始下载。 不用聊天截图或网页缩略图代替原图。在 100% 比例下选择一块平滑区域，再选择一块必须保留细节的区域，如商品标签或人物眼睛。
- 比较修改前后。 对齐同一位置，确认新增颗粒、颜色变化、糊边分别从哪一版开始。不要拿两个不同位置的裁切图比较。
- 再看最终文件。 如果原图正常，导出或上传后才出问题，先核对尺寸变化、保存格式与压缩设置，避免让模型重新生成本来就没问题的内容。
- 回到实际使用尺寸。 按网页、商品详情页或海报实际呈现的大小查看。用于小图的素材，不必为了极端放大下的轻微颗粒牺牲正常观看时清楚的文字；大幅输出则需要更严格地检查背景和轮廓。
这组比较的作用是找到问题发生在哪个文件、哪一步，并不能反推出模型内部的原因。没有原始样本和完整设置时，也无法仅凭一张社交平台压缩图确认是否属于同一种缺陷。
原图已有颗粒，怎么尝试才不越修越乱
第一次生成就有明显问题，可以先用原始要求重新生成一版，并把不需要的纹理说清楚。如果第一版可用、后来越改越脏，则回到最后一版可用文件，从那里重新开始修改；不要把当前最差的一版默认当作下一次输入。
一位日本作者的公开测试记录了连续四轮编辑后的画质下降，也记录了加强去噪要求效果有限、要求放大后风格发生变化的情况。这只是该作者的测试结果，但足以提醒我们：多发几轮“变清晰”并不是可靠的修复流程。连续编辑与颗粒测试原文
可以把下一次修改限定得更具体。以下是针对浅色商品背景的建议写法，不是经过本站验证的修复配方：
“只处理浅灰背景中不需要的细碎颗粒和重复网格，让背景过渡自然平滑。保留商品外轮廓、标签文字、颜色、接缝、阴影方向及画面构图。不要添加胶片颗粒、纸张纹理或新的装饰；不要把商品表面的真实纹理一起抹平。
这段要求的价值是让结果可检查。拿到新图后，先看背景是否改善，再看原本正常的标签和轮廓是否被改动。如果背景干净了，但文字变形、瓶口结构改变，这次修改仍不符合商品图的交付要求。
对整张图统一去噪也有类似取舍：平滑区域和文字、毛发、材质细节需要不同处理。若商品信息必须准确，可以考虑只修背景，或把生成结果作为局部素材合成回原图；最终仍要核对边缘与接缝。OpenAI 的提示指南支持明确说明修改目标和保留项，但保留要求不能代替检查，也不能保证非目标区域逐像素不变。官方编辑提示建议
如果实际要求是“把背景换白，再调整主体位置”，可以一次说明完整目标，减少没有必要的往返；但目标过于复杂时，也可能更难保住细节。关键是每一版都从可用输入开始，并留有回退文件，而不是规定所有编辑必须一次完成。
quality、PNG 和放大，分别能解决什么
使用 OpenAI 直连接口时，质量档位和文件压缩是两组不同设置。当前文档列出的 GPT Image 2.5 质量选项包括 low、medium、high、xhigh、max 和 auto；图片可输出为 PNG、JPEG 或 WebP，output_compression 适用于 JPEG 和 WebP。Images API 生成参数
| 调整方式 | 可以用来检查什么 | 不能据此保证什么 |
|---|---|---|
提高 quality | 在相同输入、尺寸和明确档位下，结果是否更符合要求 | 最高档一定没有颗粒或规律网格 |
| 保留 PNG 原始输出 | 减少排查时混入有损编码影响的可能 | 把已经生成的噪点自动去掉 |
| 修改 JPEG/WebP 压缩设置 | 导出后的细节损失是否来自编码 | 修好原图里已经存在的脏纹理 |
| 要求放大或增强细节 | 新尺寸下是否满足用途 | 原有细节被忠实还原、文字完全不变 |
尤其要区分“重新用 PNG 输出”和“把已经压缩过的 JPEG 另存为 PNG”：后者不会凭空找回已丢失的细节。相同道理，如果原始像素中已经有颗粒，换成无损保存只是把这些颗粒保留下来。
不要照搬其他生图系统里的 CFG、采样步数或去噪强度参数。上述 OpenAI 接口文档没有给出一套用 denoise、negative_prompt 等字段消除这类问题的通用方案；第三方界面若提供相似选项，也要以该平台自己的说明为准。ChatGPT 界面未必开放与 API 相同的控制，不能假定写一句“quality=max”就等于设置了真实请求参数。
至于换成 Sunburst，官方将它定位为更强调编辑精度的模型，但这不等于已经证明它更少出现噪点。需要比较时，应使用自己的参考图和相同修改要求，同时检查目标区域与保留区域；模型选择的完整讨论见 Flare 与 Sunburst 的编辑精度、速度和成本对比。Sunburst 官方模型页
出现这些情况，就先停止继续改图
如果新一轮处理没有改善目标区域，反而开始改写标签、磨掉材质或改变人物细节，就不应继续把它当作更好的底稿。回退到可用版本，把问题缩小到一个明确区域，再决定是否值得做下一次尝试。
对于必须保留准确文字、标识和产品结构的交付物，一张干净但内容错误的图片通常不能替代原图。如果多次修改都无法同时满足“背景干净”和“细节正确”，改用常规局部修图、合成，或重新制作基础素材，会比继续叠加生成式编辑更容易控制结果。这是工作流程上的选择，不是承诺某款后期工具一定能无损修复。
如果需要向所用平台反馈，保存原始下载文件、出现问题的版本、修改要求，以及能取得的模型和输出设置；用相同位置的裁切图说明“哪一版开始出现什么”。不要只提交一句“画质下降了”。这些信息有助于复现和沟通，但截至本文核验时，我们没有可据以承诺的通用修复提示词、确定修复时间或问题发生率。
