最近小红书上有个帖子火了，博主发帖问，为啥GPT生图总感觉脏脏的？小红书评论区三千多人收藏，最高赞评论一句话戳中所有人：“模型问题。”
用GPT生图的人，大概都经历过这种时刻：第一张图出来挺惊艳，改几轮之后画面开始灰蒙蒙、糊糊脏脏的，不是噪点就是说不清的雾感。有人说它是"当今最强生图模型"，也有人说"比豆包还脏"。到底怎么回事？
我把小红书、知乎、微博上这半年的热门讨论、实测和评论区方案都翻了一遍，今天一次说清三件事：为什么脏、怎么救、OpenAI新版值不值得等。
先对齐一下，"脏"到底是哪几种
看了一圈大家的吐槽和案例，"脏感"基本是四类：
灰雾感：画面像蒙了一层纱，对比度发闷，色块之间糊在一起；
颗粒噪点：放大看全是细碎噪点，用垫图（拿参考图生成）的时候尤其明显；
泛黄色偏：阴影发浑、白平衡偏暖偏黄，整体显旧；
过拟合纹理：改多了以后出现奇怪的纹路、过度锐化的痕迹，材质堆得密不透风。
先说一句公道话：如果你追求的就是胶片感、复古氛围，那这种"脏"可能正是你要的味道——GPT-Image-2的写实路线本来就带颗粒质感，小红书上也有人专门发帖说"自从GPT生图升级之后，看到了很多风格特别明显的画"，辨识度极高，有人就好这口。小红书真正被坑的，是想要干净商用图的人：电商图、海报、信息图、头像。
为什么脏：四个成因
成因一：同一对话里反复改图，等于反复"二次压缩"。
这是最高频的坑。GPT改图时是拿上一轮的输出当底图，每改一轮，上一轮的噪点和瑕疵就被带进下一轮，还会被放大——有点像反复保存一张JPG，画质越存越烂。
评论区有条高赞说法很到位：GPT给你的第一张图肯定不脏，不要在一张图上反复改，要修改就把图片下载到本地，然后新开对话上传图片让它修改。小红书亲测党还补充：在同一对话框里改太多次，模型就会开始生成奇怪的纹路。
成因二：模型的"真实感"路线是双刃剑。
GPT-Image-2主打照片级写实，而颗粒、纹理、不完美，恰恰是它从真实照片里学来的"真实感特征"。你再叠几个"电影感、复古、胶片、真实纹理"之类的词，等于火上浇油。
最高赞评论说的"模型问题"，指的就是这个底子。评论区有条对比很中肯：GPT生图比豆包还脏，不过GPT的图更真实，生成的文字基本都是正确的，不会像豆包那样全是乱码。小红书——各有取舍，不是单纯的谁好谁差。
成因三：垫图工作流会放大噪点。
知乎有博主长期实测后总结：GPT-Image-2的白噪点、污染点问题"尤其是垫图时效果更为明显"。知乎因为模型会把参考图里已有的噪点当成画面内容，重新演绎一遍再输出。
成因四：元素越多，细节越被压缩。
有个观察很一致：近景人物越来越真实，但一到大场面、远景镜头，远处元素就开始麻麻点点。画面元素一多，分给每个局部的"细节预算"就不够，材质只好糊弄。
另外流传一个说法：脏感是因为GPT在图里加了隐形水印。小红书这个说法目前没有官方证实，听个参考就好，别当成主因。
处方：按症状拿药，从最便宜的开始
处方一（预防）：把"干净"写进提示词，光写"画面干净"没用。
要说清楚光线、色彩、材质，外加一串禁止项。有帖主引用了OpenAI官方提示指南的建议：追求干净画面时，要谨慎使用film grain、worn texture、imperfections这类容易增加颗粒和做旧感的表达。小红书社区里流传很广的一套：
画面整体明亮、清透、干净，采用柔和均匀的自然光和中性白平衡。白色保持纯净，色彩清晰但不过度饱和，阴影通透，不压黑。不要胶片颗粒、噪点、灰雾、泛黄、脏污纹理、做旧效果、暗角、朦胧光晕、过度锐化。
最高赞评论的版本更短，适合扁平风：整体画面必须干净、平滑、统一，强调大色块叙事与整体轮廓，不要细碎噪点，不要高频纹理，不要脏污颗粒，边缘清晰利落。小红书
处方二（轻度脏）：修复提示词，关键词是"修复，不是重新生成"。
画面只是轻度发灰、有噪点的话，用"商业摄影级图像修复"的思路：明确要求清理AI涂抹感、噪点、灰雾、糊边，同时锁死构图、主体位置、比例、文字、光影方向"全部不变"，再来一句"不要重新设计画面"。小红书核心逻辑是让模型做局部清理，而不是整张重画——重画就又回到"越改越脏"的循环里了。
处方三（局部脏）：两张图替换法。
产品糊了、logo边缘崩了，别在整图上死磕。单独生成一张干净的局部图，然后用"把图1中的产品替换成图2的产品，还原图2的造型，融合图1的光影和场景，不要改变构图和背景"这类指令做替换，最后进PS把边缘轻轻擦一遍，融合会更自然。小红书
处方四（改到没法看）：拆线稿重建。
这是最彻底的一招：把脏图分别提炼成结构线稿（只要轮廓和透视）和色彩稿（只要干净大色块），再让模型基于这两张"干净底料"重新渲染。等于把反复改图积累的脏东西全部剥掉，从干净的地基重来。小红书上"AI脏图修复三大法"和噪点处理教程基本都是这个思路，步骤最多，但救活率也最高。小红书
处方五（换个思路）：找别的模型当"清洁工"。
知乎有网友实测：把GPT生成的脏图丢给谷歌Gemini（社区叫"香蕉"系列）的图像生成，配一段专门的denoise提示词，噪点和污染点基本能清掉，同一套提示词拿去修复模糊老照片也好使；他也测了豆包，能用，但效果差一截。知乎评论区还有两种流行玩法：一种是"GPT负责生成、豆包负责修画质去杂色"。小红书另一种是"调API接口生2K图，质量会好很多"。
要不要等OpenAI的新版？
这个问题现在还真有得聊。8月以来，LMArena盲测平台上先后出现了两个疑似OpenAI的新图像模型：先是代号mona-lisa-1，被网友用官方验证工具扫出SynthID水印实锤。36氪几天前又出现一个新检查点luna-lisa-alpha，社区的反馈是"画面非常真实、文字渲染能力强、知识截止时间更新了"。知乎也有人对比后发现它的颗粒感似乎消失了，不过GPT Image 2刚发布时也没有颗粒感，是后来更新才出现的，这条还得再观察。
GPT Image系列的噪点问题被念叨了大半年，大概率是新版重点修的对象。我的判断：
不急出图：别折腾，等正式版落地再验证噪点是不是真解决了，现在换工作流纯属白忙；
天天要出图：上面的处方先用起来，"预防+修复"能覆盖大多数情况，不用硬扛；
就是需要干净风格（电商白底图、简洁信息图）：这些场景直接用风格偏干净的模型更省事，没必要跟GPT的"胶片味"较劲。
最后总结成一句话：第一张图不脏，越改越脏；先预防、再修复、救不回来就拆线稿重来，实在不行换个模型当清洁工。
你被GPT的"脏图"坑过吗？评论区聊聊你的救图姿势。
