Ранее все модели обработки изображений воспринимали текст как разновидность текстуры. Они запоминали, как выглядят буквы, но не понимали смысла слов как отдельных знаков. Именно поэтому GPT-4o, Midjourney V7 и DALL-E 3 часто выдавали плакаты с искажёнными надписями, а сложные макеты превращались в бессмыслицу. ChatGPT Images 2.0 работает иначе: здесь текст обрабатывается как самостоятельная сущность. Модель учитывает орфографию, типографику и структуру, что позволяет создавать полноценные макеты — от меню и постеров до интерфейсов и инфографики.

Система поддерживает расширенные технические возможности: разрешение до 2048 пикселей, гибкие соотношения сторон (от широких баннеров до вертикальных форматов) и генерацию до восьми согласованных изображений в одном запросе. Также появилась возможность экспортировать изображения с прозрачным фоном.

ChatGPT Images 2.0 доступен в двух режимах. Первый — мгновенная генерация. Этот режим включён по умолчанию и выдает результат за считанные секунды. Второй — «режим размышления». Перед генерацией модель анализирует загруженные файлы (PDF, скриншоты, гайды по стилю), ищет информацию в интернете, продумывает структуру изображения и перепроверяет собственные результаты. Обработка сложного запроса может занять до двух минут. Именно этот режим позволяет создавать последовательные слайды, раскадровки и инфографику, где важна логика и связность элементов. Например, на запрос «разработать презентацию из четырёх слайдов, объясняющую квантовое туннелирование» модель выдаст четыре связных слайда с последовательным дизайном, а не четыре случайных изображения, объединенных общей темой.