GPT Image 2.5 可以拿几张图拼出一张成品，合影、把产品放进你给的房间里、照着一张图的风格重做，走的都是同一套机制。
这套机制是参考图编排，不是一个”合并”按钮，而且规则散在官方三个页面上，不在同一处。
一次能给几张图，规则写在哪
发布公告和帮助中心都没说你能传几张，这个沉默本身就是要先弄明白的事。
- 帮助中心写的是上传”一张已有的图片”，模板流程里则是”加一张参考图”，两处都是单数
- 把张数规则写清楚的是 API 参考：编辑端点”接收一张或多张源图与一段提示词，返回编辑或扩展后的图片”
- 以 JSON 发送时，图片是数组字段，每个元素带 file_id 或 image_url
- 对 GPT image 系列模型，这个数组最多接受 16 张
- 以 multipart 表单发送时，每张图是 png、webp 或 jpg，单张小于 50MB
- 传多张图时，遮罩（mask）只作用于第一张
16 张是上限而不是目标。多一张输入，就多一处模型可能看错的地方，张数越多保真度越低。
每张输入图只安排一个职位
OpenAI 说 GPT Image 2.5 更擅长基于参考照片”在新场景、新风格和新构图里改造熟悉的主体”，而用上这条的前提，是别把几张图当成可以互换的素材。
- 第一张图负责身份：那张脸、那个产品、那个具体物件
- 第二张图负责风格：线条、配色、光线、质感
- 第三张往后负责版式、材质或环境
- 在提示词里按序号点名，例如”第一张图是产品照，第二张图是风格参考”
- 明说借用什么、保留什么，否则模型会把几张图平均掉
- 位置词只在必要时加：前景、背景、左侧、右侧
官方 Codex 图像生成页给的是同一句指导：按顺序标出每张图，再说明它们之间怎么配合。
常见的几种合成，各自的写法
多图需求大多落在几种固定形状里，每种要的句子不一样。
- 分开拍的人像合成合影：身份优先，一人一张输入，共用同一套场景与光线描述，只说一遍
- 把产品放进你给的房间：产品管身份，房间管版式，光源要写进提示词
- 照着另一张图重做现有主体：主体管身份，第二张图只提供风格，并明确排除它的内容
- 换背景：一张主体图加一张背景图，再补一句”不要移动主体”
- 多个物件的平铺图：按顺序把物件列出来并给出数量，数数本来就是弱项
注意这里只有一种是在让模型凭空造东西，其余都是摆位置，而摆位置正好是参考图擅长的部分。
为什么脸和产品会走样
跨次生成的一致性是一条官方写明的限制，不是靠提示词能绕开的毛病。
- 发布公告称主体保真度更好，而 API 指南仍提醒模型”在多次独立生成之间，可能偶尔难以保持反复出现的角色或品牌元素的视觉一致性”
- input_fidelity 控制模型在多大程度上努力贴合输入图的人脸特征，默认值是 low
- 提到 high 会更贵也更慢，所以把它花在管身份的那张图上，而不是每张都用
- 两轮之间的机位与裁切措辞保持一致，同时改两处就分不清是哪一处动了
- 画面已经很接近时，去改它，而不是重新生成
- 脸必须认得出来时，一轮最多放两个人是稳妥的默认值
“先改后重生成”这个习惯，也是让角色稳定下来的同一个习惯，我们在GPT Image 2.5 形象一致性里专门写过。
发布公告承诺了什么，没承诺什么
把官方公布的内容和外围解读分开看，能少走弯路。
- 公告承诺的是参考照片的保真度，并说 API 团队做”参考驱动的工作流”更可靠了
- 它没有给过任何输入张数上限
- 它没有说明怎么在提示词里区分多张图
- 它没有承诺某张脸会被一模一样地还原
- API 指南里的四条限制，对多图请求同样有效
超出这份清单的说法都是第三方测试结论，而不是官方口径，包括流传的”几张脸全部对得上”。
合成结果不对时该怎么办
官方四条限制里有两条，偏偏在多图场景最要命。
- 构图控制：“尽管指令遵循有改善，模型在结构化或对布局敏感的构图中，仍可能难以精确放置元素”
- 延迟：“复杂提示词最长可能需要两分钟处理”
- 把需求压到每轮只改一处，而不是重写整份需求
- 结果发糊时，减少一张输入，而不是再加一张
- 加人物之前先用文字把区域划出来，让每个主体有各自的地址
- 沿用上一轮有效的参考图顺序，顺序本身也在干活
画面大体没问题、只有一小处要修时，就地用评论标注，比整份重发更划算，这正是GPT Image 2.5 评论标注改图的用途。
实操示例：把人和产品放进同一张图
只要两个输入都很重要，合成就开始变难。举一个产品图：一只手握着咖啡罐，背景是一面素墙，罐子来自一张产品图，手则写在文字里。
- 给每个输入只派一个任务，发之前先把任务写下来：产品图负责罐子，文字负责手和墙面
- 把交接处写清楚：“手握住罐身中部，手指包住前侧边缘。”
- 光线只说一次，并同时作用于两个输入：“左上方单一柔光源，手和罐子上的衰减一致。”
- 先出第一版，之后一次只改一样：握法、角度或光线，不要三样一起改
- 把产品自身的细节跟提供的原图对一遍，因为 logo 和标签文字是最先漂的
交接那句是最常被漏掉的部分，也正是手最后悬在物体旁边、而不是握住它的原因。两个输入各自都成立，是那句话把它们绑在一起。
让同一个主体在多次尝试中保持稳定的相关问题，见 GPT Image 2.5 角色一致性 教程。
常见问题
GPT Image 2.5 一次最多能合成几张图？
API 参考里编辑端点最多 16 张输入图。ChatGPT 界面没有公布对应数字，所以按”最多几张参考图”来用，具体以你自己客户端的实际表现为准。
多图合成只能在 API 里做吗？
两边都能用，但只有 API 写明了张数。在 ChatGPT 里你附一张参考图并描述要改什么，官方页面描述这套流程用的是单数。
能不能一边合成两张照片，一边只改其中一个区域？
可以。先把输入发过去，再把指令收窄到某个区域。选区不是像素级的，所以改动会略微超出你圈的范围。
为什么第二个人出来像第一个人？
模型把两张参考图平均了。给每张输入图一个不同的职位，在提示词里按序号点名，并把管身份的那张放在第一位。
多图合成说到底是记账：少放几张、每张只干一件事、每轮只改一处。