GPT Image 2 局部改圖查核：mask 能引導，但不能保證只動一小塊

限制也在同一份官方範例裡。OpenAI 明確提醒，即使用了 mask，模型仍可能修改到遮罩中的部分區域，只是會避免這麼做；如果需要 exact mask，官方建議搭配影像分割模型。 因此，最穩妥的判斷是：GPT Image 相關工具可以用 mask 引導局部修改，但不能把 mask 當成保證其他像素完全不變的鎖定層。

官方文件實際確認了什麼

官方資料目前能支持三件事。

第一，GPT Image 2 確實出現在 OpenAI API 的模型文件中。 這能支持「GPT Image 2 是 OpenAI 文件中的模型」這個說法，但不能單獨推出它在每次照片編修中都會穩定保留人物臉、光線、構圖或未指定區域。

第二，GPT Image 的官方範例有 mask 編修流程。文件寫明，如果不希望模型改動輸入圖片的特定部分，可以提供 mask；使用 mask 時仍然需要 prompt，代表遮罩與文字指令是一起引導輸出的。

第三，官方沒有把 mask 描述成像素級保證。相反地，文件提醒模型仍可能改到 mask 中的部分內容，並建議在需要精準遮罩時使用影像分割模型。

對人物臉、光線與構圖代表什麼

如果你的需求是「只修衣服上一個小污點，但臉、膚色、光線、背景構圖都完全不變」，目前提供的官方資料不足以支持這種保證。 mask 可以降低不想修改區域被動到的機率，但官方說法本身就是「會避免」，不是「絕不更動」。

這對高敏感素材尤其重要。人物臉、商品輪廓、品牌標誌、包裝文字、證件照與需要一致光線的商業圖片，都不應只看生成結果是否大致好看；更安全的流程是保留原圖，逐張對照檢查臉部細節、邊緣、文字與構圖比例是否被帶動改變。這是對官方 mask 限制的必要風險控管。

社群回報能說明什麼，不能說明什麼

OpenAI Developer Community 中有多則與 gpt-image-1 相關的遮罩編修回報，主題包括 mask edits 保留不佳、mask 無法把修改限制在特定區域、inpainting with a mask 取代整張圖片，以及 mask 被忽略等問題。

其中一則社群回覆把 GPT Image 的 masking 描述為 prompt-based，並稱模型會重新生成整張圖，只是盡量把未修改區畫得接近原圖；該回覆也指出模型可能不會完全精準遵守 mask 形狀。

這些社群內容主要指向 gpt-image-1，也不是 OpenAI 對 GPT Image 2 的正式性能承諾，所以不能直接得出「GPT Image 2 一定有同樣問題」的結論。 但它們和官方 cookbook 對 mask 可能不完全精準的提醒方向一致，足以作為實務使用時的風險訊號。

第三方「像素級手術式修改」宣傳要怎麼看

有第三方網站把「GPT Image 2 Edit」描述為可用自然語言修改參考圖，並宣稱能做「surgical pixel-level edits」、不需要 masks、layers 或 Photoshop。 這類說法可以當作市場宣傳參考，但在判斷是否能「只改一小塊、其他完全不變」時，應優先以 OpenAI 文件中的限制說明與自己的測試結果為準。

換句話說，目前官方資料能支持的是：GPT Image 相關編修可用 mask 做局部導向；官方資料不能支持的是：mask 能保證未指定區域完全不被模型改動。

實務建議：哪些情境適合，哪些要小心

如果目標是快速產生概念稿、社群圖變體、背景替換方向或視覺探索，mask 編修值得測試，因為 OpenAI 的確提供了遮罩式編修範例。

但如果目標是高精度人物照、商品主圖、證件照、品牌素材或含有重要文字的圖片，驗收標準應該更嚴格：

1. prompt 要明確。 使用 mask 時仍需要 prompt，因此要清楚描述要改什麼、哪些地方要保留。
2. 需要精準邊界時，先做好 mask。 OpenAI 建議，如果需要 exact mask，可以使用影像分割模型。
3. 把輸出當候選稿，不要直接當終稿。 官方已提醒 mask 仍可能被部分改動，因此臉部、產品邊緣、文字與品牌元素都應人工檢查。
4. 保留原圖並做前後比對。 對構圖比例、光線一致性與關鍵細節敏感的圖片，最好逐張比較，而不是只看生成圖是否自然；這是因應 mask 不保證完全不變的必要流程。

最安全的一句話

GPT Image 2 可以放進局部改圖工作流中測試，但目前可查核資料不支持「一定只改指定小區域，人物臉、光線與構圖完全不受影響」的保證說法。OpenAI 官方範例支持 mask 局部導向，也同時提醒 mask 仍可能不完全精準；高精度修圖應搭配影像分割、前後比對與人工驗收。