有人拿GPT Images 2.5做了一组连续生成测试，结果有点尴尬： 人物特征一般在第5次生成之后就开始丢失 ，尤其是画面里有多个人物的时候。 这条实测来自社交平台上一位用户的分享，配文写得很直白——"注意GPT Images 2.5多轮生成的特征丢失问题"。测试者把第二次生成和第五次生成的结果放在一起对比，左边是第二次，右边是第五次。 丢的不只是脸 按照测试者的说法，问题不只是人物长相跑偏。连续生成到后面， 噪点问题也会开始变得严重 。也就是说，画面质量本身也在往下掉，不只是"这个人不像了"这么简单。 多人物场景是重灾区。测试里特意点出"尤其是多人物"，说明画面里角色越多，特征保持的难度越大。这符合直觉：模型要在同一张图里同时锁住好几张脸，比只维持一个人物要难得多。 5次，是个分水岭 测试给出的临界点是5次。第二次还在正常范围内，到第五次就开始出问题。这个数字对实际使用有参考价值——如果你打算用GPT Images 2.5做连续迭代，比如反复调整同一张人物图，大概到第五轮就得留个心眼，检查一下人物还是不是原来那个。 测试者给这组图打的标签是"ZHGO｜测试系列｜GPT Images 2.5"，配文里还带了一句"有那味了，笑死"，语气偏调侃。从发布时间看，这条分享标注为 9月11日 ，浏览量214次。 多轮生成的通病 连续生成导致特征漂移，并不是GPT Images 2.5独有的现象。任何基于前一轮结果继续生成的工作流，都可能出现误差累积——每一轮都偏离一点点，几轮下来就面目全非。测试者没有展开解释原因，只给出了现象和临界次数。 对使用者来说，这条实测的价值在于一个可操作的提醒：多轮生成时别默认人物会一直保持稳定，尤其是画面里有多个人物的情况，第五次之后要主动核对。测试者没有给出解决方案，也没有说明是否与特定参数设置有关。 特别