做视频时，最难生成的往往不是明亮、干净的产品图，而是夜景、灾难、科幻、战争这类暗色画面。
这类镜头看起来“黑”，实际包含的信息一点也不少。
云层里要有不同深度的亮度变化，烟雾不能糊成一团，远处建筑要保持空间层次，火焰和能量光源需要照亮周围环境，雨水、金属与积水还要形成合理的反射。人物穿着深色服装时，轮廓既不能消失在背景里，也不能像贴纸一样浮在画面上。
质量不足的图片，缩小时可能很有气氛，一旦进入视频制作流程，问题就会迅速暴露。暗部出现色块，建筑细节互相粘连，烟雾失去层次，飞行器结构模糊，人物和背景无法分离。做镜头推进、局部放大、视差动画或图生视频时，这些缺陷还会被进一步放大。
对于影视创作者来说，图片不是生成出来就结束了。它还要进入剪辑、运镜、特效和动画流程。这正是更高质量档位存在的意义。
Ace Data Cloud 的 GPT Image 2.5 现已在 low、medium 和 high 之外，增加 xhigh 与 max 两档质量。Flare 和 Sunburst 均支持这两个档位，包括对应的官方通道。
当画面涉及复杂暗部、体积云、烟雾、火光、雨夜反射和多层空间关系时，创作者可以让模型投入更多生成预算，尽可能保留暗色环境里的结构与细节。
¶ 我们用一个高难度暗场测试了五档质量
为了让差异更容易暴露，这次没有选择明亮背景或简单产品，而是设计了一张科幻灾难电影的视觉特效关键帧。
画面发生在蓝调时刻的未来海滨城市。断裂的轨道环悬在城市上空，能量裂缝撕开暴风云层，燃烧的飞船残骸坠向摩天大楼。前景是一名背对镜头的救援飞行员，旁边停着受损的倾转旋翼飞行器。
整个场景以深蓝、黑色和灰色为主，只有能量裂缝、火焰、城市灯光和飞行器局部形成暖色高光。
这种场景会同时考验暗部有没有真实细节，前景人物能否和背景分离，云层和烟雾是否具有空间层次，火焰是否真正照亮周围环境，以及城市、飞行器和轨道环的结构是否连贯。
测试使用更偏向高保真与精细控制的 gpt-image-2.5-sunburst。所有画面采用完全相同的提示词，只改变 quality。
¶ 完整测试提示词
Cinematic VFX keyframe from an original science-fiction disaster film, ultra-wide 16:9 composition. A colossal orbital ring has fractured above a rain-soaked futuristic coastal megacity at blue hour; a luminous energy rift tears through storm clouds while burning spacecraft debris falls toward skyscrapers. In the foreground, an armored rescue pilot stands on a flooded rooftop beside a damaged tilt-rotor aircraft, seen from behind, looking toward the catastrophe. Include physically plausible volumetric clouds, layered smoke, glowing embers, sparks, rain streaks, wet reflective surfaces, turbulent ocean spray, atmospheric perspective, realistic destruction, miniature-scale city detail, complex blue-orange lighting, accurate reflections and refractions, cinematic anamorphic lens flare, subtle film grain, deep depth staging, photorealistic live-action blockbuster visual effects, coherent geometry, natural human anatomy. No text, no logo, no watermark, no split screen, no collage.
这段提示词有意加入了大量容易在暗场中失控的内容：深色云层与多层烟雾、点状火花和燃烧残骸、深色装甲人物、夜间城市建筑、湿润表面与复杂反射，以及多个亮度差异很大的光源。
如果生成质量不足，模型很容易只保留强烈的蓝橙色氛围，却牺牲真正决定画面质感的暗部结构。
¶ Low：氛围很快建立，但更像前期概念草图
low 用约 25.11 秒完成生成，图像输出为 157 Tokens。
它可以快速建立完整场景，也能表现灾难氛围、人物位置和主要光源。用来判断构图是否成立，或者在前期探索多个镜头方向，效率很高。
但在复杂暗场中，我们不能只看画面是否“够黑、够酷”。更重要的是检查阴影里还有没有东西。
救援飞行员的装甲结构、受损飞行器的机械细节、远处建筑之间的边界，以及云层内部的亮度变化，都决定了这张图片能否继续用于后期制作。如果这些内容在原图里已经混在一起，后期单纯提高亮度或锐化，并不能真正找回缺失的结构。
¶ Medium：暗部开始拥有更多可以辨认的内容
medium 用约 27.18 秒完成生成，图像输出为 367 Tokens。
相比 Low，它并没有大幅增加等待时间，但模型获得了更多生成预算。
对于普通视频配图，Medium 已经是一个比较实用的起点。它不仅要完成整体氛围，还需要更认真地处理建筑、载具、人物与环境之间的关系。
在暗色画面里，所谓质量提升并不一定表现为“更亮”或“更锐”。更重要的是，阴影中的结构是否还能被看见，烟雾有没有前后层次，远处城市是否能够形成真实的大气透视，人物是否通过轮廓光自然地从背景中分离出来。
¶ High：从“有氛围”走向“有结构”
high 的生成时间约为 41.35 秒，图像输出增加到 1,413 Tokens。
从这一档开始，模型投入出现了明显跃升。对于影视暗场来说，这些额外投入最值得关注的地方，是亮部与暗部之间的过渡。
能量裂缝不能只是一条白色高光，它应该影响周围云层；燃烧残骸不能只是橙色斑点，它应该产生烟雾、余烬和环境光；积水也不能只是简单镜面，它需要根据屋顶结构和光源方向形成不同强度的反射。
当这些关系更加完整时，画面才会从一张气氛图逐渐接近电影镜头。High 更适合正式进入视频时间线，尤其适合需要轻度推进、平移和景深处理的镜头。
¶ XHigh：为放大、运镜和后期分层保留余量
xhigh 用约 53.68 秒完成生成，图像输出达到 2,511 Tokens。
在视频工作流中，很多问题只有让画面动起来以后才会出现。镜头向前推进时，远处城市需要承受放大；制作视差动画时，前景人物、飞行器和背景需要有清晰边界；交给图生视频模型继续生成时，机械结构和环境关系也必须足够明确，否则运动过程中很容易发生变形。
XHigh 的价值就在这里。它不只是让画面在第一眼看起来更漂亮，而是尽可能为后续制作留下更多可用信息。对于暗色场景来说，这意味着更清楚的轮廓、更稳定的局部结构，以及更有层次的阴影和烟雾。
如果图片要作为重点镜头、片头画面、电影概念图或图生视频的首帧，XHigh 会比普通质量档更符合实际制作需求。
¶ Max：为最重要的暗场镜头拉高输出上限
max 用约 104.43 秒完成生成，图像输出达到 5,650 Tokens。
它的等待时间接近 XHigh 的两倍，图像输出 Tokens 也超过 XHigh 的两倍。这说明 Max 并不是换了一个听起来更高级的名字，而是明显提高了生成投入。
在复杂暗场中，最高质量的意义不是无休止地增加纹理，而是尽可能同时守住多个容易冲突的目标：画面要保持黑暗氛围，但不能丢失结构；能量裂缝要足够明亮，但不能破坏云层细节；人物要清楚，却不能像被单独抠出来；烟雾要丰富，但不能遮住所有建筑；反射要明显，同时又要符合环境光线。
这些要求单独完成并不困难，难的是同时成立。
Max 更适合已经确定构图和提示词之后的最终输出，例如片头主视觉、电影海报、核心镜头、重点宣传素材，以及需要继续进入复杂后期流程的图片。
¶ 暗色画面的质量差异，不能只看“清不清晰”
这次测试记录如下：
| 质量档位 | 生成耗时 | 图像输出 Tokens | 总 Tokens |
|---|---|---|---|
| Low | 25.11 秒 | 157 | 567 |
| Medium | 27.18 秒 | 367 | 777 |
| High | 41.35 秒 | 1,413 | 1,823 |
| XHigh | 53.68 秒 | 2,511 | 2,921 |
| Max | 104.43 秒 | 5,650 | 6,060 |
从 Low 到 Max，真正需要比较的并不是哪张图单纯更锐利，而是暗色环境里保留了多少有效信息。
可以重点观察救援飞行员的装甲是否有可以辨认的结构，人物与飞行器之间是否存在清晰的空间关系，飞行器的机翼、旋翼和机身是否连贯，远处城市有没有因为黑暗而糊成一整片，云层是否具有前后深度，以及屋顶积水能否反映环境中的多个光源。
暗场最怕的不是黑，而是“黑得没有内容”。
一张高质量的暗色图片，即使整体亮度很低，人物、建筑、机械、烟雾和云层依然应该拥有各自的层次。观众未必会明确说出这些差异，但会直观感受到画面是否具有电影质感。
¶ 图片质量决定了视频后期还有多少操作空间
视频创作很少直接使用一张完全静止的原图。
创作者通常会进行镜头推进、横向移动、局部裁切、前后景分层、光效叠加、景深模拟，或者把图片交给图生视频模型继续生成。这些操作都会放大暗部缺陷。
如果人物轮廓本来就和背景粘在一起，制作视差时会很难分层；如果建筑结构已经模糊，镜头推进后只会看到更大的模糊；如果烟雾没有空间关系，生成动态效果时就容易变成无规律的翻滚色块。
因此，更高质量的原始图片并不只是“成片看起来更漂亮”，它还直接决定了后期制作能够走多远。
¶ 不必每一张都用 Max，但重要暗场值得更高质量
合理的制作方式，不是从第一张草图开始就把质量开到最高。
探索阶段可以使用 Low 或 Medium，快速确认构图、角色位置、光源方向和整体色调。方向稳定以后，可以用 High 生成正式素材。如果画面需要明显放大、复杂分层或继续生成视频，XHigh 会更合适。
Max 则应该留给最重要的镜头，例如片头第一帧、海报主视觉、预告片核心画面，或者决定整条视频质感的关键场景。
Ace Data Cloud 为 GPT Image 2.5 加入 XHigh 与 Max，真正带来的不是多了两个参数，而是让创作者面对复杂暗场时，不必停留在“气氛差不多”的阶段。
黑暗不再意味着放弃细节。
当模型拥有更高的质量预算，阴影里的城市、人物、飞行器、烟雾和反射才有机会一起被保留下来。对于影视创作而言，这些藏在暗部里的信息，往往正是画面从普通配图走向电影镜头的关键。
¶ 立即体验 GPT Image 2.5
想把 XHigh 与 Max 用在自己的暗场镜头、海报和视频首帧中？前往 Ace Data Cloud 体验高保真、精细控制的 GPT Image 2.5 Sunburst，也可以选择更偏向快速出图的 GPT Image 2.5 Flare。