做 AI 图片时，有一种情况特别容易让人误判：缩略图看着很有电影感，放大以后却像一团精心调过色的雾。
这类问题在夜景、科幻、灾难、雨夜和室内弱光画面里尤其常见。生成阶段似乎什么都有，人物、建筑、火光、烟雾一个不少，可一旦要裁切、推镜头、做景深，人物边缘就和背景粘在一起，远处建筑也只剩下几块深色轮廓。画面不是不够亮，而是暗部根本没有留下足够的信息。
很多人碰到这种情况，第一反应是后期提亮、加对比度或者锐化。可如果生成时没有画出盔甲接缝、机械结构和云层层次，后期软件并不能凭空把它们找回来。提亮只会让灰块更明显，锐化也可能把噪点和伪影一起放大。
暗场真正难的，是同时守住很多关系
明亮的产品图通常主体明确、背景干净，模型只要把形状和材质处理好，结果就不会太差。暗场却完全不同。
一束火光既要足够醒目，又得影响旁边的烟和地面；雨水反光不能像贴了一层镜面；穿深色衣服的人物需要从背景里分离出来，又不能出现生硬的描边；远处的楼群应该因为空气透视逐渐减弱，而不是突然糊成一整块。
这些要求单独看并不复杂，真正费劲的是让它们在同一张图里同时成立。所以，评价暗场图不能只问“清不清晰”，更应该问：阴影里还有多少可用结构？
判断时可以直接把图放大，看人物肩部和手臂的边界是否稳定，机械零件有没有合理连接，烟雾能否分出前后，强光附近的云层有没有被直接烧成白块，积水中的反射是否符合光源方向。只要这些位置经不起看，后续制作大概率还会付出更多返工成本。
质量档位其实是在购买后续空间
同一个提示词使用不同质量档位，差别往往不只是“更漂亮”。较低档位适合快速找构图，因为等待短，试错便宜。它可以帮你判断人物站在哪里、主光从哪个方向来、冷暖色是否协调，但不适合太早承担最终交付任务。
当构图稳定后，更高质量的生成会把预算放在局部结构、明暗过渡和空间关系上。原始测试中，从 Low 到 Max，生成耗时和图像输出量都明显上升；Max 的等待时间约为 104 秒，而 XHigh 约为 54 秒。这个差距说明最高档不是简单换了一个名称，而是在用更多计算投入保留复杂内容。
不过，这不代表所有图片都应该直接开到最高。草稿阶段就追求 Max，通常只会让每次改构图都变得昂贵。更实用的办法是先用较轻的档位试方向，再把稳定的提示词交给 High 或 XHigh。只有海报主视觉、视频首帧、需要明显推进的镜头，或者会进入复杂分层制作的素材，才值得使用最高档位。
先想清楚图片下一步要去哪里
如果图片只会作为文章中的小尺寸配图，暗部存在少量损失，读者未必能察觉。可它要是准备进入视频，标准就得换一套。
镜头推进会放大建筑和人物的细节；视差动画要求前景、中景与背景拥有明确边界；图生视频还要根据原图继续推断物体如何运动。原图里的机翼连接不稳定，动起来就可能扭曲；人物和背景黏在一起，分层时就很难自然；烟雾没有纵深，动画里容易变成翻滚的色块。
所以，生成前最好先决定用途，而不是生成后再想办法补救。用来试创意的图，追求速度更合理；要交付给剪辑、动效或图生视频的图，更应该关注结构是否耐放大。这种选择并不是参数焦虑，而是在控制整条制作链路的成本。
提示词也要为暗部留出结构
只写“电影感夜景、蓝橙色调、史诗氛围”，模型很容易优先满足颜色和情绪，最后得到一张气氛正确、细节空洞的图。提示词里最好把需要保留的关系讲清楚，例如体积云的前后层次、雨夜地面的多光源反射、人物轮廓光、远景建筑的空气透视，以及机械结构的连贯性。
负面限制同样有用。不要文字、水印、拼贴和分屏只是基础，还可以强调自然人体、合理几何与真实光照。这样做不是让提示词越长越好，而是告诉模型哪些结构不能为了“氛围感”被牺牲。
说到底，暗场最怕的从来不是黑，而是黑得没有内容。一张真正可用的夜景，即使整体亮度很低，人物、建筑、烟雾和光源仍然各自占据清楚的位置。它未必在手机缩略图里比普通结果惊艳很多，但当素材开始被放大、裁切和运动时，差距会一下子显现出来。
与其把最高质量理解成“更贵的清晰度”，不如把它看成给后续制作预留的余量。先用低成本档位把方向跑通，再把预算留给真正重要的镜头，这比从头到尾拉满参数更符合实际生产。
参考链接
https://platform.acedata.cloud/blog/gpt-image-2-5-xhigh-max-dark-scene-quality?lang=zh-cn&inviter_id=484695ca-9aeb-43eb-93c9-cc4a9a94e363
