实测GPT Image 1.5：与Nano Banana Pro对比，中文与信息准确性仍有差距

在Google的Banana淫威之下。 OpenAI憋了很久之后，终于把他们的图片生成模型给掏出来了。 看一下他们的宣传视频。 突然想起了今年3月26号的时候，OpenAI第一次掏出GPT-4o的生图模型，也就是GPT Image 1.0，然后同天，Google发布了Gemini 2.5 Pro，事后看，Gemini 2.5 Pro肯定是一个伟大的模型。 但是那一天的时候，在整个X上、各种群里，大家讨论的全部是GPT-4o。 那时候，我们说，1.5 Pro被Sora淹，2.5 Pro被4o淹。 结果半年过去，风水轮流转，现在属于OpenAI天天被Google摁在地上打。。。 所以这一次，不是传闻中的GPT Image 2.0，跟Nano Banana Pro一样，用了一个小版本号去升级，用了1.5。 有一种感觉，就是怕被Google打脸。。。 半年前，OpenAI意气风发，谁能想到，如今是这样的结局。 跟随着新模型的上线，ChatGPT上，也上了一个全新的图像界面。 点开以后，是这个样子的。 就是这个粉粉的背景色，放在深色模式下，真的不好看。 OpenAI其实明显感觉到，在C端体验上，做的确实还是比Google更上心，把风格和部分的快捷指令，单独拎了出来。 比如我们选中这个躺曲奇风格。 在点击以后，会弹出一个弹窗，让你选择最近你发给ChatGPT的图片，或者上传一个图片。 我就传了了我的那个AI固定模特染夏，就是那个粉头发的妹子。 然后，他真的，就把我的图片，和这一段默认的Prompt，直接以对话的形式，发给了ChatGPT。 说实话，这个交互设计的体验真的并不是很好，各个界面跳来跳去，非常混乱。。。 不过生成的速度确实比之前有提升，测了一下，在ChatGPT上，大概40s到1分钟不等。 在这个时间之后，你就能得到一个，糖曲奇风格的小图了。 当然，还有毛绒玩具风格的。 除了快速转风格之外，也有一些快捷的操作预设。 比如创建专业产品照片、拍摄专业求职照片等等。 交互也都是一样的，点开以后，传图，选择。 比如，给染夏做一张，专业求职照片。 做出来的效果，确实也挺真诚。 也可以，直接用模板，变成名画。 就是这个脸部，缺失了一些笔触的风格，变得过于平整了。 而模型本体能力上，在我测了一夜之后，还是发现有些比较可圈可点比较好玩的地方。 这次，我想让X个跟Nano Banana Pro直接对比的案例，让大家直观的感受一下，他的特点和边界，以及跟Nano Banana Pro孰强孰弱。 一. 信息准确性 文字准确性，绝对是现在的多模态AI绘图模型，大家最为关注的。 所以，我们首先开始，肯定先看这个。 Prompt：生成一张桌面月历照片，标题必须逐字 "2026年2月"，下方是标准7列表格（日一二三四五六）并填入日期1–28，要求网格对齐、数字清晰，除标题与日期外不加其他字。 左边是GPT Image 1.5，右边是Banana Pro。 上来第一个case，GPT就拉了坨大的，我要求是只写到28，Banana精准的执行了任务，所有的数字都是对的，但是GPT在写到28后没有停止，又重复了一个28，然后写了29和31，这就是完全的错误了。 Prompt（来自@卡尔的AI沃茨）：生成一张3:4的图片，画面上方用书法写着一首完整的《茅屋秋风所破歌》，内容是【完整全文】，每个字上方都要标注上汉语拼音，同时画面内容主要用水墨画的形式展示这首诗所表达的情景。 两边各有各的拉，GPT你完全不不知道他在写个啥，中文完全崩成了一坨跟鬼画符一样。右边中文倒是写的很不错，只有个别字拉了，但是不知道为什么Prompt要求的是上面挂拼音，写着写着就脑袋顶上就挂了个中文字？而且排版确实不好看。 Prompt：为我生成苏绣工艺的详细解说图，配上详细的中文知识解析。 GPT的中文字翻车的比较狠，而且信息图的展示没有Banana清晰，有很多无关内容硬生生的塞进去了。 Prompt：这个模特的Instagram动态界面，3:4。 这里我是把染夏的照片扔过去了。 GPT完全没有画出Instagram上任何信息，emoji还画错了，Banana对界面的理解画的非常的精准，虽然人物一致性上有很多问题，但是在信息准确性上，还是要强出好几个档次。 综合来看，在信息准确性上，GPT Image 1.5，确实是不如Banana Pro，而在中文字上，有非常明显的差距，Banana Pro的中文字还是很稳的。 二. 真实质感 这一趴，来看直接生成的照片质感，看看谁的效果更加的真实。 Prompt：年轻白皙肤色的年轻女性肖像照：皮肤带自然红晕、鼻子与脸颊无雀斑。短款灰褐色波波头，中分层次，几缕松散发丝垂在脸侧；浅棕色眼睛、卷曲睫毛、饱满有光泽的粉色嘴唇，鼻中隔穿刺。表情俏皮淘气：眨一只眼、吐舌头、可爱搞怪。保留她皮肤/面部/手部可见的原始纹身细节。她随意坐在吧台凳上，穿黑色背心，外搭浅蓝/白/黑格纹法兰绒衬衫（敞开或披着），下穿牛仔迷你裙，系小黑色腰带。左手自然下垂，手里夹着一支点燃的香烟。场景为昏暗的户外或半户外酒吧/酒馆/夜店：石质或金属质感的圆桌与吧凳；桌上有一只装满饮料的玻璃杯、一个玻璃水壶、以及一包香烟（Gudang Garam Surya 16）。背景虚化，隐约可见坐着的人与夜晚氛围灯光。拍摄为高角度俯拍（从上往下看主体），强烈直射闪光灯，人物后方产生锐利阴影，皮肤明亮略微过曝。整体风格：随手快照、Y2K 美学、街头风、垃圾摇滚、闪光摄影。3:4，真实胶片质感、轻微噪点、浅景深。 语义理解这两家确实都很强，提到的所有元素几乎全部实现了，在质感上，GPT的图会更加AI更加油腻一些，Banana Pro会更真实一点。 Prompt：生成一张照片级抓拍：一位年迈水手站在小渔船上整理渔网，旁边有一只狗安静坐着。要求可见真实皮肤纹理（皱纹、毛孔、日晒痕）、衣物磨损与盐渍；自然海边日光。镜头语言：50mm，中近景，平视，浅景深，轻微胶片颗粒；不摆拍、不精修；3:4。 这两家基本打个平手，但是GPT的饱和度和对比度总是更强一些，Banana Pro会更日常一些。 Prompt：生成一张照片级真实抓拍：演出后台化妆间。 场景： 一排带灯泡的化妆镜，桌面有散乱的化妆刷、发夹、水杯、纸巾； 光源为镜前灯泡（暖）+室内顶灯（中性），混合光真实。 主体： 至少6位演员/工作人员： 前景：一位坐着化妆，化妆师在旁边补妆（手部动作清楚）； 中景：两位在整理衣服与耳返； 镜子里必须能看到与现实一致的反射（人数、姿态、位置匹配，不能凭空多出人或少人）。 摄影参数/构图： 50mm，f/1.8，1/160s，ISO 2500；中近景；浅景深。 GPT还是那个问题，对比度和饱和度都有点高，整体色彩会看着有一点AI感，整体上，我个人还是喜欢Banana Pro的质感一些。 更为自然。 三.精准编辑 测一下用嘴改图的能力，这次GPT不是说，自己的精准编辑能力更强了吗。 第一个case就是换内容。 比较简单。 比如，把这个发布会的奥特曼，替换成染夏。 效果是这样的。 从光影感觉，人物比例和透视，Banana Pro更胜一筹，第一个的燃夏身上的衣服的光影明显就不对，然后明明是个圆桌，染夏是更靠近镜头的，所以肯定会显得大一点，原来的奥特曼也是这样，这就是最基本的近大远小。 但是GPT做的图，你会发现，染夏跟中间的老哥直接平齐了，没有前后关系了。 然后就是更复杂一点的，跨画风做替换，还替换天气。 图1的人物的衣服替换成图2角色的衣服，其他不变。天气变成小雨，3:4。 这时候，两边的处理差距就挺大了。 虽然Banana的人脸保持也有一点问题，不太像了，但是整体肯定是比GPT要好的，我只替换服装，然后下雨，没让你把画风和色调也迁移过去啊。 还有换衣服。 比如我想给染夏的这张照片，换一些别的服装。 结果是这样。 GPT直接把我衣服改了，变成了还有一件内搭，这个肯定不对的，Banana Pro是正确的。 还有一个@-Zho-佬的Prompt，就是让3个角色，用夸张的造型合影。 我找了3个角色。 Prompt：三人在 镜前 顶视角 摆出夸张姿势合影。 有一说一，这张整体的构图和感觉，我觉得GPT更好一点，GPT只丢了镜前这一个信息，但是Banan Pro丢了顶视角和镜前两个信息，而且姿势也没那么夸张。 综合来看，我觉得整体上，还是Banana在一致性、精准度上，还是会更甚一筹。 四. 世界知识 我最喜欢的一个案例，就还是海贼王排名。 这块从设计角度来说，确实左边的GPT会更有张力，包括风格上，也更好看，战力的排序我就不多说了，这个见仁见智，但是就是有一个非常明显的知识错误，就是第十名，红犬库赞是什么鬼？？？ 人叫赤犬，真名叫萨卡斯基。库赞是青雉。。。这就是完全的错误了。 右边目前看着没啥硬伤，头像都能对得上。 还有一个@卡尔的AI沃茨的Prompt，也很有意思： 用一组图，描绘公元前260年5月至10月之间，东经112°41到113°09′，，北纬35°39′到35°59′ 发生的事情，并给出详细的信息图，图上要用中文说明发生了什么事情，以及结果的重要信息。 这个地方呢，让GPT-5.2自己来判断一下。 它自己说： 我选Banana Pro。。。 不过坦率的讲，差距并不大，至少不会有错误。 还有一个非常搞的。 Prompt：创建一个包含以下内容的正方形图像：一只手有七根手指，一面显示时间为8:22的挂钟，一杯装满红酒的玻璃杯。 这块是让我非常惊喜的，GPT Image 1.5把时间画对了，除了那个时针应该在上去一点，分针是正确的，然后7根手指，画成了6根手指。 而Banana Pro，在这地方就翻了个大车，手和始终全部失败了。 所以，在世界知识这块，我觉得还是比较能打个平手的，各有胜负。