实测GPT Image 1.5，拼尽全力还是没能打败Banana。 * { margin: 0; padding: 0; outline: 0; } body { font-family: “PingFang SC”, system-ui, -apple-system, BlinkMacSystemFont, “Helvetica Neue”, “Hiragino Sans GB”, “Microsoft YaHei UI”, “Microsoft YaHei”, Arial, sans-serif; line-height: 1.6; } .__page_content__ { max-width: 667px; margin: 0 auto; padding: 20px; text-size-adjust: 100%; color: rgba(0, 0, 0, 0.9); padding-bottom: 64px; } .title { user-select: text; font-size: 22px; line-height: 1.4; margin-bottom: 14px; font-weight: 500; } .__meta__ { color: rgba(0, 0, 0, 0.3); font-size: 15px; line-height: 20px; hyphens: auto; word-break: break-word; margin-bottom: 50px; } .__meta__ .nick_name { color: 576B95; } .__meta__ .copyright { color: rgba(0, 0, 0, 0.3); background-color: rgba(0, 0, 0, 0.05); padding: 0 4px; margin: 0 10px 10px 0; } blockquote.source { padding: 10px; margin: 30px 0; border-left: 5px solid ccc; color: #333; font-style: italic; word-wrap: break-word; } blockquote.source a { cursor: pointer; text-decoration: underline; } .item_show_type_0 > section { margin-top: 0; margin-bottom: 24px; } a { color: 576B95; text-decoration: none; cursor: default; } .text_content { margin-bottom: 50px; user-select: text; font-size: 17px; white-space: pre-wrap; word-wrap: break-word; line-height: 28px; hyphens: auto; } .picture_content .picture_item { margin-bottom: 30px; } .picture_content .picture_item .picture_item_label { text-align: center; } img { max-width: 100%; } .pay_subscribe_notice { margin: 30px 0; padding: 20px; background: fffbe6; border: 1px solid ffe58f; border-radius: 8px; } .pay_subscribe_badge { display: inline-block; padding: 4px 12px; background: faad14; color: fff; border-radius: 4px; font-size: 14px; font-weight: 500; margin-bottom: 12px; } .pay_subscribe_desc { font-size: 15px; line-height: 1.8; color: rgba(0, 0, 0, 0.7); margin-bottom: 12px; } .pay_subscribe_hint { font-size: 13px; color: rgba(0, 0, 0, 0.4); } .__bottom-bar__ { display: flex; justify-content: space-between; align-items: center; position: fixed; bottom: 0; left: 0; right: 0; height: 64px; padding: 8px 20px; background: white; box-sizing: border-box; border-top: 1px solid rgba(0, 0, 0, 0.2); } .__bottom-bar__ .left { display: flex; align-items: center; font-size: 15px; white-space: nowrap; } .__bottom-bar__ .right { display: flex; } .__bottom-bar__ .sns_opr_btn { display: flex; align-items: center; user-select: none; background: transparent; border: 0; color: rgba(0, 0, 0, 0.9); font-size: 14px; } .__bottom-bar__ .sns_opr_btn:not(:last-child) { margin-right: 16px; } .__bottom-bar__ .sns_opr_btn > img { margin-right: 4px; }
实测GPT Image 1.5，拼尽全力还是没能打败Banana。
原创 数字生命卡兹克 数字生命卡兹克 2025-12-17 06:59 北京
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。
写在最后
花了一个通宵的时间，把GPT Image 1.5测了个大概。
不算差，但是肯定也不能说是特别好，跟Banana Pro比，在很多地方，还是有一些不足的。
而且自从3月份发布，OpenAI憋了半年，才憋出来个这个。
而Google，最恐怖的是，Gemini 2.5的画图，花了3个月进化到了Banana，Banana又花了3个月，进化成了Banana Pro。
这家公司的进化速度，还是太恐怖了。
Google，不愧是现如今，AI的王。
这次，该轮到OpenAI，奋起直追了。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。
>/ 作者：卡兹克
>/ 投稿或爆料，请联系邮箱：wzglyay@virxact.com
数字生命卡兹克
 阅读 赞  分享 ‘%3E %3Cg transform=‘translate(0 -2.349)‘%3E %3Cpath d=‘M0 2.349h24v24H0z’/%3E %3Cpath fill=‘%23576B95’ d=‘M16.45 7.68c-.954 0-1.94.362-2.77 1.113l-1.676 1.676-1.853-1.838a3.787 3.787 0 0 0-2.63-.971 3.785 3.785 0 0 0-2.596 1.112 3.786 3.786 0 0 0-1.113 2.687c0 .97.368 1.938 1.105 2.679l7.082 6.527 7.226-6.678a3.787 3.787 0 0 0 .962-2.618 3.785 3.785 0 0 0-1.112-2.597A3.687 3.687 0 0 0 16.45 7.68zm3.473.243a4.985 4.985 0 0 1 1.464 3.418 4.98 4.98 0 0 1-1.29 3.47l-.017.02-7.47 6.903a.9.9 0 0 1-1.22 0l-7.305-6.73-.008-.01a4.986 4.986 0 0 1-1.465-3.535c0-1.279.488-2.56 1.465-3.536A4.985 4.985 0 0 1 7.494 6.46c1.24-.029 2.49.4 3.472 1.29l.01.01L12 8.774l.851-.85.01-.01c1.046-.951 2.322-1.434 3.59-1.434 1.273 0 2.52.49 3.472 1.442z’/%3E %3C/g%3E %3C/g%3E %3C/g%3E%3C/svg%3E) 推荐 ’ fill=‘%23000’ fill-opacity=’.9’/%3E%3C/svg%3E) 留言