跑分第一实战拉胯 GPT Image 1.5被骂惨

就在刚刚，OpenAI抛出了它的“圣诞彩蛋”——新一代旗舰图像模型ChatGPT Images正式登场。

这一次，OpenAI将生图能力直接拉满：

• 精准操控： 指令理解力大幅提升，真正做到“指哪改哪”。

• 细节狂魔： 画面细节保留完整，质感细腻。

• 极速生成： 速度较前代提升了整整4倍。

而且从今天起，所有ChatGPT免费用户即可上手，开发者也可直接调用GPT Image 1.5 API。

在LMArena竞技场上，它似乎不可战胜：

• 文生图：以1264 Elo分登顶榜首，力压GoogleNano Banana Pro（NBP）。

• 图像编辑：chatgpt-image-latest以3分优势险胜NBP夺冠，而GPT Image 1.5紧随其后位列第4。

在Artificial Analysis上，更是拿下了“双料第一”。

左右滑动查看

然而，反转来得太快。

网友实测后发现，这似乎又是一个“高分低能”的典型。

在Yuchen Jin的对比中，GPT的生图能力基本上能达到GoogleNBP的水平，但智商却惨遭碾压。

尤其是在处理手写体笔记时，GPT Image 1.5的生成看着像模像样，但是完全没做对。

左：ChatGPT Images；右：Nano Banana Pro

左：ChatGPT Images；右：Nano Banana Pro

这一落差引发了社区的激烈吐槽。

有人直言不讳：“GoogleNano Banana Pro依然是王者。”

更有人痛批：“这可能是OpenAI又一次令人尴尬、且毫无意义的发布。”

先是GPT-5.2引全网差评，又是GPT Image 1.5真实首测不敌Google“香蕉”。

看来，OpenAI年底这场硬仗，彻底败给了Google......

GPT Image 1.5登场

史诗级进化

言归正传。

根据官方博客介绍，现在让ChatGPT修图，明显比之前更听话了——

哪怕是细枝末节，只改让改的地方，同时确保光线、构图和人物样貌等元素在输入、输出和后续编辑中保持一致。

OpenAI华人研究员陈博远一张图，验证了GPT Image代号“榛子”出炉了

这样一来，即可得到真正符合意图的结果。

不论是有用的照片编辑，服装发型试穿试戴，还是保留原图精髓的风格滤镜和概念转换，ChatGPT皆可搞定。

这一波更新，让ChatGPT成为随身携带的创意工作室：既能踏实干活儿，又能放飞玩创意。

这不，圣诞奥特曼来了......

指哪改哪，多轮P图

GPT Image 1.5擅长各种“手术”，包括添加、删减、组合、融合和置换。

因此，在想要改变图片的同时，它还能不丢失图片原本的“味道”。

两人一狗，GPT Image 1.5精准捕捉了生日会上，他们被迫“营业”的无聊感。

Prompt：做一张00年代胶片感的照片，把这俩男的和狗都合成进去，拍他们在小孩生日会上那种一脸无聊的样子。

然后，基于这张图基底，就可以让ChatGPT“连环编辑”了，比如背景加一堆熊孩子。

Prompt：背景加一堆熊孩子，乱扔东西乱叫唤的那种，搞乱一点。

接着，把左边男子变成动漫脸，小狗改成毛绒公仔，AI精准完成编辑。

Prompt：左边那男的改成手绘复古日漫风，狗改成毛绒公仔，右边那男的和背景都别动。

再让他们全部穿上OpenAI定制衣服，全部拿捏。（PS：Mark Chen处理脖子有些怪怪的）

Prompt：给他们全套上OpenAI的毛衣，就长这样的。

更绝的是，ChatGPT还能一键切背景，生日party瞬间变成OpenAI直播间。

Prompt：现在把那俩男的去掉，只留那条狗，然后把它放到一个OpenAI直播画面里，就跟附图长得差不多的那种

再以滑板运动为例，让ChatGPT生成一张洛杉矶风景滑板拍摄，90年代末纪实街头摄影风格。

Prompt：洛杉矶风景滑板拍摄，采用以下风格：90年代末纪实街头摄影，35mm彩色胶片拍摄，徕卡M风格旁轴相机配35mm镜头，柯达Portra 400色彩面板，自然日光，柔和对比度，柔和逼真的色彩，嵌入式胶片颗粒，轻微的边缘柔化，观察性抓拍构图，无HDR，无现代数码锐化，无电影照明。

就着这张图，让滑板男子衣服变成“红色”，瞬间完成。

Prompt：把滑板那人的衣服改成红的，帽子改成黄的。限速牌写15，那个卡车得是辆消防车。

还不够热闹，左边来一帮群众，右边来只老鹰，空中再加个飞艇，要啥有啥。

Prompt：左边加一帮围观群众，右边马路上蹲只老鹰，远处空中再飞个飞艇。

接下来，把这一画面直接打板印在T恤上，ChatGPT直出图片。

Prompt：弄一件挂在晾衣绳上的T恤，把刚才上面说的那个完整画面整个印在T恤上，要全包的那种印花。

最后，还能让ChatGPT把这件T恤，给滑板男子穿上。

Prompt：能不能把刚才晾衣绳上挂的那件T恤，直接给滑板那哥们穿上？

从以上两个demo中，不难看出GPT Image 1.5加持下，ChatGPT精准编辑图片的能力——

可以做到指哪改哪，同时多轮编辑后，还能保持一致性。

创造力爆表，拿捏细节

编辑是基础，GPT Image 1.5创造力在“大变身”时，尤为耀眼。

它可以通过改变和添加元素——比如文字和排版——让想法落地，同时保留重要细节。

这些转换既适用于简单的概念，也搞得定复杂的脑洞。而且在新的ChatGPT Images功能中，不用提示词，使用预设的风格和创意直接上手。

比如，上传一张两人合影图，让ChatGPT电影式风格的海报。

Prompt：拿这两个人的照片做一张老派好莱坞黄金时代风格的电影海报，片名叫《codex》。戏服随意改，符合那个年代就行。 演员名字改成Wojciech Zaremba（左）和Greg Brockman（右）。 导演Sam Altman，制片Fidji Simo。制片方写：A Feel the AGI Pictures Production。

可以看到，生成后的创意图片气场一下子就来了。而且指令中文字细节，也完美在图片中还原。

再让奥特曼变成80年代健身教练，头发蓬松，头戴发带，手戴护腕。

Prompt：把我变成那种标志性的80年代VHS录像带风格的健身教练，保留我原本的面部结构和表情。脸部要直接应用正宗的80年代照片和视频特效：柔和的光晕、轻微的模糊、一点点噪点、轻微的色彩溢出，还有那种能影响肤色和边缘细节的淡淡扫描线。造型要穿那种活力四射的80年代健身装，毛巾布发带、护腕，还有带霓虹配色的运动服。头发要做成80年代那种蓬松造型，顺着原本的长度和发质来。妆容如果是那种亮色系的复古妆，跟整体造型搭的话也可以加。整体光线用柔和的粉彩摄影棚布光，加上轻微画质受损的VHS美学，让脸和身体都呈现出那种模拟信号的氛围。画面要是我正在带大家做有氧运动的状态。屏幕上再配点相应的文字。

不得不说，ChatGPT捕捉到了上世纪80年代那种精髓。

就连“glam doll”风格的生成，ChatGPT也能一键拿捏。

Prompt：做一个超风格化的3D漂浮人头，要把主角做成那种娇蛮、迷人、一脸不爽和无感的版本：半眯着眼、挑眉、嘴角轻微上扬，透着经典的“刻薄辣妹”范儿。皮肤要是光滑的亮胶质感，颧骨和鼻头打上强高光，捕捉柔和的影棚光。眼影要全息偏光的，从紫到青渐变，带清晰的反光点。头发要浓密、顺滑、油亮，做成雕塑感的大波浪或者利落的盘发，像抛光亚克力一样反光。加个金属铬的小鼻环（钉或环），带点拉丝金属反光。人头要悬浮在纯白中性背景上，倾斜15度，就像高级产品渲染图那样。用明亮漫射的影棚光，不要硬阴影，强调光泽感、塑胶感和次表面散射，做出来的深度要逼真。情绪要娇蛮、时髦、冷酷抽离。机位要特写肖像，正视镜头，85mm焦段。材质要那种超平滑、高光泽、卡通风格的塑料感皮肤、嘴唇和头发。

奥特曼一瞬间就有了“刻薄辣妹”范儿～

更有趣的是，还可以把人物（奥特曼）变成一个有用的挂饰。

Prompt：把我变成一个光面模压玻璃雕刻成的挂饰，表面是高光漆面，从各个角度都能反光。触感要极其光滑冰凉，分量感要既显易碎又显永恒。涂层要是那种有光泽的珐琅质感，介于陶瓷和糖衣外壳之间——反光度要高，让微小的高光在曲面上像柔和火花一样绽放。 用细小的金属装饰勾勒轮廓和纹理——点、线和金银丝图案，动起来会闪烁。这些要用精细的亮粉漆或微珠来做，营造出手工装饰的感觉；闪光要有层次感，不是平的，让光线仿佛在凸起的细节上跳跃。 整件作品要散发出一种复古的媚俗奢华感：鲜艳的色块撞色闪亮的点缀，既俏皮又刻意。曲线受光处要有微妙的彩虹光泽——透着金、玫瑰色和珍珠色。表面质感要看起来像是能吃的，像上釉的糖或者倒入模具的融化糖果。 用精致的金环和细绳悬挂着，这挂饰要带着一种温和的戏剧感悬停，既喜庆又具雕塑感。这得是那种既标志性又幽默的物件，一件在圣诞树灯或影棚灯下闪闪发光的宣言单品——体现坎普风的优雅和手工怀旧感。

还是圣诞老人款的。

再把奥特曼在苹果WWDC一次登台演讲经典粉色衣服拿出来，再让如今的他穿上看看效果。

Prompt：用上传的图片做主体参考。 把它改成极简主义的 90 年代美国时尚广告。 要完全保留主角的面部特征、比例、姿势和表情。完全保留双领Polo衫原本的颜色。 风格：干净、低调、高端时尚画报风。 穿搭：双层Polo造型（一件Polo叠穿在另一件上），经典剪裁，中性色或稍微柔和的颜色。 场景：无缝摄影棚背景纸，构图要简单。 布光：柔和均匀的影棚光，带柔和阴影；肤色要自然。 情绪：自信、松弛、不过时。 品牌写：GPT‑Shirt。 摄影风格：中画幅胶片质感，微妙的颗粒感，对比度要克制。

气场这块，还是看本人。

一些女孩子最爱的“芭比换装”，也能在ChatGPT中玩了。

Prompt：把他放进一个2000年代的换装小游戏界面里，环境全搞成粉色系。确保这副墨镜也在套装里。

奥特曼的衣橱，很符合他的人设。而且，就连要求中的那副墨镜，也出现在图片中。

ChatGPT还可以把奥特曼变成经典之作——“戴珍珠耳环的少女”。

Prompt：把我放进《戴珍珠耳环的少女》那幅画里。

还能让他为饮料广告代言。

Prompt：用附件里这个男人的脸，为一个叫“SOTA”（一种新苏打水）的新饮料做一个复古汽水广告。口号写：nothing artificial about it（纯天然，无人工）。风格要忠实还原那个时代。

一轮演示下来，ChatGPT Image创造力这块更具脑洞。比起GPT-4o主打的吉卜力风，新一版图像模型更有创意。

更听人话，6x6网格完美还原

跟初版GPT Image相比，1.5版本听指挥的能力更强了。

这使得更精准的编辑以及更复杂的原创构图成为可能，元素之间的关系也能按照预期保留下来。

直接上地狱级难度——6x6网格，36个元素，GPT Image 1.5 丝滑、准确，一个不差。

Prompt：

做一个6列6行的网格图，内容如下：

第1行：希腊字母β、沙滩球、柠檬、机器人、鱼缸、青蛙

第2行：螳螂、名表、浴缸、墨镜、彩色蝴蝶、信封

第3行：邮票、相框、冒热气的饺子、单词miracle、双板滑雪板、字母Z

第4行：马桶、地铁代币、静音图标、香水、蜻蜓、滑板头盔

第5行：蓝牙图标、数字13、绿色的心、魔方、加拿大鹅、士兵头盔

第6行：白狗、救生衣、绳结、键盘、纸巾盒、数字14

左：新版模型；右：旧版模型

文本清晰渲染，直出编程

在文字渲染上，新模型又进了一步，能处理更密集、字号更小的文本。

如下，在一张图上介绍GPT-5.2，ChatGPT的Markdown渲染的能力，恐怖如斯。

Prompt：

下面这张卡路里信息图，细节还原度超乎想象。

Prompt：

就连复杂的编程界面，ChatGPT都能编译出来。

Prompt：

更多提升

在其他维度上，新模型也多有改进，让输出变得更直接可用。

比如，它能画好很多的人脸，而且看起来更自然。

让ChatGPT Image生成一张1970年代的伦敦，新（左）旧（右）两版对比差异明显。

在人脸细节上，1.5版本更强，更逼真。

Prompt：做一个1970年代伦敦切尔西的街景，要那种照片级的写实，全焦，纤毫毕现。街上人山人海，还要有一辆公交车，车上有个广告写着“ImageGen 1.5”，再加上OpenAI的标和副标题“Create what you imagine。整体风格要超写实的业余摄影，就像iPhone随手拍出来似的……

再比如，人山人海的「大场面”，新版（下图左）更逼真更自然，旧版（下图右）一眼过时：

Prompt：金门大桥跟前，乌泱乌泱好几万人的大场面。人群里头每个人的脸都得看得清清楚楚。

一位潜水员在海底弹钢琴，新版（左）写实更有一种人味儿。

Prompt：一个潜水员在水底下弹钢琴，旁边有美人鱼围观。超写实的业余拍摄风格。

让它生成一张带眩光的照片，下面对比图，一眼就能看出右边效果更假。

Prompt：做一张图，图里要有一张打印出来的复古老照片。照片上有一年轻亚裔男的和一年轻白人男，俩人在酒吧里都戴着圣诞帽，其中一个手里还拿着酒。那张打印照片上得能看见相机闪光灯留下的反光点。照片还得带个那种可见的细白边儿，并且稍微歪着点放。

百尺竿头，更进一步

为了评估性能，OpenAI重新跑了ChatGPT  Image 1.0发布时的许多示例。

在各种案例中，新模型显示出明显的改进，尽管结果仍然不完美。虽然此版本代表了有意义的进步，但在未来的迭代中仍有很大的改进空间。

比如，日漫风展示海洋不同深度的生物剖面图，新（左）细节更多，但风格明显不如旧版（右）的更符合“日漫风”。

Prompt：做一张深海生物的海报，要展示不同深度的。搞一个竖着的海洋剖面图，风格就用那种特别精细、好看的日系动漫风。

而黑暗奇幻动漫风，新版（左）也比旧版（右）也出现了明显的理解偏差：

Prompt：给我画张像，风格要那种黑暗奇幻动漫里的感觉。

OpenAI坦言：生成某些特定艺术风格的能力，比之前的版本退步了。

对此，解决方案是：试试用“图片”功能里的预设滤镜，应该能帮上忙。另外，上一版的ChatGPT Images现在也做成了一个自定义GPT，也可以直接去用旧版。

另一大局限是新模型还无法可靠PS多人大合影（上），处理之后人脸特征容易走形（下）。

Prompt：能不能给他们都穿上印着“OpenAI”字样的T恤，然后让大家都笑得开心点。

人一多，新模型修图就很难精准地维持住每个人的长相特征了。

另一大局限是多语言文字渲染，问题重重——

中文直接拉完了……更别提阿拉伯语和希伯来语等非英语语言了。

Prompt：能不能画张图，上面列点用中文点餐的基本常用语。

API：便宜了20%

API中的GPT Image 1.5提供了与ChatGPT Images相同的所有改进。

举例来说，它在品牌标志和关键视觉效果在多次编辑中保持更一致，因此非常适合图形和Logo设计等营销和品牌工作，以及电商团队从单一来源图像生成完整的产品图库（不同变体、场景和角度）。

与GPT Image 1相比，GPT Image 1.5的图像输入和输出价格现在便宜了20%，因此你可以用同样的预算生成和迭代更多图像。

目前，各行各业的企业和初创公司，包括创意工具、电子商务、营销软件等，都已经用上了GPT Image 1.5。

左右滑动查看

奥特曼亲手拉响紧急警报

这次更新，也是对Google的强势回击。

就在上个月，因GoogleGemini抢占市场份额，奥特曼紧急拉响“红色警报”（code red）。

但时，Google刚刚发布了新旗舰模型Gemini 3和图像生成工具Nano Banana Pro，后者更是在多个基准测试中登顶LMArena排行榜。

面对Google步步紧逼，OpenAI迅速加速节奏：大约5天前，发布了GPT-5.2；现在，又推出升级版图像模型。

OpenAI的这波更新，显然是直面GoogleNano Banana Pro的挑战——后者在开发者中口碑极佳。

而OpenAI面对的对手，还远不止Google。

今年8月，Qwen-Image就已支持中英文可读文字生成；Black Forest Labs也发布了开源图像模型Flux.2，实力不俗。

这场AI图像模型之争，显然已经进入白热化阶段，目标很明确：赢得企业市场。

奥特曼强调了新模型诸多提升和新的编辑功能。

作为OpenAI的应用CEO，Fidji Simo则暗中对标GoogleNano Banana Pro，直言这次是从单一文本转向动态AI体验。

她认为，通过ChatGPT Images及更多功能，缩短“所思”与“所得”之间的距离。

人类的思维，远不止于文字。事实上，那些最扣人心弦的灵感，往往最初只是脑海中的一幅画面、一段旋律、一个动作或一种模式。如果AI想助我们要释放全部潜能，它就必须用我们习惯的方式——去理解、去表达、去沟通。

Fidji Simo透露，除了图像生成器，OpenAI还在全面升级ChatGPT的视觉体验：

过去几个月里，我一直在谈论 ChatGPT 的进化方向：它正从一个被动的、基于文本的产品，蜕变为一个更直观、更能与你想要完成的任务紧密相连的智能助手。

从纯文本向多模态和动态 UI（用户界面）的转变，正是这一变革的关键一环，能看到这些进展，我倍感兴奋。

Fidji Simo透露，未来用户在搜索问题时，将能看到更多可视化信息和清晰来源。例如换算单位、查比赛比分等场景，图示比文字更直观。

但体验过GPT Image 1.5和Nano Banana Pro的网友，直言这次OpenAI“黔驴技穷”：

一张用青蛙头恶搞奥特曼的梗图，开始流传：

悲伤蛙或佩佩蛙（左），整体上高度模仿OpenAI的预热图（右）——相同的背景，相同的文字，相同的眼神，类似的服饰

这确实有些在内涵奥特曼了。

但最狠的评论，当属网友在OpenAI推文下直接“打脸”：

OpenAI彻底完了。

在相同提示词下，与GPT Image 1.5相比，Nano Banana生成的图像更加逼真自然，在电商创意素材上极为有利。

下图中，上两张为GPT Image 1.5生成，下两张为Nano Banana Pro生成。

提示词：53岁白人德国男性在卧室中，典型的意大利风格卧室，架子上堆着箱子和书籍，背景处有一张书桌，上面摆着 iMac 和散落各处的纸张，身穿灰色连帽衫（带简约 logo），戴着婚戒，手腕上有一条低调的红色手链，直视镜头，自然随拍的用户原创内容风格

不过，也有网友表示，GPT Image 1.5生成的“马斯克和奥特曼圣诞合影”，逼真到完全看不出一丝破绽。

考虑到Gemini 3.0 Flash马上要来了，新的Nano Banana图像生成功能或许速度更快、价格更便宜，不知道OpenAI这次的Image 1.5是不是“徒劳的挣扎”。

可以肯定的是，OpenAI的紧急警报，一时停不下来。

参考资料：HYJ

https://x.com/OpenAI/status/2000990989629161873

https://openai.com/index/new-chatgpt-images-is-here/