OpenAI推出的新版ChatGPT图像模型，在处理复杂提示时的表现和谷歌的NanoBananaPro不相上下

OpenAI称，全新的GPT-Image 1.5模型实现了多方面的重要提升：提示理解更为精准、细节保留效果更佳，生成速度也有明显加快。

新模型生成图像的速度是之前的四倍，用户可以在他人仍在处理时排队排队。该模型现已向所有ChatGPT用户开放，并通过API实现。

OpenAI应用CEO Fidji Simo认为，新的图像生成是更大转变的一部分：ChatGPT正从一个被动的文本工具，转向“完全生成式的用户界面，根据你的想法引入合适的组件”。

在光影、构图和面部处理上，编辑保持一致性

模型如今在图像编辑的处理方式上也有了变化。它能够对画面进行针对性调整，同时不会破坏其他部分，让光影、构图以及面部表情相比之前的版本更为统一。OpenAI称，该模型可以完成图像元素的添加、删除、组合、混合与转调等操作。

应用场景包括照片编辑、服装和发型的虚拟试穿，以及风格转换。OpenAI的演示展示了将多个人和一只狗从不同照片合成一个场景，或者把一张照片变成带有黄金时代好莱坞风格的电影海报。

图片来源：OpenAI

模型现在实际上能遵循复杂的提示

新模型在遵循详细指令上的表现显著提升。OpenAI指出，在一项要求6×6网格每个单元格放置特定对象的测试中，新版本能准确完成排列，旧版本却无法做到。这让创建元素位置具有关键意义的图像变得更为轻松。

OpenAI采用一个复杂的提示来测试新模型的指令遵循能力：该提示涉及一个6×6的网格，其中包含36个不同的对象，像希腊字母beta、沙滩球、螳螂、浴缸、“奇迹”这个单词、哑音符号以及加拿大鹅等都在其中。新模型对这一布局进行了完美的呈现。|图片来源：OpenAI

文本渲染能力也有了显著提升。现在这个模型能够处理更密集、字号更小的文本，所以你可以得到清晰的文章片段、简短表格或是带有数字的信息图。不过，OpenAI也坦言，在处理较长的文字段落、不常见的字体、单张图片里出现多张人脸，以及生成不同语言的内容时，它依然存在困难。

我们对基准提示展开了测试，该提示需要生成一个细节饱满、结构复杂且高度写实的场景，其中还包含一个特殊元素：一匹驮着宇航员的马——这一组合在模型训练阶段显然并未出现过。旧版本的模型在处理这类需求时往往会陷入瓶颈，但最新一代模型（包括《Flux 2》在内）的表现则有了显著提升。新推出的Image-1.5在性能上与谷歌的Nano Banana Pro不相上下，相比之前的版本更是有了大幅超越。

宽屏比例设定为16:9，呈现一张极致写实的单反摄影作品。画面前景里，一只握着粉色香蕉的猴子安坐在老虎的背上；背景中，一匹马正骑着一名宇航员——宇航员仿佛成了一件鲜活的“宇航服马鞍”，马则明显处于上方，主导着这一骑乘关系，必须完全明确：马是骑手，宇航员是被骑乘的对象，绝非相反。整体画面分辨率极高，焦点清晰锐利，光影效果亦十分逼真。

旧的GPT-4o图像模型，同样的提示。画面看起来更为人工，模型也无法实现抽象的“骑马人”概念。

Nano Banana Pro 也很好地处理了复杂的提示词。画面看起来更自然，虽然这可能取决于提示。

第一印象：和谷歌的Nano Banana Pro比起来，ChatGPT图像模型生成的图像冲击力更强。在相同提示下，Nano Banana Pro对内容的理解更偏向字面意思，呈现出的是一种日常随意的照片感，而非经过细致打磨的专业拍摄氛围。不过话说回来，这或许和触发条件有关。

GPT-1.5 在 ChatGPT 中取得了成果。输入是一张马克斯的照片，提示是：“给他穿上圣诞老人服装，把他放进一个充满腊肠犬的冬季仙境。他手里拿着两个。16:9"

Nano Banana Pro 对圣诞老人的理解更为字面化。

在提示词“拉远，让它看起来更自然，就像用智能手机相机拍摄的日常照片”时，ChatGPT 生成了更自然的图像。

尽管性能更好，API 价格仍下降了 20%

开发者能够借助API调用该模型，其定位为GPT图片1.5版本。OpenAI透露，相较于前代模型，图像的输入与输出成本降低了20%。具体定价方面，图片输入每百万代币收费8美元，图片输出每百万代币收费32美元；文本输入每百万代币费用为5美元，文本输出每百万代币则是10美元。而在它的前代产品GPT-1中，图片费用会依据质量设置，处于0.02美分到0.19美分的区间内。

OpenAI表示，该模型在保留品牌标志和视觉元素方面表现更好，这对营销和电子商务应用场景可能具有重要意义。之前版本的ChatGPT图像生成仍可作为自定义GPT使用。