一拳撂倒“香蕉人” ！GPT Images 2.0實(shí)測(cè)

速途網(wǎng)消息，北京時(shí)間4月22日凌晨，OpenAI 在毫無征兆的情況下，甩出了一張王炸——ChatGPT Images 2.0。

上線不到24小時(shí)，它就在大模型競(jìng)技場(chǎng)（LMArena）的文本生圖任務(wù)中，以斷層式的評(píng)分差距登頂全球第一，領(lǐng)先第二名Nano Banana 2高達(dá)241分（1512分 vs 1271分）。

在以前，AI生圖最大的痛點(diǎn)是——不可控。但I(xiàn)mages 2的邏輯不是直接“畫”，而是先“思考”，分析任務(wù)本身。當(dāng)你在ChatGPT中啟用Thinking模型時(shí)，Images 2.0會(huì)做以下幾步：聯(lián)網(wǎng)檢索信息 → 規(guī)劃圖像結(jié)構(gòu) → 推理布局 → 最后下筆。

OpenAI創(chuàng)始人山姆·奧爾曼在直播中直言：“從gpt-image-1到gpt-image-2的飛躍，相當(dāng)于從GPT-3跳到GPT-5。”

目前，GPT Images 2 在所有 7 個(gè)文本轉(zhuǎn)圖像類別中均排名第一，全面超越了排名第二、帶有網(wǎng)絡(luò)搜索功能的 Nano banana 2。

即使是同樣的提示詞，在GPT Images 2和Nano Banana 2上的表現(xiàn)也完全不同，比如我們給出“多米諾骨牌活動(dòng)，練習(xí)乘法”。下圖中左側(cè)為Nano Banana 2的輸出，右側(cè)為GPT Images 2的輸出。

可以看出，GPT Images 2精準(zhǔn)理解了“練習(xí)”這個(gè)詞指向的教育場(chǎng)景，需要的是教學(xué)材料。而Nano Banana 2給出的畫面是一堆小孩圍坐在桌子旁，手里拿著帶點(diǎn)數(shù)的骨牌，整體氛圍像在玩桌游。它捕捉到了“骨牌”和“活動(dòng)”這兩個(gè)表層元素。

然而，GPT Images 2的可怕之處遠(yuǎn)不止文字渲染，它對(duì)數(shù)字世界視覺規(guī)律的掌握才真正夸張。速途網(wǎng)將Images 2與Gemini Nano Banana 2 進(jìn)行了一些場(chǎng)景的對(duì)比。具體如下：

對(duì)比案例一：老相片風(fēng)格

提示詞：幫我生成一張，爺爺奶奶在看報(bào)紙的樣子，2000年前后的畫風(fēng)。

對(duì)比：左圖為Nano Banana 2生成，雖然清晰但AI創(chuàng)作、潤色的比重極高，不像是長(zhǎng)輩們?cè)谶^去會(huì)拍出來的真實(shí)照片；右圖為Images 2生成，照片整體風(fēng)更有年代感，人物狀態(tài)、環(huán)境都高度還原。

對(duì)比案例二：物理試卷生成

提示詞：生成一張中國的物理試題圖片，要有作答、批改痕跡，有對(duì)有錯(cuò)，試卷也可以有一些折疊痕跡。有鉛筆寫的試卷主人的碎碎念。

對(duì)比：左圖為Nano Banana 2生成，但試卷的折疊痕跡不明顯、碎碎念筆記跳脫出圖，擺在課桌上的協(xié)調(diào)性欠佳；右圖為Images 2生成，試卷的痕跡、碎碎念的鉛筆筆跡、給大家一種秒回“學(xué)生時(shí)代”的感覺。

對(duì)比案例三：名作古詩板書

提示詞：生成一張李白的《行路難》在教室黑板上的粉筆書寫圖片。字體為普通人的工整風(fēng)格。

對(duì)比：左圖為Nano Banana 2生成，文字更偏向打印體、周邊微露的教室和課桌反而降低了真實(shí)性，與實(shí)際擺置完全相反；右圖為Images 2生成，粉筆痕跡、黑板光影等，更像是實(shí)拍的感覺。

可以看出，Images 2的效果整體上遠(yuǎn)超于Nano Banana 2，當(dāng)用戶輸入的提示詞文本有限時(shí)，更貼近用戶的真實(shí)意圖，場(chǎng)景更逼近真實(shí)、更像是取自一張手機(jī)拍照/截屏。

過去幾個(gè)月，外界吐槽OpenAI擠牙膏、Sora關(guān)閉、被Gemini壓制……仿佛那個(gè)不可一世的AI霸主真的變菜了。

但今天 GPT Images 2.0 的出現(xiàn)，是一次響亮的回?fù)簟Ｋ袾ano Banana最引以為傲的文字渲染能力直接碾壓，把“思考能力”首次引入圖像生成，把多圖一致性這個(gè)行業(yè)難題徹底解決。

目前，GPT Images 2.0 基礎(chǔ)功能對(duì)所有ChatGPT免費(fèi)用戶開放，這意味著每個(gè)人現(xiàn)在都可以去體驗(yàn)這款“登頂?shù)谝弧钡纳鷪D模型。

可以說，“全民藝術(shù)家”的時(shí)代正式來臨，而當(dāng)一個(gè)AI能隨手生成一張以假亂真的數(shù)學(xué)試卷、能完整復(fù)刻抖音直播間的每一個(gè)UI按鈕時(shí)，我們也不得不承認(rèn)：那個(gè)“有圖有真相”的年代，是真的回不去了。