12月16日晚，OpenAI 正式发布了全新的旗舰图像生成模型——GPT Image 1.5

这确实是一个久违的名字。时间回溯到今年3月26日，OpenAI 首次推出了基于 GPT-4o 的图像生成模型 GPT Image 1.0，那场发布会直接引爆了一波席卷全球的”万物皆可吉卜力”风格热潮。无论是社交媒体上的普通用户，还是专业设计师，都被这个一致性极强的模型所征服，一时间 AI 生图成为现象级话题。

然而，在那之后的近九个月里，AI 图像生成领域迅速进入了”诸神之战”的白热化阶段。Google 带着病毒式传播的 Nano Banana 强势入局，国产模型Seedream，Z-Image 等玩家也各显神通。OpenAI 曾经的领先优势正在被蚕食——据 TechCrunch 报道，Sam Altman 在上月的内部备忘录中发出了”Code Red”指令，誓要重夺 AI 领域的霸主地位。

GPT Image 1.5 的发布，正是这场反攻战的关键一枪。

看了下最新的 LMArena 的榜单，在文生图/图像编辑两个榜单中，GPT Image 1.5 力压 Nano Banana Pro，双双问鼎。而当我们把目光投向 GPT Image 1.0 时，不禁感慨 AI 的高速发展——这位曾经的开创者，在这近九个月的激烈竞争中，排名已经滑落至 20 名左右。

迅速来概览下 1.5 版本官方文档总结的升级亮点：

1. 提升图像编辑的准确性；
2. 提升模型的创造力；
3. 更可靠地遵循指令；
4. 更强的文本渲染；
5. 比 GPT Image 1 便宜了 20%，图像生成速度提升高达 4 倍。

从行业观察者的角度来看，这更像是一次”补课式”升级，而非开创性的技术突破。值得注意的是，与 Google 的 Nano Banana Pro 相比，OpenAI 在官方文档中并未提及”世界知识（World Knowledge）”能力——即模型对现实世界实体、品牌、名人等的理解和准确呈现能力，这恰恰是 Nano Banana Pro 的核心卖点。

302.AI 已第一时间完成 GPT Image 1.5 API 的接入。既然能在 LMArena 两大榜单上同时问鼎成为新 SOTA，那就无需再多赘述。Talk is cheap, show me the image. 让我们开启本次对决，一探其硬实力。

I. 实测模型基础信息

(1) The price of each real model at 302.AI:

（2）测评目标：

• 生成质量与真实感：评估各模型在图像生成和图像编辑后的视觉效果，包括提示词遵循、细节表现、以及是否存在伪影或失真等。
• 指令理解与执行准确性：测试模型对文本或图像指令的理解能力，检查编辑结果是否准确反映用户意图。

（3）测评工具：

• 所有模型均使用 302.AI 的 API 超市→在线调试功能

（4）测评方法：

各案例均使用统一的提示词和图片进行生成，均取第一次生成结果，评测结果仅供参考。

Ⅱ. 测评案例

案例 1：文生图-亚洲人像

测试点：复杂提示词，人像拟真，文字渲染，世界知识

clue：生成一张 3:4 「高端时尚杂志封面级」写实照片：以为面孔类似钟楚曦（Elaine Zhong）的女子，身穿“明制华丽礼服方向”（多层叠穿、手工刺绣/织金锦、贵重金饰头面），在大慈恩寺的雪景中拍摄。画面具备《Vogue》级别的摄影、造型与封面设计，保持选择杂志的一贯设计风格（中英文设计）

• 100%还原人物的五官与骨相：眼距宽窄、鼻梁挺拔度、唇峰、下颌折角结构完全一致。
• 真实皮肤质感：可见细微纹理与毛孔，拒绝过度磨皮，保留原生高级感皮肤质地。
• 成年女性形象：展现成熟、大气的女性魅力。

全身封面：从头到脚，完整呈现层叠礼服的垂坠感，背景带出大雁塔的巍峨全貌与雪地纵深。

• 西安大雁塔雪景：背景需隐约可见大雁塔的古朴砖木结构塔身，巍峨耸立。
• 环境氛围：大慈恩寺的红墙或仿唐建筑回廊作为中景，与远处的大雁塔呼应。
• 漫天飞雪：雪花纷飞，空气中有寒冷的雾气感，大雁塔在雪雾中若隐若现。
• 背景干净：无游客、无现代围栏、无商业招牌，营造“穿越千年的静谧感”。
• 杂志风格：使用《Vogue》 级别的封面美学。
• 镜头感：50mm 定焦质感，浅景深虚化背景（突出人物与大雁塔的关系），面部光影立体。
• 光线：冬日冷调散射光 + 面部重点补光，强调人物面部轮廓的立体感；金饰要有真实的金属光泽。
• 色彩：高级灰调与浓郁色彩的碰撞，古塔的土黄/砖灰、红墙的朱红、白雪的冷白，与华丽汉服形成电影级色调。
• 服装轮廓与层次（必须多层叠穿）：
  • 内层：交领或立领中衣，挺括洁白，护领上有精致刺绣。
  • 中层：大袖衫或长袄，织金妆花面料，袖口宽大垂坠。
  • 外层：霞帔或披风，配有沉甸甸的纯金/玉石坠角，整体视觉厚重华贵。
  • 下装：织金马面裙，裙门纹样完整，随雪地行走姿态自然散开。
• 面料与工艺：
  • 主面料：南京云锦、宋锦或重磅真丝，表面有明显的织造肌理。
  • 工艺：盘金绣（用金线盘出立体图案）、打籽绣，花纹需有浮雕感。
  • 纹样主题：缠枝牡丹、凤凰（象征高贵）、麒麟、海水江崖纹。
• 配色：
• Scheme R（正红/朱砂红底）：
  • 底色：正宫朱红
  • 刺绣：金色为主，辅以孔雀蓝、松石绿绣线
• 头面（重金风格）：
  • 明制狄髻头面：金丝编织的梁冠，插满金簪、掩鬓。
  • 挑心/分心：正中为大体量的宝石镶嵌金饰。
  • 耳饰：葫芦形或水滴形金镶玉耳坠，修饰钟楚曦的下颌线。
• 表情：Cool & Elegant。嘴唇微闭或微张，眼神坚定有力，不要甜美笑，要展现大女主的气场。

GPT-Image-1.5

Nano Banana Pro

案例 2：文生图-特定风格

测试点：特定风格，物理拟真，世界知识

clue：

A hyper-detailed origami version of EVANGELION-01, folded from high-quality colored paper with crisp edges and realistic paper texture. The folds capture the character’s iconic features, outfit, and silhouette in a simplified geometric form. Placed on a clean studio surface with soft shadows. Minimalist collectible art style, photorealistic detail, sharp focus. 1080×1080 square format.

翻译： 一款超精细的初号机折纸作品，采用高品质彩纸折叠而成，边缘锋利挺括，纸质感逼真。通过简化的几何折痕，精准呈现了角色的标志性特征、造型与经典轮廓。作品置于洁净的影棚台面，伴有柔和阴影。极致简约的收藏级艺术风格，拥有照片级细腻质感与锐利对焦。画面比例为1080×1080正方形构图。

GPT-Image-1.5

Nano Banana Pro

案例 3：文生图-街头摄影

测试点：复杂构图，物理拟真，特定风格

clue：

(masterpiece, best quality, photorealistic:1.5), 35mm film photography, Wong Kar-wai cinematic style, shot on Kodak Portra 800, high contrast..

1. Main Subject (Neon Sign):

Focus: A massive, elaborate, retro Hong Kong-style neon signboard hanging centrally above the street.

Text Content: The sign clearly displays bold glowing text “Best Image Model” in English and “最佳图像模型” in Traditional Chinese calligraphy style.

Neon Design: Complex bent glass tubes, flickering slightly. The English text is in electric blue and magenta, while the Chinese text is in vibrant lucky red and gold. The sign is framed by decorative neon borders (dragons or geometric patterns).

Texture: Visible buzzing gas tubes, metal scaffolding structure, rusty brackets, realistic glow bloom, rain droplets reflecting light on the sign.

2. Background & Environment:

Scene: A dense, narrow Hong Kong street at night (Mong Kok or Tsim Sha Tsui style). Crowded vertical architecture filled with hundreds of overlapping neon signs in varied colors (teal, purple, amber, cyan).

Atmosphere: Wet ground reflecting the neon chaos, misty, cinematic noir atmosphere.

3. Motion & Action (Slow Shutter):

Pedestrians: Busy street level with people walking.

Effect: Long exposure photography (slow shutter speed). Pedestrians are rendered as ghostly motion blurs and light trails, creating a sense of busyness and surreal flow, while the main neon sign remains sharp and static.

4. Lighting & Color:

Lighting: Volumetric lighting, neon lights illuminating the smoke/mist in the air.

翻译： （大师级作品，高品质，照片级真实感：1.5），35毫米胶片摄影，王家卫电影风格，使用柯达Portra 800胶卷拍摄，高对比度。

1. 主体（霓虹招牌）：

焦点：一块巨大、精致、复古港式霓虹招牌，悬挂在街道正中央的上方。

文字内容：招牌清晰地显示着醒目的发光文字“Best Image Model”英文和“最佳图像模型”的传统书法风格中文。

霓虹设计：复杂的弯曲玻璃管，轻微闪烁。英文文字为电蓝色与洋红色，中文文字为鲜艳的吉祥红与金色。招牌由装饰性霓虹边框（龙或几何图案）环绕。

质感：可见嗡鸣的充气管、金属支架结构、生锈的托架、真实的光晕扩散效果、招牌上反射光线的雨滴。

2. 背景与环境：

场景：夜晚密集、狭窄的香港街道（旺角或尖沙咀风格）。拥挤的垂直建筑上布满数百个重叠、色彩各异（青绿色、紫色、琥珀色、青色）的霓虹招牌。

氛围：潮湿的地面反射着霓虹灯的混沌，薄雾笼罩，电影感的黑色氛围。

3. 动态与动作（慢快门）：

行人：街道层面人来人往。

效果：长时间曝光摄影（慢快门速度）。行人被渲染成幽灵般的动态模糊和光线轨迹，营造出繁忙与超现实的流动感，而主霓虹招牌保持清晰静止。

4. 光线与色彩：

光线：体积光，霓虹灯光照亮空气中的烟雾/薄雾。

GPT-Image-1.5

Nano Banana Pro

现实参考：

案例 4：图生图-营销物料

测试点：一致性，多图生成，物体拟真，构图排版

clue：

Create a 2×2 grid in 16:9 aspect ratio for a high-end commercial marketing campaign using the uploaded product as the central subject.

Each frame must present a distinct visual concept while maintaining perfect product consistency across all nine images.

1. Grid Concepts (one per cell):

Iconic hero still life with bold composition

Extreme macro detail highlighting material, surface, or texture

Dynamic liquid or particle interaction surrounding the product

Minimal sculptural arrangement with abstract forms

Floating elements composition suggesting lightness and innovation

Sensory close-up emphasizing tactility and realism

Color-driven conceptual scene inspired by the product palette

Ingredient or component abstraction (non-literal, symbolic)

Surreal yet elegant fusion scene combining realism and imagination

2. Visual Rules:

Product must remain 100% accurate in shape, proportions, label, typography, color, and branding

No distortion, deformation, or redesign of the product

Clean separation between product and background

3. Lighting & Style:

Soft, controlled studio lighting

Subtle highlights, realistic shadows

High dynamic range, ultra-sharp focus

Editorial luxury advertising aesthetic

Premium sensory marketing look

4. Overall Feel:

Modern, refined, visually cohesive

High-end commercial campaign

Designed for brand websites, social grids, and digital billboards

Hyperreal, cinematic, polished, and aspirational

翻译：

创建一个2×2网格（采用16:9画幅），用于高端商业营销活动，以图中的产品作为核心主体。

每个格内画面须呈现独特的视觉概念，同时确保所有九张图像中的产品保持完美一致。

1. 网格概念（每格一个）：

标志性主视觉静物，构图大胆

极致微距细节，突出材质、表面或纹理

产品周围动态液体或粒子交互

极简雕塑式布局，结合抽象形态

漂浮元素构图，体现轻盈感与创新性

感官特写，强调触感与真实感

色彩驱动的概念场景，灵感源自产品配色

成分或元素抽象（非写实，象征性呈现）

超现实而优雅的融合场景，结合现实主义与想象力

2. 视觉规则：

产品的形状、比例、标签、字体、颜色和品牌元素必须保持100%准确

不得对产品进行扭曲、变形或重新设计

产品与背景之间需有清晰的分离

3. 灯光与风格：

柔和、受控的影室灯光

微妙的高光，真实的阴影

高动态范围，超锐利对焦

编辑级奢华广告美学

高端感官营销视觉

4. 整体感觉：

现代、精致、视觉连贯

高端商业广告活动

适用于品牌官网、社交媒体网格及数字广告牌

超现实感、电影质感、精雕细琢、令人向往

GPT-Image-1.5

Nano Banana Pro

案例 5：图生图-图像编辑

测试点：一致性，物理拟真，编辑修改

clue：

(masterpiece, best quality, photorealistic), night photography, Tokyo Shibuya street racing style.

1. Vehicle Modification:

A Ferrari F40 driving on the street, rear view.

Paint: (Classic Ferrari Rosso Corsa Red), glossy car paint reflecting neon lights, wet surface.

Effect: (Real exhaust flames spitting from tailpipes), blue and orange afterburners, heat distortion around the exhaust.

2. Environment & Background:

Location: Tokyo Shibuya crossing at night, busy urban street, wet asphalt road reflecting lights.

Lighting: Vibrant cyberpunk neon signs (red, blue, purple) illuminating the car, city lights, skyscrapers in the background.

Atmosphere: Rainy night, mist, cinematic lighting, high contrast.

3. Composition:

Dutch angle shot (tilted camera angle), dynamic perspective, motion blur on background lights.

翻译：

（大师级作品，超清质量，照片级真实感），夜景摄影，东京涩谷街头赛车风格。

1. 改装车辆外观：

一辆法拉利F40在街道上行驶，后视角。

车漆：（经典法拉利Corsa红），高光车漆反射霓虹灯光，路面湿润。

效果：（真实的排气管喷火），蓝橙色加力火焰，排气口周围有热浪扭曲效果。

2. 环境与背景：

地点：夜晚的东京涩谷十字路口，繁忙的城市街道，潮湿的沥青路面反射灯光。

灯光：鲜艳的赛博朋克霓虹招牌（红、蓝、紫色）照亮车辆，背景有城市灯光和摩天大楼。

氛围：雨夜，薄雾，电影感灯光，高对比度。

3. 构图：

倾斜拍摄角度，动态透视，背景灯光带有动态模糊。

GPT-Image-1.5

Nano Banana Pro

案例 6：图生图-世界知识

测试点：风格化，世界知识，文字准确性

clue：请将图上所示的广州市平面地图等比例生成一副风格化3D立体建模，用中文标注出对应的11个区，并附上每个区的对应人口数

GPT-Image-1.5

Nano Banana Pro

附广州市2024年常住人口与户籍人口数据一览：

（数据来源：国家统计局）

III. GPT-Image 1.5 图像模型实测结论

本轮6则案例测下来，对于GPT-Image-1.5和能力边界我们也有了基本结论：

1.先说硬伤，最令人扼腕的莫过于分辨率的限制。当友商模型都在向超高清画质进军时，GPT-Image-1.5 依然将输出锁定在 1024×1024、1536×1024（横屏）及 1024×1536（竖屏）这三个基础档位。对于追求极致细节的“数毛党”和需要大幅面打印的商业用户来说，这几乎是一票否决。这直接导致了它在精细度上无法与 Nano Banana Pro 抗衡；

2.世界知识是短板。AI 绘图不仅是光影的堆砌，更是对物理世界的逻辑重构。在这一点上，GPT-Image-1.5 暴露了明显的短板：除了像数据，文本知识这些更直观能判断正确与否的情景，一些隐性的问题可能需要更仔细地甄别才能发现，但这些细节就足以让人判断这是张AI图。典型如案例5车尾排气的问题；

3.美感在线，拟真度不足。典型案例如案例1（人像生成），案例3（街头摄影），案例5（汽车），GPT-Image-1.5的构图，色调都具有足够的视觉吸引力，有点像我上月测试的Flux.2-Flex版本：高饱和度，色彩艳丽。它的出图风格往往具有第一眼讨喜的画面，自带滤镜，非常适合社交媒体传播。如果你是追求更具视觉冲击力，更有流行网感的作品，GPT能够满足。但如果你希望作品风格更还原真实，追求“世界模拟器”，能骗过摄影师眼睛，我仍然推荐Nano Banana Pro；

4.中文文字生成能力，其表现远未达到 SOTA水准，典型如案例6，明显不合格。

纵观整场 PK，GPT-Image-1.5 与 Nano Banana Pro 确实打得有来有回，这已是近期我们看到的最为势均力敌的较量。但对于 OpenAI 而言，这还不够。

没有发布会，版本号仅从 1.0 推进到 1.5，画质未能触顶 SOTA——这一切迹象都表明，这是 Sam Altman 在面对图像赛道日益边缘化危机时，不得不推出的一款“防御性产品”。它更像是一个急于证明“我还在牌桌上”的信号，而非那个曾经让世界惊掉下巴的创新引领者。我们依然在等待那个真正的 2.0 版本，希望届时 OpenAI 能带回那个久违的 “Wow Moment”，重新定义我们对 AI 图像的想象。

Ⅳ. 如何在 302.AI 上使用

302.AI 提供按需付费无订阅的服务模式，用户可以根据自身业务需求灵活选择使用。

使用模型 API

步骤指引：API超市→图片生成→GPT-Image-1.5

点击【立即体验】在线调用 API

想即刻体验 GPT Image 1.5 模型？

👉立即注册免费试用302.AI，开启你的AI之旅！👈

为什么选择302.AI？

● 灵活付费：无需月费，按需付费，成本可控

● 丰富功能：从文字、图片到视频，应有尽有，满足多种场景需求

● 开源生态：支持开发者深度定制，打造专属AI应用

● 易用性：界面友好，操作简单，快速上手