GPT Image 2 评测：我测试了 GPT Image 2 两周，涵盖了 5 种用例，结果令人震惊

营销演示总是看起来很完美，但实际结果却往往大相径庭。

GPT Image 2 是 OpenAI 最新的图像模型，它有望实现近乎完美的文本渲染和照片级真实感。但它真的能处理我们日常使用的那些混乱、复杂的提示吗？它能兑现承诺吗？

为了找出答案，我在过去两周里将 GPT Image 2 推向了绝对的极限。以下是我对 GPT Image 2 的真实、未经筛选的评论，它在五个不同的场景中进行了测试。

TL;DR： GPT Image 2值得购买吗？

对于那些优先考虑精确性而非艺术混乱的专业创作者和营销人员来说，GPT Image 2 绝对物有所值。

我认为它在文本渲染和逼真布局方面取得了巨大进步，但它确实牺牲了旧模型中的一些艺术风格。

如果您的工作依赖于清晰的营销素材或准确的 UI 模拟图，那么它将非常出色；但是，如果您正在寻找狂野的抽象艺术，您可能会发现结果有点过于扎实。

您可以阅读GPT Image 2 的完整概述，以获取更详细的信息。

我如何测试 GPT 图片 2

我将 GPT Image 2 运行了 5 个标准化测试场景，每个场景有 3-5 种提示变化，从简单到故意对抗。

每张图像都是全新生成的——没有挑选，没有放大，也没有后期处理。我根据提示的遵循程度、技术质量、运行之间的一致性以及对实际创意工作的实用性，对每个测试进行了 10 分的评分。让我向您展示我发现的内容。

测试1：人脸与微表情

我需要人物肖像级别的图像，展现细微、特定的情绪。不仅仅是“高兴”或“悲伤”。我希望它能向我展示微表情，例如“一位 40 岁的女性在工作会议中试图掩饰自己的疲惫”或“一个青少年男孩假装自信但明显紧张”。

为了了解 GPT Image 2 是否能够生成逼真的皮肤纹理和细微的情感表达，我使用了这三个提示词，以下是我得到的结果。

提示	图像输出
一位40岁男子的特写肖像，眼角有细微的鱼尾纹，表情略显困惑但又觉得有趣。他站在一家光线昏暗的咖啡店里。自然的皮肤纹理，可见的毛孔，电影般的灯光。
一位年长女性的特写镜头，她正在大笑，眼周有深深的皱纹，阳光照在她脸上的细毛上。高分辨率的皮肤纹理，没有进行平滑处理。
一位职业女性在会议室里，表情坚定但略显疲惫，眼下有淡淡的黑眼圈，头部微微倾斜。柔和的办公室灯光。

所有三个提示的输出都让我感到非常惊讶。GPT Image 2 在保持皮肤的真实瑕疵（如毛孔和细毛）的同时，完美捕捉到了眼睛中微妙的趣味，这给我留下了深刻的印象。

在我看来，它根本不像塑料模特，甚至我在第三个提示中要求的“疲惫”表情也显得真实而不是夸张。

我还注意到灯光如何自然地包裹着人脸，背景虚化给我的感觉就像是直接来自真实相机镜头。

评分：9.5/10

测试 2：文本渲染

这次，我想看看这个模型能否生成一个逼真的店面招牌，而不会把字母变成外星象形文字。因此，我使用了包含符号、数字和单词的提示。

提示	图像输出
在下雨的赛博朋克小巷中，一个霓虹灯招牌上用亮粉色字母清晰地写着“午夜面馆”，下方有一个较小的招牌写着“24/7营业”。
一张 20 世纪 50 年代的复古餐馆菜单板，上面用经典的草书字体列出“汉堡 5.00 美元”、“奶昔 3.00 美元”和“薯条 2.00 美元”。
一家干净、现代的书店，店名“纸上建筑师”以优雅的衬线字体印在玻璃窗上。

根据以上结果，我认为GPT Image 2 确实像OpenAI宣传的那样，完美地处理了拼写问题。

在我进行的每一次测试中，它实际上都拼写正确。我看着模型完美地呈现了“午夜面馆”、“餐厅菜单上的具体价格”和优雅的“纸上建筑师”，没有一个错字。

我还注意到霓虹灯的光芒准确地反射在水坑中。在我看来，书店窗户上的衬线字体看起来是专业设计的。

虽然我确实发现字体选择有时会显得有些僵硬，但我仍然认为它在文本渲染方面值得高分。

评分：9/10

测试 3：无缝像素级编辑

精确修改通常是大多数模型失败的地方。因此，我想看看 GPT Image 2 是否能够处理这种迭代设计，而不会破坏整个构图。

为了测试这一点，我运行了四个独立的编辑任务，要求模型在保持其余环境不变的情况下，隔离并修改特定细节。

提示：将沙发左侧的蓝色丝绸枕头换成带有几何图案的焦橙色天鹅绒枕头，保持所有其他元素、灯光和阴影不变。
图像输入	图像输出
提示：在空的木制边桌上放上一小杯热气腾腾的黑咖啡，确保蒸汽看起来自然，灯光与旁边的灯相匹配。
图像输入	图像输出
提示：将模特眼睛的颜色从棕色改为锐利的翠绿色，同时保持高光和反射完全相同。
图像输入	图像输出
提示：将房间中央的现代玻璃咖啡桌换成乡村风格的深色橡木桌，保持地板和周围地毯上的相同倒影。
图像输入	图像输出

我被它的稳定性惊呆了。我想说，它在保持光线和环境不变的情况下，隔离和修改特定细节的能力，已经领先了光年。

如您所见，GPT Image 2 交换了枕头，添加了咖啡杯，甚至无缝地替换了整个桌子，完美地匹配了阴影和现有照明。

眼睛颜色的变化尤其令人印象深刻，因为它看起来不像一个平坦的图层；它保留了虹膜的自然深度。

我敢打赌，如果我没有向你展示制作过程，你肯定会认为我是用 Photoshop 制作出这些成果的。

评分：9.5/10

测试 4：硬世界知识现实主义

我还通过向模型展示特定的、非著名的建筑和环境风格，来测试它是否具备深层次的“常识”。

我没有让它默认使用通用视觉效果，而是强制它渲染特定的纹理和结构逻辑，看看它是否理解材料如何老化以及如何与周围环境相互作用。

提示	图像输出
阴沉的灰色天气里，伦敦一栋传统粗野主义公寓建筑的街景。混凝土纹理、小窗户和墙壁上的风化污渍。
冰岛火山景观的高空俯瞰图，特色是黑色的玄武岩柱、冒着蒸汽的地热喷口和斑块状的霓虹绿苔藓。
19世纪法国药店的内部，有深色木架、手写标签的玻璃瓶，以及略有裂纹和磨损的大理石台面。
特写镜头展示了一个传统的日式金缮碗，碗上用金粉填补的裂缝略微凸起，捕捉到茶室柔和的光线。
一辆经典的 20 世纪 60 年代肌肉车的发动机舱，展示了 V8 发动机的特定布局，以及风化镀铬部件和符合时代特征的线路。

我不仅从 GPT Image 2 获得了建筑或场景图像，还获得了我所设想的氛围。

例如，在第一个结果中，墙壁上的风化图案看起来与我在伦敦见过的真实世界中的雨水损坏完全一样，这向我证明了该模型对硬世界知识的真实性有着令人难以置信的掌握。

金缮碗和 V8 发动机舱尤其引人注目，因为它们需要特定的技术知识。该模型正确地将金粉填充的裂缝放置在陶瓷中，并准确地布置了发动机组件。

它能理解材料在特定气候下老化的“物理”原理，而我无需在提示中明确地手把手指导，这一点让我感到非常震惊。

评分：9/10

测试 5：极端指令遵循

将 GPT Image 2 推向“梦魇提示词”场景是真正测试其极限的唯一方法。因此，我向它提出了五份截然不同且可能相互冲突的要求清单。

由于大多数人工智能模型通常会在严格遵循指令时迷失方向，因此我为多个物体指定了确切的位置、局部照明和超具体的纹理，以查看哪些细节会被忽略。

提示	图像输出
一张木桌，左边放着一个红苹果，中间放着一杯半满的牛奶，右边放着一本打开的书。一道光束只照在苹果上。背景漆黑一片。书页泛黄，牛奶表面有一个小气泡。
一个未来主义的城市广场，图像的左半部分下着雨，右半部分阳光明媚。一个穿着黄色雨衣的男人站在雨中，一个穿着红色连衣裙的女人站在阳光下。男人的影子应该朝向中心。
一张桌子，上面有一台笔记本电脑、一个咖啡杯和一盆多肉植物。笔记本电脑屏幕上显示着带有绿色文本的代码编辑器。咖啡杯是蓝色的，带有一个白色把手。多肉植物在一个陶土盆里。杯子必须精确地放在多肉植物右侧 2 英寸处。
厨房台面上放着三个罐子：一个装满蓝色弹珠，一个装满红色沙子，一个空着。装蓝色弹珠的罐子必须在中间。一只猫坐在罐子后面，但只有它的耳朵从盖子上方露出来。
一个工作区，一个人正在平板电脑上画一只猫，而一只真正的猫坐在他们旁边看着平板电脑。平板电脑屏幕必须显示正在进行的绘画，并且这个人左手拇指上必须戴着一枚绿色戒指。

在我看来，GPT Image 2 的指令遵循能力的结果是不言而喻的。

它以惊人的精度捕捉了所有五个提示中的几乎每一个细节，从牛奶表面上的微小气泡、苹果上的局部光线，到高度特异性的“猫耳朵”。

提示 E 中的“左拇指上的绿色戒指”也完美呈现，而这是大多数模型都会忽略的细节。

这种对提示词的卓越遵循程度可以说是该模型最大的优势，我相信它使 GPT Image 2 成为那些希望将自己的确切愿景毫无妥协地转化为像素的用户的不可或缺的工具。

评分：10/10

真实用户评价

反馈意见严重分歧。专业人士喜欢其准确性，而普通用户则怀念旧型号的艺术化混乱。

浏览Reddit和Twitter，可以发现用户的情绪很明确。r / OpenAI上的用户正在称赞该模型遵循复杂指令的能力。一位用户指出：“它终于完全理解了我想把物体放在画面的哪个位置。”

但也有人觉得它已经失去了灵魂。一个常见的抱怨是， GPT Image 2 过分强调写实，以至于难以创作出真正鼓舞人心或抽象的艺术作品。

我的个人看法

我认为，GPT Image 2 是否是市场上最好的 AI 图像生成器，很大程度上取决于您想做什么。

在我看来，它在商业作品方面是个天才，但它仍然无法进行原始的、混乱的创意。

如果我需要产品模型、逼真的肖像或带文字的图像，我每次都会选择 GPT Image 2。它为我节省了数小时的 Photoshop 工作。

但如果我想生成一幅狂野、抽象的奇幻风景画，我发现自己会怀念旧模型中那种不可预测的特性。

您可以查看GPT Image 2 与Nano Banana 2的对比，以更好地了解 GPT Image 2 的实际应用。

总而言之，它是专业人士的终极工具，但可能会让艺术家感到无聊。

如何立即访问 GPT Image 2

您可以通过官方渠道或Pollo AI使用 GPT Image 2。

OpenAI目前正在对模型ChatGPTA/B 测试，这意味着您可能今天可以使用，明天就无法使用了。据说，ChatGPT版将提供完全访问权限，但对于大多数用户来说，价格太高了。

如果您想要保证轻松访问，而无需进行 A/B 测试， Pollo AI将提供一种无缝使用 GPT Image 2 和其他顶级模型的方法。

它是一个综合性的生成平台，将业界最强大的 AI 模型整合到一个精简的工作区中。

GPT Image 2 已在Pollo AI上推出，您可以立即将其高级功能集成到您的创意工作流程中。

该平台还允许您在Nano Banana 2和Seedream 5.0等其他顶级模型之间灵活切换。这意味着无论项目要求如何，您都可以随时获得最好的工具。

除了作为模型中心之外，该平台还具有Pollo Agent功能，旨在将您的原始想法转化为可发布的内容。

您将拥有更先进的创作方式，因为 GPT Image 2 也将集成到 Pollo Agent 中。

最棒的是，您可以在Pollo AI上免费使用 GPT Image 2。因此，您无需任何前期费用即可充分测试 GPT Image 2 的全部潜力。

与其袖手旁观，不如现在就掌握当今最好的模型，以便在第二代 GPT 图像生成模型发布时做好充分准备。

最终裁决

GPT Image 2 是人工智能实用性方面的一大进步。它解决了人工智能图像生成中最令人沮丧的部分——拼写错误和忽略提示细节。

虽然它可能不是最“有趣”的模型，但它无疑是现实世界应用中最有用的。

如果您是营销人员、设计师或内容创作者，那么这就是您一直在等待的升级。

常见问题解答

GPT Image 2 和DALL-E 3有什么区别？

GPT Image 2 非常注重照片级真实感、准确的文本渲染和精确的提示遵循，因此更适合商业用途。DALL DALL-E 3通常被认为更具“创意”，更擅长风格化或抽象艺术。

GPT Image 2 能正确拼写单词吗？

是的，它具有近乎完美的文本渲染功能，能够以极少的错误生成可读的标志、文档和 UI 元素。

GPT Image 2 可以免费使用吗？

不，它目前正在付费套餐（如ChatGPT Plus 和所谓的ChatGPT Pro）中进行测试。但您可以通过Pollo AI使用 GPT Image 2 进行免费试用。

我可以在商业API开发中使用GPT Image 2吗？

目前，该模型主要通过ChatGPT和Pollo AI等平台进行手动测试。虽然预计会发布完整的 API，但在正式的企业级集成广泛可用之前，大多数开发人员目前都使用它来原型化高保真资产。

GPT Image 2 支持多种长宽比吗？

是的，它比早期型号灵活得多。在测试期间，我发现它能够处理从标准 1:1 方形到电影 16:9 和垂直 9:16 格式的所有内容，而不会拉伸或扭曲主体，这对社交媒体创作者来说是一个巨大的优势。

多镜头拍摄项目的拍摄对象一致性是否有所改善？

值得注意的是，GPT Image 2 在不同提示下保持角色特征或产品设计方面表现得更好。我注意到，如果我详细描述了一个角色，模型就能以大约 80-90% 的一致性在不同姿势下复制他们。