
上周,OpenAI 发布了两项重量级更新,展示出令人印象深刻的能力。其一是 ChatGPT Images 2.0,这一版本不再局限于基础图像生成,新增了将真实数据中的文字与上下文信息融入图像的功能;其二是最新前沿模型 GPT-5.5,相较于 GPT-5.4 在性能与速度上均有显著提升。
在 ChatGPT Images 2.0 发布后,笔者已对其上下文感知能力进行了一系列测试,结果表现出色。但在基础图像生成方面,它究竟是进步了、持平了,还是有所退步?
为此,笔者回归了常用的基础图像生成测试流程,将 ChatGPT Images 2.0 与谷歌 Gemini Nano Banana 进行了横向比较。在 2025 年 12 月的测试中,Nano Banana 取得了亮眼的 93% 得分,而 ChatGPT 仅获得令人失望的 74%,主要原因在于该 AI 当时拒绝执行流行文化相关的测试项目。
此次测试并非将 ChatGPT Images 2.0 与此前 Nano Banana 的历史成绩作比较,而是同步重新运行两款 AI 的全套测试,以便更客观地评估两者的当前水平。
需要说明的是,本文中"Gemini""Nano Banana"及"谷歌"均指代谷歌 Gemini 用于图像生成的版本,即 Nano Banana;"Images 2.0"则特指上周发布的 ChatGPT 图像生成模式。坦率地说,两家公司都需要一位专注于产品命名的全职产品经理。
先说结论:此次测试中,ChatGPT Images 2.0 得分 97%,Gemini Nano Banana 得分 85%。最后一项测试的结果尤为耐人寻味,请务必读到最后。
人物换装与场景生成测试
本项测试涵盖三个核心要素:生成合适的背景(航空母舰舰桥)、为人物替换适当的服装,以及保留原始人物的面部与体型特征。
两款 AI 在场景营造上均表现尚可。两个模型生成的服装乍看都像海军将领制服,但细节均有错误,军衔标识混乱,部分元素属于凭空捏造,各扣一分。
在人物还原方面,ChatGPT 成功保留了原始照片中的面部特征,而 Gemini 生成的版本则出现了奇怪的笑容,且修改了胡须,将笔者的胡子画得比实际更浓密,Nano Banana 在此项扣除两分。
照片修复测试
两款 AI 在照片清理修复方面均表现稳健,尽管这类任务对任何具备基本能力的图片编辑工具而言都不算难事。ChatGPT 生成的图像细节略胜一筹,但也可以说锐化程度稍过;Nano Banana 的图像则稍显模糊。两者均未扣分。
老旧照片彩色化测试
这是一张来自笔者父亲相册的 20 世纪 70 年代新泽西州应急救援车辆照片。
ChatGPT 的修复效果整体良好,车辆侧面的"RADIOLOGICAL DEFENSE"字样位置准确,但车辆后部出现了"DEFNSE"的拼写错误,Images 2.0 因此扣一分。ChatGPT 将车辆涂为蓝色,从当时的情况来看是个合理猜测,但由于原始图像中缺乏地理位置信息,不对此加以扣分。
Nano Banana 的色彩鲜艳度更高,但问题随之而来。在没有颜色参考的情况下,Gemini 将车辆白色部分涂成了红色,扣除三分。后部文字被识别为"FOIN LENN - C.OD.",更严重的是,Nano Banana 擅自在车门上添加了原图中并不存在的"纽约"字样标识,还在前景中凭空生成了一个黄铜水管接头,因此继续扣分。
徽标与文字生成测试
两款 AI 均顺利通过了本项测试,徽标外观合格,文字生成准确。ChatGPT 的版本更具专业制作质感;Nano Banana 的盾形设计略显不妥,但在徽标中加入了美国国家航空航天局的运载器装配大楼,与佛罗里达航天海岸的主题契合,别有一番风味。两者均未扣分。
中世纪图书馆场景生成测试
本项测试创作空间较大,两款 AI 的生成结果各有千秋。Nano Banana 的图像光线更好,视觉上略胜一筹,但也因此显得有些失真,尤其是画面右后方的蓝色画布,透出一种背光感,更像是电脑显示屏,而非烛光中世纪图书馆应有的质感。两者均未扣分。
老年人使用智能手机场景测试
Nano Banana 在此项测试中出现了文字重叠的问题,不知为何将文字生成了两遍,因此扣分。整体而言,两款 AI 表现尚可,人物形象足够真实。值得一提的是,谷歌的 AI 在收到"旗舰智能手机"的提示词后生成了一部 iPhone,与上次测试的结果相同。两位老人均按要求佩戴了眼镜,且当前版本在手部细节的生成上明显优于此前版本。
笔记本电脑使用场景测试
生成过程中,ChatGPT 短暂显示了如下说明:"用户提到使用的是 MacBook Pro,因此我将生成一台外观简洁的银色笔记本,类似 MacBook Pro 的设计。可以加入苹果风格的外观,但我会避免直接展示品牌标志。"然而最终图像中,标志仍然出现了。此外,笔记本摆放在桌沿位置显得摇摇欲坠,不够自然,扣一分。
Nano Banana 在本项测试中再次出现了文字重叠问题,同样扣除相应分数。两张图像中的学生碰巧都穿着灰色落肩圆领毛衣,而提示词中并未涉及任何服装描述,这一巧合颇为有趣。
流行文化测试
两款 AI 都经历了一番"自我说服"才最终给出结果。
ChatGPT Images 2.0 在生成前显示了如下说明:"用户要求为一部假想的《回到未来》第四集制作海报。由于涉及版权保护角色,我无法复现任何官方海报的原始设计,但可以生成一张原创的致敬风格图像,避免直接复制标志或美术元素。"
尽管经过了这番"自我开脱",ChatGPT 最终还是给出了令人惊喜的结果,图像底部的文字细节精准清晰,充分证明 OpenAI 在图像内文字生成问题上已取得实质性突破。这也正是 ChatGPT 在过往测试中频繁失分的痛点所在。
而 Nano Banana 则直接拒绝了生成请求,提示"可以帮助生成人物图像,但无法描绘某些公众人物"。当笔者将提示词中的"Marty"替换为"一个青少年男孩"后,才获得了一个勉强过关的结果,但人物形象差强人意,因此扣分。
此外,两张图像的背景中均出现了克莱斯勒大厦和帝国大厦,这两座标志性建筑都是纽约的地标,但两者在 20 世纪 20 年代均尚未建成——帝国大厦于 1930 年 3 月 17 日动工,1931 年 5 月 1 日竣工;克莱斯勒大厦于 1928 年开始建造,1930 年完工。两款 AI 均因在画面中呈现了当时尚不存在的建筑而遭到扣分。
蒂姆·伯顿风格场景测试与隐私泄露疑云
在本项测试中,ChatGPT Images 2.0 再次生成前显示了说明文字:"我会从参考结果中挑选最合适的风格元素,但需注意避免使用版权保护过于严格的内容。"至于"版权保护过于严格"究竟是什么标准,恐怕只有 AI 自己清楚。
在图像质量层面,两款 AI 的表现均符合提示词要求,得满分。从主观感受来看,笔者更偏爱 Nano Banana 的生成结果。
然而,Nano Banana 生成的图像中出现了一些令人不安的细节:画面中竟包含了 Claude Code、iTerm2、Linux 的标识以及一台 3D 打印机。而这些内容,恰恰是笔者近期在聊天记录中频繁讨论的话题——笔者的 YouTube 频道也主要围绕桌面制造、创客项目和 3D 打印展开。
但问题在于,笔者只是要求生成"一位数据中心中的 IT 专业人员",从未要求 Gemini 加入这些私人信息。Gemini 自行从聊天历史中提取了相关内容并嵌入了图像。
这一行为引发了严肃的隐私问题:如果用户曾用 Gemini 讨论过私人健康状况或个人事务,这些信息是否有一天会悄无声息地出现在某张生成图像中?用户是否需要逐张放大检查 Gemini 生成的每一张图像,以确认没有个人隐私信息外泄?
这种行为令笔者感到不安,笔者已就此联系谷歌方面征询回应,将在获得答复后更新本文。这也正是真实场景动手测试的价值所在:只有通过实际使用,才能发现那些在基准测试中永远不会暴露的边缘案例与潜在风险。
总评
在涵盖 30 项独立评测维度的测试中,ChatGPT Images 2.0 累计获得 150 分,Gemini Nano Banana 获得 131 分。换算为百分制后,ChatGPT Images 2.0 得分 97%,Gemini Nano Banana 得分 85%。与 Gemini 去年 93% 的历史成绩相比,本次有明显下滑。
Q&A
Q1:ChatGPT Images 2.0 和 Gemini Nano Banana 的测试总分分别是多少?
A:在涵盖 30 项独立评测维度的测试中,ChatGPT Images 2.0 累计获得 150 分,换算为百分制后得分 97%;Gemini Nano Banana 获得 131 分,得分 85%。与 Gemini 去年 93% 的历史成绩相比,本次有明显下滑。
Q2:Gemini Nano Banana 在图像生成中泄露用户隐私是怎么回事?
A:在蒂姆·伯顿风格场景的生成测试中,Nano Banana 在用户仅输入"数据中心中的 IT 专业人员"提示词的情况下,自动从聊天历史中提取了用户近期讨论的 Claude Code、iTerm2、Linux 及 3D 打印机等内容,并将其嵌入生成图像。这引发了对用户隐私安全的严重担忧,测试者已就此联系谷歌方面寻求回应。
Q3:ChatGPT Images 2.0 在文字生成方面有什么改进?
A:ChatGPT Images 2.0 在图像内的文字生成能力上取得了显著突破。以《回到未来》主题海报测试为例,图像底部的文字细节准确清晰,表现出色。而在此前版本的测试中,ChatGPT 曾因拒绝执行流行文化相关测试而频繁失分,新版本在这一痛点上已有实质性改善。
恒正网配资提示:文章来自网络,不代表本站观点。