五大真實場景橫測GPT-image-2和Nano Banana2，我只能說香蕉要過氣了

一開始我對GPT-Image-2是沒抱什么期望的，

之前的Image-1.5拉了，Nano Banana Pro和2又有點太強了，沉寂了5個月的Image-2突然開始灰度，也沒個發(fā)布會啥的，但是當灰度到我后，我發(fā)現(xiàn)一句話就能生成下面這張圖的時候，

我就知道，OpenAI這把穩(wěn)了，這段時間包是搞到了很多很厲害的數(shù)據(jù)。

這篇文章里所有的提示詞和原尺寸對比圖，我都整理好到文檔了，回復GPT2就OK。

我立馬去搜了一下，看是不是真有這個人。

還好，雖然名字一樣，但是賬號內(nèi)容是不一樣的。這個人是AI捏造的，但太真了，這光影，這氛圍感，屬于是我看到截圖會愣個30秒才能反應過來。

那我再生成一個影視颶風的首頁試一下吧。

說實話我恍惚了。。。

就算左邊是個假的，但是味真的太對了，是怎么做到封面一致性那么高的？

我覺得今天這篇測評的方向，已經(jīng)非常明確了。

直接來場硬核對決，把我上次測評Nano Banana用的那些提示語，扔給GPT-Image-2再過一遍。一開始我還擔心，如果直接拿Nano Banana擅長的，那些已經(jīng)測試過幾百遍的提示語給Image 2，會不會不太公平。

所以，我收集了目前匯總到的GPT-Image-2的更新信息，加強的有文字渲染，世界知識，照片真實感，界面和布局生成（比較新的點），還加強了人物一致性，生成速度（一張圖3秒），分辨率和圖像編輯能力，跟Banana2擅長的挺重疊的，不存在說有先手優(yōu)勢，那我們直接開始PK！

1｜文字

這是Nano Banana Pro的傳統(tǒng)優(yōu)勢，我們先從這里開始，我做了一個包含多種不同大小的字體和復雜排版的海報設計需求。

請設計一張 3:4 豎版國潮茶飲新品上市海報，品牌名為 山川茶事。整體風格新中式、輕奢、克制，顏色以墨綠、米白、金色為主，融合宣紙肌理、留白、淡雅山水、現(xiàn)代版式設計。畫面主體是一杯高顏值冷泡茶與茶葉、柑橘、冰塊、金箔元素，畫面必須兼具商業(yè)感與審美感。 海報中必須準確呈現(xiàn)以下文字： 山川茶事 山柚觀音 冷泡系列 新品上市 一口清醒，半城入夏 限定嘗鮮價 中杯 16 元 大杯 19 元 門店活動 第二杯半價 加 3 元升級輕乳版 每日前 100 名贈限定杯套 推薦風味 觀音茶底 / 西柚果香 / 輕乳云頂 / 冰感回甘 活動時間 4月20日 至 5月10日 掃碼點單 SHANCHUAN TEA 底部小字：圖片僅供參考，請以門店實際售賣為準 要求海報具備明顯促銷信息層級，同時依舊精致，不要做成廉價電商海報。重點測試小字、數(shù)字、價格、信息模塊與中文字體美感。

左GPT右

說實話，我覺得一眼就能看出來這個海報哪一個更好看，哪一個更真實。

左邊這個我就覺得真的有這樣的一個奶茶品牌，而且這個奶茶的包裝和它的整個風格，根本就和我們平時喝的果茶沒什么區(qū)別。但是右邊這個放在Banana剛出來的時候覺得還行，但現(xiàn)在看多了就覺得AI感很重。

再來看看這張招聘海報，里面文字太多提示語太長，我就放到文檔里了。

我覺得從這兩個 case 就能看出來，這兩個模型可能有不同的優(yōu)化方向。

整體上來說，我會明顯感覺到左邊 GPT-Image-2 出來的風格，更像我平時在某團某聘上面看到的宣傳海報，設計感強，整體的排版設計其實更符合招聘海報風格，包括它的文字，層級，以及添加的很多圖標設計，細節(jié)都更到位。

中文信息圖海報，主題為 一杯咖啡如何來到你手里。風格為高級信息設計，兼具科普感與商業(yè)視覺感，版式清晰，帶有路徑箭頭、數(shù)據(jù)框、圖標、簡潔插畫和模塊化卡片。色調(diào)以咖啡棕、奶白、墨黑、少量銅色點綴。要求圖文并重，信息非常多，但仍然好看。 海報必須完整展示以下內(nèi)容： 一杯咖啡 如何來到你手里 01 種植 海拔 1200 至 2200 米 適宜溫度 18℃ 至 24℃ 采摘期通常集中在 11 月至次年 3 月 02 處理 日曬 水洗 蜜處理 03 烘焙 淺烘 更明亮 中烘 更平衡 深烘 更濃郁 04 研磨 手沖偏粗 意式偏細 冷萃中粗 05 萃取 粉水比 水溫 時間 都會影響風味 風味關(guān)鍵詞 花香 / 柑橘 / 堅果 / 焦糖 / 巧克力 / 煙熏 你喝到的每一口 都來自一連串精密選擇 底部小字：適合用于咖啡入門科普與門店展示 重點測試長信息圖、數(shù)字、溫度、編號、短說明、斜杠風味詞和多模塊排版。要讓它看起來像高質(zhì)量展板，不要像課堂PPT。 如果你要把這 10 組再升級成真正的壓測套題，我建議下一步直接做三層難度版本： 第一層，純中文大標題加少量小字 第二層，中英混排加數(shù)字價格加多模塊 第三層，超長正文加底部細小版權(quán)信息加復雜表格式排版

左GPT右

放到這張咖啡圖里就區(qū)別就更明顯了，左邊的 GPT-Image-2 會用更多偏向真實的素材進行輔助說明，也會選擇像宋體這樣比較偏細的字體，更有簡潔感和高級感。海報的留白更符合審美，讓人的視覺感受更舒服。

不像右邊banana做出來的，會覺得整個海報有點擠，又有邊框，又把所有的文字跟圖片和素材都擠在一起，在視覺上一下子覺得壓力有點大。

高端護膚品電商首圖海報，產(chǎn)品名為 澄光維穩(wěn)精華。整體風格干凈、輕奢、科學護膚感強，畫面中心是一瓶半透明磨砂玻璃精華液，帶淡金色液體和水珠反光，背景為奶白到暖灰漸變，局部有液體流動與微觀分子結(jié)構(gòu)裝飾。要求同時具備品牌感和賣貨感。 海報必須包含以下文案： 澄光 維穩(wěn)精華 修護屏障 舒緩泛紅 細膩透亮 第 2 代升級配方 核心成分 神經(jīng)酰胺 泛醇 B5 積雪草提取物 微囊脂質(zhì)體 適合人群 敏感肌 熬夜肌 換季不穩(wěn)定肌 限時到手價 229 元 買 1 送 3 贈潔面 15ml 贈精華 5ml 贈面霜 10g 左下角小字：實際效果因人而異，請堅持使用 要求重點測試商品賣點、價格、贈品列表、產(chǎn)品名與功能短句的層級。整體要高級，不能土，不要過度直播間風格。

左GPT右

產(chǎn)品展示這一塊我覺得更不用多說了。

GPT用的是目前護膚類產(chǎn)品更喜歡使用的細襯線，加上簡潔圖標的方式。包括整個產(chǎn)品里面，精華瓶子里會冒出的微小氣泡，以及瓶子上面展示的產(chǎn)品名字，搭配的英文名，毫升數(shù)，都更加符合真實產(chǎn)品的樣子。尤其在贈品方面，它還根據(jù)我提供的圖片畫出了對應的贈品形式，感覺更像在淘寶頁面里看到的圖片了。

但是右邊這個還是老樣子，我覺得 Banana 看久了會覺得整個畫面，尤其是它經(jīng)常會用的右邊這張海報里的這種字體（10張文字圖里8張都是這種字體），AI 感還是有點重。

用中文給我制作一張科普圖片，講述詳細的植物進行光合作用的原理

左GPT右

左邊的GPT-Image-2就像是把我高中課本掃描了一遍，直接就給我出一頁課件，Nana Banana 畫的更像一個課本里的一張插圖。我這才測了第一部分就想要半場開香檳了。

2｜真實世界

接下來拼的是對真實世界的理解和復刻能力。我選擇了一個包含不同光影不同材質(zhì)和不同情緒的場景。

生成一張極其真實的商場紀實攝影照片，場景是周末傍晚的大型購物中心扶梯口，一位 30 歲左右的亞洲男性剛從上行扶梯走下來，左手拎著購物袋，右手正在低頭回消息，神態(tài)自然，沒有看鏡頭。他穿深灰色連帽衛(wèi)衣外搭黑色薄夾克，下身是寬松卡其褲和輕微磨損的運動鞋，頭發(fā)略亂，臉上有一點出油感和下巴胡茬。商場燈光是復雜的混合光，頂部暖白燈、品牌櫥窗冷白燈、遠處廣告屏彩色光同時存在，地面是高反光瓷磚，能看到模糊但真實的倒影。背景里有經(jīng)過的人群、奶茶店招牌、玻璃護欄、模糊品牌海報。要求像攝影師在商場里抓拍的真實瞬間，不能像時尚街拍擺拍，皮膚、衣服、鞋面、購物袋折痕、玻璃反射都要非常真實。

左GPT右

很難想象這兩個模型用了多少圖片素材，是有多愛喜茶啊，兩個模型都畫。

而且我覺得先不說別的，左邊的GPT-Image-2做出來的男生發(fā)型就會更真一點，而且怎么角落里還有個佳琦直播間啊！！

生成一張超真實的城市街頭群像照片，場景是夏夜十點的便利店門口，三到四個年輕人正在門口短暫停留聊天，有人拿著飲料，有人坐在店外塑料椅上，有人站著低頭看手機。便利店的玻璃門和櫥窗透出明亮白光，外面路邊則是暖黃街燈和遠處車燈。人物穿搭非常日常，包含T恤、襯衫、短褲、牛仔褲、運動鞋，不要網(wǎng)紅穿搭感，臉部狀態(tài)和體態(tài)都要像真實路人，不能每個人都過于精致。環(huán)境要有真實便利店元素，冰柜貼紙、促銷海報、垃圾桶、門口地墊、玻璃倒影、路邊共享單車、地面飲料瓶水珠。畫面像攝影師在城市里拍到的一張非常真實的生活切片，重點測試多人自然互動、夜間便利店燈光、玻璃反射和普通人氣質(zhì)的還原能力。

左GPT右

我覺得有意思的點，就是從他們生成這些偏生活類的照片中，我可以去猜一下這些來源的訓練照片是什么時候的。

就比方說，右邊Banana居然生成了一輛藍色的 ofo單車，左邊的GPT-Image-2里人物手里拿著的那瓶呢，我盲猜是紅牛跟茉莉蜜茶的混合體。

左GPT右

這個場景我覺得分不出高低，因為左邊的GPT-Image-2有個萬年老立白和沒洗干凈的菜盤子，另一個banana有萬年砧板。

我只能說，廣東人家里的砧板不會放在鍋前面，因為這樣會濺到油。如果非要摳完細節(jié)的話，我覺得 GPT 會小贏一點點。畢竟它這里面看起來炒肉的肉絲多一點。哎不對，我突然看到了Image2里的這個圍裙居然是建設銀行的！

3｜界面復刻

我覺得剛剛看了某音和某站復刻的頁面還不過癮。所以我又做了更多，比如這個黑悟空實機演示畫面，

生成黑悟空神話，被二郎神打飛的游戲畫面

玩過黑悟空的應該都會覺得上邊的GPT-Image-2更真實吧，天命人跟楊戩的形象跟原游戲的風格很像，戰(zhàn)斗模式也是第一人稱視角的，甚至還有臺詞，右面更像是左右回合制對戰(zhàn)的形式。

然后我還翻出了最開始測香蕉的時候，用的微信聊天記錄群的提示語。

左GPT右

我覺得這局算是平手。左邊GPT-Image-2的圖，整個布局和字體都更接近微信的排版，但是右邊Banana引用圖片的方式，以及聊天中間會有時間展示，都更接近微信。

再來看看電商首頁的這個 UI 展示，

生成一張高保真移動端電商 App 首頁界面截圖，整體風格參考 2026 年主流中文電商 App，要求界面極其真實，具有完整的手機應用 UI 邏輯與商業(yè)設計感。頁面頂部為狀態(tài)欄，包含時間 9:41、5G 信號、電量圖標。下面是搜索框區(qū)域，左側(cè)為城市選擇 杭州，中央是圓角搜索框，提示詞為 搜索耳機、咖啡機、運動鞋，右側(cè)有消息圖標和掃一掃圖標。搜索區(qū)下方是橫向分類標簽，包含 推薦、數(shù)碼、家電、服飾、美妝、食品、運動、家居，其中 推薦 高亮選中。 首頁主體內(nèi)容必須包含以下結(jié)構(gòu)并排版清晰： 頂部輪播 Banner 一張，主題為 618 預售開啟，副標題 每滿300減50，畫面帶商品海報和紅色促銷氛圍 Banner 下方為 10 宮格功能區(qū)，圖標風格統(tǒng)一，包含 超市、百億補貼、秒殺、直播、充值中心、到家、領券、品牌館、全球購、排行榜 中部為 限時秒殺 模塊，左側(cè)標題，右側(cè)倒計時 02:14:39，下方三件商品卡片橫向排列，每件商品含商品圖、標題、現(xiàn)價、原價、已售進度條 下方為 猜你喜歡 雙列商品瀑布流，至少 6 張商品卡，每張卡片包含商品圖、兩行商品標題、價格、月銷、店鋪名、好評率、券后價標簽 底部固定 Tab Bar，包含 首頁、分類、購物車、消息、我的，其中 首頁 為高亮狀態(tài) 要求： 所有中文文字清晰、可讀、接近真實字體 圖標統(tǒng)一，間距合理，留白真實 卡片陰影、圓角、分隔線、標簽樣式高度像真實 App 不要生成手機外殼，只輸出純界面截圖 整體必須讓人一眼覺得是真實電商 App 截圖，而不是概念圖

左GPT右

這兩個的首頁其實都還挺像的，但是右邊的 Banana 很喜歡用這種比較粗的字體，讓畫面看起來比較擠，而且總是給我輸出這種帶邊框的圖片。

再來看一個音樂播放器的 UI 界面，

生成一張高保真中文音樂 App 播放頁界面截圖，移動端豎屏，視覺精致，風格接近現(xiàn)代流媒體播放器。整體以深色模式為主，背景來自專輯封面的模糊擴散色，中央是大尺寸方形專輯封面，帶微弱陰影和圓角。頂部狀態(tài)欄時間 18:26。導航欄左側(cè)返回箭頭，中間標題 正在播放，右側(cè)更多操作圖標。 頁面需包含以下信息并排版真實： 歌曲名：海邊的晚風 歌手：林秋 專輯名：夏夜實驗室 播放進度條，當前時間 01:42，總時長 04:18 進度條下方為拖動圓點 控制按鈕包括 隨機、上一首、播放暫停、下一首、循環(huán) 下方有歌詞區(qū)域，顯示 5 到 7 行滾動歌詞，其中當前播放行高亮，其余行弱化 再下方有 喜歡、評論、下載、收藏到歌單、分享 按鈕行 頁面底部有設備投放與播放隊列入口 要求： 歌詞排版要有真實的音樂播放器體驗 深色層級、按鈕圖標、進度條反光與陰影要真實 中英文數(shù)字混排自然 整體像可直接上架的產(chǎn)品界面，而不是 Dribbble 概念稿

光是左邊GPT-Image-2給我做了一個專輯封面，這一點就已經(jīng)贏了。

然后我還把我的賬號截圖發(fā)給了 GPT 和 Banana，讓他給我做一個抖音直播的預告封面。

給這個賬號制作一張抖音直播預告圖，直播內(nèi)容和時間你來設計

左GPT右

只能說左邊GPT-Image-2真的贏麻了，它自己設計的這些內(nèi)容以及看點，我看了都想直接拿來用。

4｜一致性

除了文生圖，我現(xiàn)在還特別依賴生圖模型對于圖片二次處理的能力。

也就是說，我希望它能夠保持我上傳的參考圖片的風格，或者保持參考圖片中主體的一致性，這兩點都非常重要。

所以我也對比了Image2和 Banana的人物一致性能力。這里我直接用兩個表情包，分別看看它們對動畫人物和真實人物的一致性都能保持得怎么樣。上來就讓它們生成十六宮格表情包。

生成一個有著銀色長發(fā)和藍色眼瞳的二次元動漫少女的十六宮格表情圖。她的臉型、發(fā)型、服裝必須在所有格子里保持高度一致。十六個表情需要包含：開心、難過、憤怒、驚訝、害羞、無語、壞笑、沉思、好奇、得意、委屈、鄙視、困惑、害怕、流淚、以及一個愛心的表情。

左GPT右

好家伙，原來芙莉蓮可以有這么多表情的嗎？不過我覺得其實兩方的差別不是很大。硬要說的話，我其實更喜歡左邊GPT-Image-2給我分格的形式，右邊所有芙莉蓮的耳朵都連在一起了。

那再來看看這個哈利波特呢，這是劇版小哈利波特的劇照，什么時候上映啊。

這場我給到平局。右邊Banana在保持人物臉型和發(fā)型的一致性上做得非常好，中間Image-2則在表情的多樣性上小勝一把。

我還做了一個產(chǎn)品場景的，先讓GPT 5.4了解一下常用的產(chǎn)品打光有哪些類，然后再讓Image-2根據(jù)一個參考的香水圖片，一次性輸出多宮格圖片。

上GPT下

5｜圖片參考

再到圖片參考這一塊，也是我們使用頻率很高的圖片二次編輯能力。

這里我跟家里小貓一拍即合，給它做一個肯德基的聯(lián)名海報，

以「77（貓的名字）X肯德基」聯(lián)名企劃為主題，圍繞同一只寵物（形象、花色等與上傳圖片絕對一致）生成一張聯(lián)名海報。統(tǒng)一寵物形象與肯德基品牌識別（紅白配色、經(jīng)典LOGO、餐廳場景等）的前提下，讓小貓穿肯德基員工制服、帶上肯德基員工帽子，佩戴工牌站在柜臺前、兜售炸雞、漢堡和套餐、與炸雞桶、薯條、汽水等元素互動等。畫面風格活潑、有趣、具有商業(yè)聯(lián)名感，適合用于線上宣傳與活動海報。然后自由的為這張海報添加合適的中文內(nèi)容。

可以看到兩邊的小貓的形象都還和原圖保持了一致。但是整體的畫面豐富度，包括下面還有一個聯(lián)名限定，我覺得都是中間的GPT-Image-2做的會更好。右邊 Banana 做出來的就有點呆了。

而且，GPT的圖片編輯的交互方式也很爽，

直接點擊圖片，左下角就有個編輯功能，比方說，我在這里把麥當勞風分別改成了肯德基，漢堡王，麥當勞跟愛馬仕的聯(lián)名。我拿放大鏡看了一下，細節(jié)部分處理得非常好，背后套餐小圖上面的 Logo，底下收銀機上面的文字，都是可以對上的。

再看海報復刻，

左邊我給了一張風格化非常強的一版海報，然后丟給Image2和Banana，讓他們?nèi)涂蹋牙锩娲禾靾鼍暗膬?nèi)容改成冬天。

可以看到，其實中間的GPT-Image-2和右邊的Banana對于整個風格的復刻做得都很不錯，包括字體和圖片的樣式，都和原圖保持了非常一致的風格。

如果要論細節(jié)的話，可能中間Image-2那張圖的九宮格截圖更具有膠片的顆粒感，與原圖的一致性會更高一點點。

然后再來看看我們也經(jīng)常會用到的圖片翻譯功能，

給這張漫畫頁上色并翻譯成中文放到圖中原來的位置，保持構(gòu)圖和圖片細節(jié)的一致

真要說的話，右邊GPT-Image-2的文字沒有翻譯完整，人物的名字沒有翻譯，但是中間這個Banana的翻譯效果當時我抽了很久，文字總有那么幾次不太穩(wěn)定的時候，真要論文字穩(wěn)定Image-2我可以給到夯！

最后，

同樣是圖片反推提示語，再讓模型文生圖，GPT-image-2（中間）的細節(jié)我能到夯！

呼，測試到這，

當我再去翻GPT的圖庫時，

回想到當時GPT4o爆火，還是因為生成那種抖動性的iPhone圖。

這種突然的反超我真覺得是AI最有魅力的點，

充滿了不確定性。

今天，你可能覺得某個模型是編程第一。

明天，就可能有一個新的選擇出現(xiàn)，

它會用一種全新的思路來解決過去頭疼的問題。

這種你追我趕的狀態(tài)會倒逼整個生態(tài)越來越好，

使用的門檻越來越低。

放到26年的今天，一個創(chuàng)作者訂閱著十幾個不同的AI會員一點都不離譜。

但這件事，如果放在23年，光是訂閱費就心痛。

那個時候得挑著用，選著用，

從一堆感覺能用的模型里邊，

選擇一個看起來還行的。

但現(xiàn)在，這種體驗和感受已經(jīng)變成了，

我這個也想用，那個也想用。

沒有誰能代替得了誰，

大家都是越做越好了。

@ 作者 / 卡爾 & 阿湯

最后，感謝你看到這里如果喜歡這篇文章，不妨順手給我們點贊｜在看｜轉(zhuǎn)發(fā)｜評論

如果想要第一時間收到推送，不妨給我個星標

如果你有更有趣的玩法，歡迎在評論區(qū)聊聊

更多的內(nèi)容正在不斷填坑中……