反超Nano Banana！OpenAI旗艦圖像生成模型上線

Jay 發(fā)自 凹非寺量子位 | 公眾號 QbitAI

OpenAI的紅色預警，還在發(fā)力。

憋了大半年的圖像生成模型——GPT-Image-1.5，終于發(fā)布。

官方表示，本次更新主要有四個亮點：

• 更嚴謹?shù)闹噶钭裱?/li>
• 精確編輯；
• 細節(jié)保留；
• 速度比以前快4倍。

感覺……這是要全面對標Nano Banana了啊。

目前的玩法也很類似。比如，將汽車顏色改為橙色。

拯救這個被烤焦的餅。

根據(jù)奶昔架、芝士漢堡等元素，做一個復古風格的餐館廣告。

指令遵守和精確編輯方面，的確比之前強了不少。

而且今天就能用上了，GPT-Image-1.5將在ChatGPT中面向所有用戶推出，并在API中作為GPT Image 1.5推出。

OpenAI最強圖像生成模型

被谷歌一輪正面「拷打」之后，OpenAI藏了大半年的GPT-Image-1.5，終于憋不住了。

這個旗艦級圖像生成模型，主打精準編輯、細節(jié)保留，圖像生成速度最高提升4倍。所有改進，都指向同一個產(chǎn)品理念——實用性

編輯圖像時，GPT-Image-1.5對指令的遵循更加嚴謹：光照、構(gòu)圖、人物外觀等關鍵要素，能夠在輸入、輸出及多輪編輯中保持高度一致。

例如：生成一張2000年代膠片相機風格的照片，畫面中兩名男子和一條狗出現(xiàn)在孩子的生日派對上，神情略顯無聊。

在不改變原始畫面結(jié)構(gòu)的前提下，還可以「加戲」，邀請一群小朋友入鏡搗蛋，整體風格與細節(jié)依然能保持一致。

在圖像風格層面，真實感也有了明顯提升。比如下面這個Prompt：

• 拍攝一張20世紀70年代倫敦切爾西的場景照片，畫面要逼真，所有景物清晰對焦，人群密集，還有一輛公交車，車身貼著「ImageGen 1.5」的廣告，廣告上印有OpenAI標志和「創(chuàng)造你的想象」的副標題。整體風格像業(yè)余攝影作品，iPhone快照畫質(zhì)……

左邊是新模型，右邊是舊模型，差距還是挺明顯。

即便是更偏創(chuàng)意的任務，同樣能夠穩(wěn)定保留關鍵信息與人物特征。

• 根據(jù)這兩位男士的圖片，制作一張名為《Codex》的好萊塢黃金時代電影海報。演員姓名改為Wojciech Zaremba（左）和Greg Brockman（右），由奧特曼執(zhí)導，菲吉·西莫制片，AGI影業(yè)出品。

創(chuàng)作一張深海生物在不同深度的海報，采用垂直海洋剖面圖，風格為精美細致的日式動漫風格。

前段時間，Nano Banana在答題卡上寫「小作文」的能力火爆全網(wǎng)。GPT也能實現(xiàn)了。

這次，GPT-Image-1.5在文本渲染上進步明顯，能夠處理更密集、更小字號的文字。甚至可以根據(jù)給定資料，直接把GPT-5.2的技術(shù)報告做出來了。

除了模型能力的升級，產(chǎn)品形態(tài)也隨之調(diào)整。

OpenAI在ChatGPT中新增了專門的圖片板塊，內(nèi)置數(shù)十種濾鏡與Prompt，可通過App側(cè)邊欄或官網(wǎng)直接訪問。

來到Benchmark環(huán)節(jié)，自然少不了「秀肌肉」。

評測機構(gòu)Artificial Analysis指出，GPT-Image-1.5在文本轉(zhuǎn)圖像圖像編輯方面中均位列第一，超過Nano Banana Pro。

不過，在更強調(diào)精細化圖像編輯能力的GenAI Image Editing Showdown中，GPT-Image-1.5仍未能反超谷歌。

但值得注意的是，其指令遵守率高達90%，斷層式領先

按照OpenAI的說法，該模型將于今日起面向全球所有ChatGPT用戶與API用戶全面開放。

定價方面，GPT-Image-1.5的API相較上一代GPT Image 1，輸入與輸出成本整體下降20%。

具體價格因分辨率而異：

• 高質(zhì)量圖像約為每千張133美元；
• 低質(zhì)量圖像約為每千張9美元。

不得不說，這波谷歌立大功。（doge）

世界理解，還得看香蕉？

「精細編輯+降價」，OpenAI這次，看來是鐵了心要把圖像功能推向生產(chǎn)力工具。

新模型發(fā)布后，曾任微軟AI副總裁、現(xiàn)就職于OpenAI的Sebastien Bubeck也第一時間下場，為GPT-Image-1.5站臺。

但質(zhì)疑也隨之而來。

有網(wǎng)友指出，GPT-Image-1.5在「理解世界」這一層面，似乎仍不如Nano Banana：

• 問題太多了。左邊球體中的「線」是由三個不相連的環(huán)組成，每個方程式都有錯……像是在憑感覺做數(shù)學題？

對此，Sebastien Bubeck解釋道：

• 這只是做著玩的，如果是正式海報，肯定會在此基礎上迭代。

事實上，對GPT-Image-1.5世界理解能力的質(zhì)疑，并非個例。

AI社區(qū)的知名「內(nèi)部」人士，Jimmy Apples在評測后直言：

• 相比上一代提升很大，但不如香蕉聰明。

具體而言，他認為：如果只是創(chuàng)意性工作，影響不大；但如果是做PPT，GPT-Image-1.5給出的圖片可能會有信息錯誤。

• Nano Banana感覺更像一個世界模型。

[1]https://x.com/ArtificialAnlys/status/2001016199094948185?s=20
[2]https://x.com/SebastienBubeck/status/2001038641469194588?s=20
[3]https://x.com/apples_jimmy/status/2001053915278926228?s=20
[4]https://genai-showdown.specr.net/image-editing
[5]https://openai.com/index/new-chatgpt-images-is-here/