OpenAI 於 9 月 8 日推出 ChatGPT Images 2.5，承諾提供更銳利的細節、更豐富的紋理、更自然的光線、更精準的編輯，以及比 Images 2.0 低達 50% 的圖像生成延遲。

在六大類別的比較中，Nano Banana 2 贏得三項測試，ChatGPT Images 2.5 則贏得另外三項。結果的差異主要不是來自明顯的品質差距，而是一些可核對的小錯誤，包括拼字錯誤，以及研究型資訊圖表中的錯誤日期。

OpenAI 表示，相較於 Images 2.0，延遲最多降低 50%。該公司也新增兩個 API 模型：GPT-Image-2.5 Flare，作為快速預設模型；以及 GPT-Image-2.5 Sunburst，專為高階編輯精準度而設計。

這次比較延續了 5 月發布的早期測試，當時 GPT Image 2 和 Nano Banana 2 在八個類別中互有勝負。GPT Image 2 贏得較多類別，但在提示詞同時包含許多限制時，會產生明顯的過度銳化瑕疵。這也讓下一個模型面臨一個問題：OpenAI 能否修正這項問題？

這一輪測試中，同一名評測者採用了六個延續自早期測試或經過調整的類別，並向兩個模型提交相同的提示詞。Google 方面使用的是 Nano Banana 2，也就是 Google 對 Gemini 3.1 Flash Image 的稱呼，而不是速度較慢、處理方式更審慎的 Nano Banana Pro。因此，這次測試比較的是 OpenAI 新推出、兼具速度與精準度的模型，以及 Google 同級的產品。

GPT-Image-2.5 有哪些變化

OpenAI 的圖像模型過去一直帶有各自鮮明的缺陷。最初 GPT Image 1 背後的模型出現持續性的暖黃色偏色，使用者稱之為「piss filter」。OpenAI 從未完全解釋或修正這種色調。

GPT Image 2 則以另一個問題取代了前述缺陷：當提示詞堆疊過多限制時，生成的圖像可能會過度銳化，充滿粗糙、過度處理的瑕疵。

這兩個問題都沒有在本次測試中出現。ChatGPT Images 2.5 生成的圖像，即使提示詞複雜度達到最高，仍能維持色彩平衡與細節。前兩代出現的黃色偏色和過度銳化現象都已消失。這項改進在蒸汽龐克與肖像測試中尤其明顯，兩者生成了我們在三代模型測試中看過、攝影一致性最高的 ChatGPT 圖像。

OpenAI 也推出了一些單純圖像對比測試無法呈現、但對工作流程很重要的功能。Sketch 讓使用者能直接在 ChatGPT 中繪製粗略布局，作為生成參考。其他新增功能包括提示詞分享、針對特定圖像區域的內嵌評論，以及海報與商品的格式範本。在 API 方面，品質層級現在從 low 延伸至全新的 high 和 max，超越 Images 2.0 原先的最高級別。

以下是兩個模型在六個類別中的表現。

文字密度：Kellerman’s Hardware 場景

第一項測試呈現一個凌晨 2 點的粗獷街口，幾乎每個表面都包含可讀文字：褪色招牌、噴漆塗鴉、店面乙烯基字樣、撕破的演唱會海報、模板噴漆路緣，以及貼滿貼紙的公共電話。

Nano Banana 2 幾乎清楚地生成了所有文字。主要錯誤是一張公共電話貼紙以混亂的形式重複自身文字，這是容易被忽略的小瑕疵。

ChatGPT Images 2.5 加入了 Nano Banana 2 完全省略的細節：一根電線桿上貼著重疊、以訂書釘固定的傳單，傳單如提示詞描述般破損且風化。然而，模型生成的街頭藝術標籤看起來像是「STILLL HERE」，多了一個 L。褪色招牌上的「KELLERMAN’S」也缺少撇號，或難以辨讀。

雖然 OpenAI 生成的整體場景更寫實，但在一項核心是精準文字生成的測試中，出現了兩個可分開辨識的可讀性錯誤。Nano Banana 2 贏得此類別。

優勝者：Nano Banana 2

空間感知：蒸汽龐克鐘樓

這項空中構圖測試要求呈現五個深度平面的場景，其中包含一座巨大的鐘樓。鐘面應以可讀的羅馬數字顯示不同時間，另有六個文字元素分布在前景至背景之間。

ChatGPT Images 2.5 生成的氛圍明顯更強。蒸汽從屋頂清楚升起，河流穿過中景，五個深度平面之間的色調範圍也更加豐富。文字同樣更容易閱讀。

Nano Banana 2 的氛圍較為扁平。它的兩個可見鐘面確實生成了清楚的羅馬數字——XII、III、VI 和 IX——但兩個鐘面的指針位置相近，沒有遵循提示詞要求顯示不同時間。

ChatGPT Images 2.5 因為更準確地遵循指示，同時沒有犧牲寫實感而獲勝。

優勝者：ChatGPT Images 2.5

插畫：動漫靈媒

提示詞要求生成 Studio Ufotable 風格的主視覺：一名女孩在鳥居前轉化為靈性能量，身旁有一隻九尾狐，背景是以 Makoto Shinkai 風格描繪的暮色天空。

ChatGPT Images 2.5 生成了整個測試系列中最出色的天空。畫面包含清楚可見的太陽圓盤、水面倒影，以及支持 Shinkai 比喻的山巒剪影。角色不對稱的雙眼也呈現得很好。

模型對女孩應「溶解成能量」的指示沒有完全按照字面呈現。它將這個概念重新詮釋為穿過女孩頭髮的電光效果，而不是提示詞所描述的流動、半透明溶解。Nano Banana 2 輕柔的藍白色能量軌跡，更接近該項具體指示。

兩個模型都沒有生成令人信服的九尾狐。不過，ChatGPT Images 2.5 仍憑藉整體視覺效果獲勝。

優勝者：ChatGPT Images 2.5

寫實感：屋頂上的建築師

這幅電影感肖像包含許多獨立限制：米色風衣、圓框眼鏡、藍圖必須拿在左手、黃金時刻光線、淺景深，以及底片顆粒。

ChatGPT Images 2.5 生成了出色的光線效果，太陽圓盤直接位於人物身後，皮膚微觀紋理也很優秀。皮膚過於平滑，但周遭場景高度寫實，像是以類比相機拍攝的照片。

加入通常會降低攝影品質的指示，意外地提高了圖像的寫實感。其中一個版本加入了「realistic, highlights, crushed shadows, uneven flash, blown out skin tones, candid moment, shot on a phone camera」等關鍵詞。

Nano Banana 2 保留了更完整的構圖，並將藍圖放在人物右手，而不是要求的左手。不過，它在藍圖上加入了清晰可讀的標籤：「PROJECT: 124 DUANE ST」，這是多數生成結果都省略的細節。

Nano Banana 2 贏得單張圖像比較，而 ChatGPT Images 2.5 在重複迭代方面被評為更強。

優勝者：單張圖像為 Nano Banana 2；重複迭代為 ChatGPT Images 2.5

代理式研究：比特幣時間軸

兩個平台都能在生成圖像前先研究主題。這項測試要求製作一張寬螢幕、兒童畫風格的比特幣歷史時間軸，並嚴格要求事實準確。這是比較中最重要的類別，也是兩個模型差距最大的地方。

ChatGPT Images 2.5 生成了一張整潔的兩行資訊圖表，包含許多具體日期，但其中一個日期錯誤。它將 2023 年標示為美國批准比特幣交易所交易基金的年份。美國證券交易委員會實際上是在 2024 年 1 月 10 日批准首批現貨比特幣 ETF，晚了一整年。原文指出，這項差異可能源於詮釋問題，因為期貨 ETF 確實是在該年獲得批准。

Nano Banana 2 生成的時間軸結構較不完整，但描繪了類似事件。它以「2023–2024」的區間表示 ETF 獲批和第四次減半，而不是斷言一個錯誤年份。因此，它列出的日期沒有任何一個在技術上是錯誤的。

Nano Banana 2 獲勝，因為在一項旨在評估「代理式推理」能否產生準確研究結果的測試中，自信地給出錯誤日期更加嚴重。

優勝者：Nano Banana 2

抽象概念：由虛構詞彙組成的提示詞

最後一項提示詞幾乎完全由虛構術語組成：「A woman eating shmfiyxl in Lyxin. Next to her, her Lymglsushing plays Lakishkark.」這道菜、地點、同伴和活動都沒有字典定義，因此兩個模型都必須自行創造含義，並決定如何呈現。

ChatGPT Images 2.5 將這些無意義詞彙直接融入場景，作為可見文字。「Lyxin」出現在一家時髦未來感餐廳上方的霓虹招牌上，而「Lakishkark」則印在女性外星桌伴正在玩的桌遊盒上。模型將虛構詞彙轉化為可讀的招牌，使它們從抽象概念變得具體。

Nano Banana 2 採用了不同方法。它生成了一個溫暖且具有明確文化特色的場景：一個瓜地馬拉市場攤位、一名穿著傳統 huipil 的女性，以及一個正在演奏弦管混合樂器的獸人般生物。它將「plays」理解為演奏音樂，而不是玩遊戲，這是不同但同樣合理的解讀。

然而，畫面中沒有任何內容特別指向「Lyxin」或「Lakishkark」，兩個虛構詞彙也都沒有以可見文字出現。ChatGPT Images 2.5 獲勝，因為將未定義概念轉化為可讀標籤，是對一個沒有提供既定含義的提示詞更貼近字面的回應。

優勝者：ChatGPT Images 2.5

結論

Nano Banana 2 在六個類別中贏得三項，使這次比較基本上打成平手。結果取決於使用者的期望，以及模型的使用方式。

ChatGPT Images 2.5 修正了困擾前代版本的過度銳化問題。在兩輪完整測試中，它的插畫輸出可以說是兩個模型生成過、視覺效果最突出的單張圖像。

因此，模型的選擇取決於任務：文字密集型和研究型圖像更重視精確可讀性與事實核查，而插畫和重複生成工作流程則凸顯了本次測試中展現的其他優勢。這項比較沒有確立一個通用的優勝者，但確實說明了評估圖像模型不能只看單張圖像的視覺吸引力。

兩者的主要差異並不在整體品質，而在一系列細小且可驗證的細節：文字密集場景中的拼字錯誤、研究型資訊圖表中的錯誤年份，以及其他狹義的指示遵循問題。就整體美感和圖像品質而言，兩個模型大致相當。