GPT-4o 上半年带来的那波热度，不仅让奥特曼感受到了 GPU 融化的气息，也让生图、理解视觉几乎变成了所有大模型的标配卖点。

但到了今年下半年，真正刷足存在感的却是那根「香蕉」：Nano Banana。

为了抢回头把交椅，OpenAI 今天正式推出了最新图像视觉模型 GPT-Image-1.5。这也是继 GPT-5.2 之后，OpenAI 红色警报计划中又一记重拳。

省流版如下：

指令执行更准确

编辑更精确

细节保留更完整

比之前快 4 倍

告别「抽卡」玄学，编辑细节能力拉满

GPT-Image-1.5 最大的升级点在于「精准编辑」。

以前用 AI 改图，简直像碰上了一个听不懂人话的「托尼老师」，你只想修修刘海，它反手就给你剃了个光头。现在，模型终于听懂了人话。你改哪里，它就动哪里。

光线、构图、人物特征，在输入、输出和后续编辑的闭环都能保持一致性。

听起来很抽象？看看官方给出的示例。

将两个男性和一只狗合成到一张 2000 年代胶片风格的儿童生日派对照片中 →

添加背景中吵闹投掷东西的孩子们 →

将左边的男人改为复古手绘风格，把狗变成毛绒玩具风格，右边男子和背景保持不变 →

为所有人换上 OpenAI 毛衣 →

最后只保留狗，把画面放入一场 OpenAI 的直播中……

一套连招下来，画面逻辑居然没崩。这说明 GPT-Image-1.5 不再是靠「蒙」，而是真的理解了画面结构，并完成增删改查。而能改得准、稳得住，才是现在的技术护城河。

再来看几个我实际测试的案例。

你或许看过《千里江山图》这幅传世名作，但你或许还遗漏了亿点点细节。

同理可得，谁说《百骏图》里，不能突然出现一只从现代穿越过来的网红柴犬 Kabosu。

就连马斯克和扎克伯格那场没打成的笼中决斗，在 GPT-Image-1.5 的加持下，一次性就成功把主角换成了奥特曼。脸没崩，违和感也几乎为零。

我们要一张细节丰富、逼真写实的极端仰拍照片，马斯克坐在珠江岸边单手搭着广州塔尖。为了体现巨物感，还得在他的脚边撒上微小的游船和游客。

结果，它也确实懂了什么是「比例感」。

▲提示词：一张细节丰富、逼真写实的极端仰拍照片，画面中的马斯克正在坐在珠江岸边，一只手搭在广州塔的塔尖上，为了体现巨大的体型比例，可在他的脚边加入一些微小的游船、观光游客等，2K，16：9

终于不再画「鬼画符」，但中文表现……

相比初版图像模型，GPT-Image-1.5 更擅长遵循复杂、细致的指令，能保持各元素之间的预设关系。

官方展示了一个 6x6 的网格图案例，每一行都要按指定内容布置，希腊字母、动物、物品、图标、单词，模型排列得井井有条，强迫症看了都得说声舒服。

经过实测，把线稿转成真实图片这种操作，现在也成了基操。

文本渲染能力也进一步提升，能更好地处理密集、小字体内容。比如将一段 Markdown 格式的内容呈现为自然的报纸文章布局，内容包括 GPT-5.2 发布说明、性能基准对比等，格式和数字都能保持完整准确。

这个能力听起来可能不起眼，但对于需要生成海报、宣传图、信息图表的用户来说，简直是刚需。

在 Nano Banana Pro 出现之前，生成式 AI 的文本渲染一直抽象得离谱，现在终于能看了。不过我们得泼盆冷水，GPT-Image-1.5 的英文能力确实能打，但中文表现依然是灾难现场。

我让它画个「擎天柱征服火星」的中文漫画，它能给你自创一门火星文。

亦或者让其生成一张古人在墙壁写水调歌头的图片，不仅文字错漏百出，握笔姿势还居然是拿钢笔的手法。

好在生成速度快了 4 倍，这边还在画着，那边你可以同时开几个新任务，试错成本大大降低。物体知识储备也还算在线，问它往水里加盐鸡蛋会怎样，生成的图片倒是有模有样。

▲左为原图，右为生成的图片。提示词：如果往水中加入大量盐，生成一张图片，展示鸡蛋会发生什么。

博主 @Yuchenj_UW 则认为 GPT Image 1.5 的生成效果大致达到了 Nano Banana Pro 水准，但「智商 / 推理能力」明显落后于 Nano Banana Pro，尤其在数学题上（以及其他物理 / 迷宫类问题）表现更差。

你的下一位设计师，何必是人？ChatGPT 申请出战

OpenAI 这次还在 ChatGPT 里专门开辟了一个图像创作入口。

网页和移动端侧边栏都能看到这个新入口，里面塞满了预设滤镜和热门提示词，还会定期更新。上传一次肖像，以后张张都是你，不用反复喂图。

说实话，这功能 Nano Banana 没有，但国内的生图模型早就玩烂了。 某种程度上，GPT-Image-1.5 也算是在摸着国内同行的石头过河。

刚刚，奥特曼也在社交媒体上分享了自己用 GPT-Image-1.5 生成的圣诞性感月历男模照片。

来都来了，我们也顺手给奥特曼换了几套皮肤。贴纸风、摇头娃娃风、素描风，预计今天过后，奥特曼又要成为互联网上最忙的男人。

有个细节很值得点赞，当你要求生成预设方案时，OpenAI 会公开预设的提示词。从这一点来看，OpenAI 确实 open 了。

除此之外，制作贺卡、创建专辑封面，修复老照片，拍摄专业求职照片等也都是非常实用的预设方案。比如，那张经典的鲁迅和泰戈尔的合照，经过修复后，其实效果还是挺不错。

OpenAI 应用 CEO Fidji Simo 在博客中写道：「人类的思维并不只是由文字组成。事实上，我们最有创意的想法，往往起源于脑海中的图像、声音、动作或模式。」

她透露，ChatGPT 正在从一个反应式、以文本为核心的产品，转变为一个更直观、更能贴合你各种任务需求的工具。从纯文字向多媒体和动态界面转变，是这一进化过程中的重要一步。

很多用户第一次接触 ChatGPT，都是通过文字生成图片。这种「把文字变成画面」的过程充满魔力，但 ChatGPT 的聊天界面最初并不是为此设计的。图像创作和编辑是一种完全不同的任务，需要专门的视觉空间来支持。

OpenAI 干脆给它搞了个专属入口，让图像生成有了一个更像创意工作室的环境。

计划还不止于此。

OpenAI 未来还将引入更多视觉元素，优化 ChatGPT 的整体体验。未来在进行搜索查询时，结果将更多地包含图片和清晰来源。在单位换算或查阅体育比分等任务中，你需要的是一目了然的可视化结果，而不是一段文字描述。

甚至写作体验也在改，未来内置的写作模块让你在聊天中就能直接编辑，还能一键导出 PDF 或直接调用邮件应用发送。ChatGPT 早已不是一款单纯的语言模型，它正在变成一个真正的多模态工作台。

当然，除了普通用户，开发者也能通过 API 用上 GPT-Image-1.5。

相比 GPT-Image-1，GPT-Image-1.5 具备更强的品牌元素与关键视觉保持能力，适合电商、品牌营销等需要生成大量变体图片的场景。图像输入输出费用降低 20%，同样预算可生成更多图像。

降价 + 提效，这套组合拳打得还是挺实在的。

除此之外，迪士尼上周已经宣布向 OpenAI 投资 10 亿美元，并达成了合作协议。根据这项为期三年的授权协议，OpenAI 旗下的 Sora 和图像生成模型都能生成迪士尼、漫威、皮克斯和星球大战旗下角色，并计划在明年初正式上线相关功能。

内容 IP 加 AI 生成，这背后想象空间确实挺大。

更重要的是，GPT-Image-1.5 的发布，标志着图像生成工具正在从「玩具」向「工具」转变。

目前市面上大多数 AI 改图工具，一改就崩，毫无一致性可言。

GPT-Image-1.5 至少在这个方向上迈出了坚实的一步。它开始具备后期编辑能力，能像 Nano Banana Pro 一样控制细节，确保画面连贯。

在模型能力较弱的情况下，GPT-Image-1.5 通过更完善的图片生成预设方案， 以及功能设置来完成对新版 Nano Banana 的反击， 也确实是不错的选择。

专属图像创作入口、预设滤镜库等等，这些看似不起眼的产品设计， 恰恰击中了普通用户的痛点。很多人并不需要最强的模型， 他们需要的是「能快速上手、不用反复调教、生成结果八九不离十」的工具。

模型能力领先只是第一步， 如何把能力转化为好用、易用、爱用的产品，才是真正的护城河。