GPT-4o 上半年帶來的那波熱度，不僅讓奧特曼感受到了 GPU 融化的氣息，也讓生圖、理解視覺幾乎變成了所有大模型的標配賣點。
但到了今年下半年，真正刷足存在感的卻是那根「香蕉」：Nano Banana。
為了搶回頭把交椅，OpenAI 今天正式推出了最新圖像視覺模型 GPT-Image-1.5。這也是繼 GPT-5.2 之后，OpenAI 紅色警報計劃中又一記重拳。
自動播放建議戴耳機食用
省流版如下：
指令執行更準確
編輯更精確
細節保留更完整
比之前快 4 倍
告別「抽卡」玄學，編輯細節能力拉滿
GPT-Image-1.5 最大的升級點在于「精準編輯」。
以前用 AI 改圖，簡直像碰上了一個聽不懂人話的「托尼老師」，你只想修修劉海，它反手就給你剃了個光頭。現在，模型終于聽懂了人話。你改哪里，它就動哪里。
光線、構圖、人物特征，在輸入、輸出和后續編輯的閉環都能保持一致性。
聽起來很抽象？看看官方給出的示例。
將兩個男性和一只狗合成到一張 2000 年代膠片風格的兒童生日派對照片中 →
添加背景中吵鬧投擲東西的孩子們 →
將左邊的男人改為復古手繪風格，把狗變成毛絨玩具風格，右邊男子和背景保持不變 →
為所有人換上 OpenAI 毛衣 →
最后只保留狗，把畫面放入一場 OpenAI 的直播中……
上下滑動內容
一套連招下來，畫面邏輯居然沒崩。這說明 GPT-Image-1.5 不再是靠「蒙」，而是真的理解了畫面結構，并完成增刪改查。而能改得準、穩得住，才是現在的技術護城河。
再來看幾個我實際測試的案例。
你或許看過《千里江山圖》這幅傳世名作，但你或許還遺漏了億點點細節。
同理可得，誰說《百駿圖》里，不能突然出現一只從現代穿越過來的網紅柴犬 Kabosu。
就連馬斯克和扎克伯格那場沒打成的籠中決斗，在 GPT-Image-1.5 的加持下，一次性就成功把主角換成了奧特曼。臉沒崩，違和感也幾乎為零。
我們要一張細節豐富、逼真寫實的極端仰拍照片，馬斯克坐在珠江岸邊單手搭著廣州塔尖。為了體現巨物感，還得在他的腳邊撒上微小的游船和游客。
結果，它也確實懂了什么是「比例感」。
提示詞：一張細節豐富、逼真寫實的極端仰拍照片，畫面中的馬斯克正在坐在珠江岸邊，一只手搭在廣州塔的塔尖上，為了體現巨大的體型比例，可在他的腳邊加入一些微小的游船、觀光游客等，2K，16：9
終于不再畫「鬼畫符」，但中文表現……
相比初版圖像模型，GPT-Image-1.5 更擅長遵循復雜、細致的指令，能保持各元素之間的預設關系。
官方展示了一個 6x6 的網格圖案例，每一行都要按指定內容布置，希臘字母、動物、物品、圖標、單詞，模型排列得井井有條，強迫癥看了都得說聲舒服。
經過實測，把線稿轉成真實圖片這種操作，現在也成了基操。
文本渲染能力也進一步提升，能更好地處理密集、小字體內容。比如將一段 Markdown 格式的內容呈現為自然的報紙文章布局，內容包括 GPT-5.2 發布說明、性能基準對比等，格式和數字都能保持完整準確。
這個能力聽起來可能不起眼，但對于需要生成海報、宣傳圖、信息圖表的用戶來說，簡直是剛需。
在 Nano Banana Pro 出現之前，生成式 AI 的文本渲染一直抽象得離譜，現在終于能看了。不過我們得潑盆冷水，GPT-Image-1.5 的英文能力確實能打，但中文表現依然是災難現場。
我讓它畫個「擎天柱征服火星」的中文漫畫，它能給我自創一門火星文。
亦或者讓其生成一張古人在墻壁寫水調歌頭的圖片，不僅文字錯漏百出，握筆姿勢還居然是拿鋼筆的手法。
好在生成速度快了 4 倍，這邊還在畫著，那邊你可以同時開幾個新任務，試錯成本大大降低。物體知識儲備也還算在線，問它往水里加鹽雞蛋會怎樣，生成的圖片倒是有模有樣。
左為原圖，右為生成的圖片。提示詞：如果往水中加入大量鹽，生成一張圖片，展示雞蛋會發生什么。
博主 @Yuchenj_UW 則認為 GPT-Image-1.5 的生成效果大致達到了 Nano Banana Pro 的「專業級」水準，但「智商/推理能力」明顯落后于 Nano Banana Pro，尤其在數學題上（以及其他物理/迷宮類問題）表現更差。
你的下一位設計師，何必是人？ChatGPT 申請出戰
OpenAI 這次還在 ChatGPT 里專門開辟了一個圖像創作入口。
網頁和移動端側邊欄都能看到這個新入口，里面塞滿了預設濾鏡和熱門提示詞，還會定期更新。上傳一次肖像，以后張張都是你，不用反復喂圖。
說實話，這功能 Nano Banana 沒有，但國內的生圖模型早就玩爛了。 某種程度上，GPT-Image-1.5 也算是在摸著國內同行的石頭過河。
剛剛，奧特曼也在社交媒體上分享了自己用 GPT-Image-1.5 生成的圣誕性感月歷男模照片。
來都來了，我們也順手給奧特曼換了幾套皮膚。貼紙風、搖頭娃娃風、素描風，預計今天過后，奧特曼又要成為互聯網上最忙的男人。
有個細節很值得點贊，當你要求生成預設方案時，OpenAI 會公開預設的提示詞。從這一點來看，OpenAI 確實 open 了。
除此之外，制作賀卡、創建專輯封面，修復老照片，拍攝專業求職照片等也都是非常實用的預設方案。比如，那張經典的魯迅和泰戈爾的合照，經過修復后，其實效果還是挺不錯。
OpenAI 應用 CEO Fidji Simo 在博客中寫道：「人類的思維并不只是由文字組成。事實上，我們最有創意的想法，往往起源于腦海中的圖像、聲音、動作或模式。」
她透露，ChatGPT 正在從一個反應式、以文本為核心的產品，轉變為一個更直觀、更能貼合你各種任務需求的工具。從純文字向多媒體和動態界面轉變，是這一進化過程中的重要一步。
很多用戶第一次接觸 ChatGPT，都是通過文字生成圖片。但 ChatGPT 的聊天界面最初并不是為此設計的。圖像創作和編輯是一種完全不同的任務，需要專門的視覺空間來支持。于是，OpenAI 干脆給它搞了個專屬入口，讓圖像生成有了一個更像創意工作室的環境。
甚至寫作體驗也在改，未來內置的寫作模塊讓你在聊天中就能直接編輯，還能一鍵導出 PDF 或直接調用郵件應用發送。ChatGPT 早已不是一款單純的語言模型，它正在變成一個真正的多模態工作臺。
當然，除了普通用戶，開發者也能通過 API 用上 GPT-Image-1.5。
相比 GPT-Image-1，GPT-Image-1.5 具備更強的品牌元素與關鍵視覺保持能力，適合電商、品牌營銷等需要生成大量變體圖片的場景。圖像輸入輸出費用降低 20%，同樣預算可生成更多圖像。
降價+提效，這套組合拳打得還是挺實在的。
除此之外，迪士尼上周已經宣布向 OpenAI 投資 10 億美元，并達成了合作協議。
根據這項為期三年的授權協議，OpenAI 旗下的 Sora 和圖像生成模型都能生成迪士尼、漫威、皮克斯和星球大戰旗下角色，并計劃在明年初正式上線相關功能。
內容 IP 加 AI 生成，這背后想象空間確實挺大。
更重要的是，GPT-Image-1.5 的發布，標志著圖像生成工具正在從「玩具」向「工具」轉變。
目前市面上大多數 AI 改圖工具，一改就崩，毫無一致性可言。
GPT-Image-1.5 至少在這個方向上邁出了堅實的一步。它開始具備后期編輯能力，能像 Nano Banana Pro 一樣控制細節，確保畫面連貫。
在模型能力較弱的情況下，GPT-Image-1.5 通過更完善的圖片生成預設方案， 以及功能設置來完成對新版 Nano Banana 的反擊， 也確實是不錯的選擇。
專屬圖像創作入口、預設濾鏡庫等等，這些看似不起眼的產品設計， 恰恰擊中了普通用戶的痛點。很多人并不需要最強的模型， 他們需要的是能快速上手、不用反復調教、生成結果八九不離十的工具。
模型能力領先只是第一步， 如何把能力轉化為好用、易用、愛用的產品，才是真正的護城河。
