OpenAI推出GPT-Image-1.5：图像视觉模型迎来精准编辑革命

上半年，GPT-4o引发的热潮不仅让奥特曼感受到GPU资源的极度紧张，还将图像生成与视觉理解能力推向了各大模型的标准配置。

但进入下半年，那根「香蕉」——Nano Banana却真正刷足了存在感。

为了重夺领先地位，OpenAI今日正式发布最新图像视觉模型GPT-Image-1.5。这也是继GPT-5.2之后，OpenAI红色警报计划中的又一记重拳。

精简总结如下：

指令执行更准确

编辑更精确

细节保留更完整

速度提升4倍

告别「抽卡」随机性，编辑细节能力全面升级

GPT-Image-1.5最显著的提升在于「精准编辑」功能。

以往使用AI修改图像，常遇到如同与「听不懂指令的理发师」沟通的困境：只想修剪刘海，结果却成了光头。现在，模型终于能准确理解意图，实现指哪改哪。

光线、构图、人物特征等元素，在输入、输出及后续编辑过程中均能保持高度一致性。

这听起来抽象？请看官方示例。

将两名男子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 →

添加背景中喧闹投掷物品的孩子们 →

将左侧男子改为复古手绘风格，狗变为毛绒玩具风格，右侧男子及背景保持不变 →

为所有人换上OpenAI主题毛衣 →

最后仅保留狗，将画面融入一场OpenAI直播中……

一系列操作后，画面逻辑依然稳固。这表明GPT-Image-1.5不再依赖「随机猜测」，而是真正理解了图像结构，并能执行增删改查。精准修改与稳定控制，才是当前技术的核心壁垒。

再来看几个实际测试案例。

你可能欣赏过《千里江山图》这幅传世杰作，但或许忽略了其中无数细微之处。

同理，谁规定《百骏图》中不能出现一只从现代穿越而来的网红柴犬Kabosu呢？

就连马斯克与扎克伯格那场未能成真的笼中对决，在GPT-Image-1.5加持下，也能一次性将主角替换为奥特曼。面部未崩坏，违和感近乎为零。

我们需要一张细节丰富、逼真写实的极端仰拍照片，马斯克坐在珠江岸边，单手轻搭广州塔尖。为体现巨物感，在他脚边点缀微小游船与游客。

结果，模型确实理解了「比例感」。

提示词：一张细节丰富、逼真写实的极端仰拍照片，画面中的马斯克正坐在珠江岸边，一只手搭在广州塔塔尖上，为体现巨大体型比例，可在脚边加入微小游船、观光游客等，2K，16：9

终于摆脱「鬼画符」，但中文表现仍待提升

相较于初代图像模型，GPT-Image-1.5更擅长遵循复杂细致指令，保持各元素间预设关系。

官方展示了一个6x6网格图案例，每行按指定内容排列：希腊字母、动物、物品、图标、单词，模型布置得井然有序，连强迫症患者都会称赞。

实测显示，将线稿转为真实图像已成为基础操作。

文本渲染能力也进一步增强，能更好处理密集小字体内容。例如，将一段Markdown格式内容呈现为自然报纸文章布局，包括GPT-5.2发布说明、性能基准对比等，格式与数字均保持完整准确。

此能力看似普通，但对需要生成海报、宣传图、信息图表的用户而言，实为刚需。

在Nano Banana Pro问世前，生成式AI的文本渲染一直相当抽象，如今终于可堪一用。但需指出，GPT-Image-1.5的英文能力确实出色，中文表现却仍是灾难。

令其绘制「擎天柱征服火星」的中文漫画，它竟自创一门火星文。

或令其生成古人在墙壁书写《水调歌头》的图像，不仅文字错漏百出，握笔姿势竟是钢笔手法。

所幸生成速度提升4倍，一边绘制时，可同时开启新任务，试错成本大幅降低。物体知识储备仍在线，询问往水中加盐鸡蛋会如何，生成图像倒有模有样。

左侧为原图，右侧为生成图像。提示词：若往水中加入大量盐，生成一张图像，展示鸡蛋会发生什么。

博主@Yuchenj_UW认为GPT-Image-1.5生成效果约达Nano Banana Pro「专业级」水准，但「智商/推理能力」明显落后，尤其在数学题（及其他物理/迷宫类问题）上表现更差。

你的下一位设计师，或许不再是人类？ChatGPT全新登场

OpenAI此次还在ChatGPT中专门设立了图像创作入口。

网页与移动端侧边栏均可看到此新入口，内置丰富预设滤镜与热门提示词，并定期更新。上传一次肖像，后续生成皆为你，无需反复投喂图像。

坦白说，此功能Nano Banana未有，但国内图像生成模型早已普及。某种程度上，GPT-Image-1.5正借鉴国内同行的经验。

不久前，奥特曼在社交媒体分享了自己用GPT-Image-1.5生成的圣诞性感月历男模照片。

趁此机会，我们也为奥特曼更换数套皮肤。贴纸风、摇头娃娃风、素描风，预计今日之后，奥特曼将成为互联网上最忙碌的人物。

有一细节值得称赞：当要求生成预设方案时，OpenAI会公开预设提示词。从此点看，OpenAI确实展现了开放态度。

此外，制作贺卡、创建专辑封面、修复老照片、拍摄专业求职照等均是实用预设方案。例如，那张经典的鲁迅与泰戈尔合照，经修复后效果颇为出色。

OpenAI应用CEO Fidji Simo在博客中写道：「人类思维不仅由文字构成。事实上，我们最具创意的想法，常起源于脑海中的图像、声音、动作或模式。」

她透露，ChatGPT正从反应式、以文本为核心的产品，转向更直观、更贴合多样任务需求的工具。从纯文字向多媒体与动态界面转变，是此进化过程的关键一步。

许多用户首次接触ChatGPT是通过文字生成图像。但ChatGPT聊天界面最初并非为此设计。图像创作与编辑是截然不同的任务，需专用视觉空间支持。因此，OpenAI为其设立专属入口，让图像生成拥有更似创意工作室的环境。

OpenAI的计划不止于此。未来将引入更多视觉元素，优化ChatGPT整体体验。例如，未来进行搜索查询时，结果将包含更多图片与清晰来源。在单位换算或查阅体育比分等任务中，用户需要一目了然的可视化结果，而非文字描述。

甚至写作体验也在改进，未来内置写作模块允许在聊天中直接编辑，并一键导出PDF或调用邮件应用发送。ChatGPT早已非单纯语言模型，它正转变为真正的多模态工作台。

当然，除普通用户外，开发者也可通过API使用GPT-Image-1.5。

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

降价与提效，这套组合拳颇为实在。

此外，迪士尼上周已宣布向OpenAI投资10亿美元，并达成合作协议。

根据此项三年授权协议，OpenAI旗下Sora及图像生成模型均可生成迪士尼、漫威、皮克斯和星球大战旗下角色，计划明年初正式上线相关功能。

内容IP与AI生成结合，背后想象空间巨大。

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

目前市面多数AI改图工具，一改即崩，毫无一致性可言。

GPT-Image-1.5至少在此方向迈出坚实一步。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。

此外，在模型能力相对较弱情况下，GPT-Image-1.5通过更完善的图像生成预设方案及功能设置，实现对Nano Banana新版的反击，确是明智选择。

专属图像创作入口、预设滤镜库等，这些看似简单的产品设计，恰恰击中普通用户痛点。许多人无需最强模型，他们需要能快速上手、无需反复调教、生成结果大致满意的工具。

模型能力领先仅是第一步，如何将能力转化为易用、好用、用户喜爱的产品，才是真正护城河。