OpenAI发布GPT-Image-1.5：图像编辑进入精准时代

今年上半年，GPT-4o掀起的热潮，不仅让奥特曼体会到GPU的炙热，更使得图像生成与视觉理解迅速成为各大模型的标配功能。

然而进入下半年，真正吸引眼球的却是那根「香蕉」——Nano Banana。

为重新夺回领先地位，OpenAI今日正式发布全新图像视觉模型GPT-Image-1.5。这是继GPT-5.2之后，OpenAI“红色警报”计划中的又一重大举措。

快速了解核心升级点：

指令遵循更精准

编辑操控更精确

细节保留更完整

生成速度提升4倍

告别随机生成，精准编辑细节再升级

GPT-Image-1.5的核心升级在于「精准编辑」能力。

以往使用AI修图，就像遇到一位难以沟通的理发师，你只想修剪刘海，他却直接给你剃成光头。如今，模型终于能准确理解指令，指哪改哪。

光线、构图、人物特征，在输入、输出及后续编辑的全过程中均能保持高度一致。

听起来很抽象？不妨看看官方展示的案例。

将两名男性和一只狗融入一张2000年代胶片风格的儿童生日派对照片 →

在背景中添加嬉戏打闹的孩子们 →

将左侧男子改为复古手绘风格，狗变成毛绒玩具风格，右侧男子与背景保持不变 →

为所有人换上OpenAI主题毛衣 →

最终只保留狗，并将场景切换至OpenAI的直播现场……

这一系列操作下来，画面逻辑竟然未出现混乱。这表明GPT-Image-1.5并非依靠随机生成，而是真正理解了画面结构，能够精准执行增删改查。能够改得准、稳得住，正是当前的技术壁垒。

接下来，再看几个我们实际测试的案例。

你可能欣赏过《千里江山图》这幅传世名作，但或许忽略了其中的亿点点细节。

同理，谁说《百骏图》中不能突然出现一只从现代穿越而来的网红柴犬Kabosu？

即便是马斯克与扎克伯格那场未能上演的笼中决斗，在GPT-Image-1.5的加持下，一次就成功将主角替换为奥特曼，面部未变形，违和感极低。

我们要求生成一张细节丰富、逼真写实的极端仰拍照片，画面中马斯克坐在珠江岸边，单手搭在广州塔尖，为体现巨物感，脚边还散布着微小的游船和游客。

结果，模型确实理解了什么是「比例感」。

提示词：一张细节丰富、逼真写实的极端仰拍照片，马斯克坐在珠江岸边，单手搭在广州塔尖，为体现巨大体型比例，脚边添加微小的游船和游客，2K分辨率，16:9画幅。

告别鬼画符，但中文处理仍待提升……

与初版图像模型相比，GPT-Image-1.5更能精准遵循复杂细致的指令，保持各元素间的预设关系。

官方展示了一个6x6网格图案例，每行需按指定内容排列，包括希腊字母、动物、物品、图标、单词等，模型排列得井然有序，让强迫症患者也感到舒适。

实测表明，将线稿转为真实图片已成为基础操作。

文本渲染能力亦有提升，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的报纸文章布局，包含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。

这一能力看似不起眼，但对于需要生成海报、宣传图、信息图表的用户而言，却是刚需。

在Nano Banana Pro问世前，生成式AI的文本渲染一直抽象得离谱，如今终于可看。不过仍需泼盆冷水：GPT-Image-1.5的英文能力确实出色，但中文表现仍是灾难现场。

让它绘制一张「擎天柱征服火星」的中文漫画，结果它自创了一门火星文。

又比如，让它生成一张古人在墙壁上书写《水调歌头》的图片，不仅文字错误百出，握笔姿势竟是拿钢笔的手法。

好在生成速度提升了4倍，这边还在绘制，那边可以同时开启多个新任务，试错成本大幅降低。物体知识储备也尚可，询问往水中加盐鸡蛋会怎样，生成的图片倒是有模有样。

左侧为原图，右侧为生成图片。提示词：若往水中加入大量盐，生成图片展示鸡蛋的变化。

博主@Yuchenj_UW认为，GPT-Image-1.5的生成效果大致达到Nano Banana Pro的「专业级」水准，但「智商/推理能力」明显落后于Nano Banana Pro，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，何必是人？ChatGPT申请出战

OpenAI此次还在ChatGPT中专门开辟了图像创作入口。

网页与移动端侧边栏均可看到这一新入口，内置丰富的预设滤镜和热门提示词，并定期更新。上传一次肖像，后续生成均能保持你的特征，无需反复提供图片。

坦白说，这一功能Nano Banana并不具备，但国内的生图模型早已普及。某种程度上，GPT-Image-1.5也是在借鉴国内同行的经验。

不久前，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。

既然来了，我们也顺手为奥特曼换了几套造型，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碌的男人。

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

此外，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。例如，那张经典的鲁迅与泰戈尔合照，经修复后效果相当不错。

OpenAI应用CEO Fidji Simo在博客中写道：「人类的思维并非仅由文字构成。事实上，我们最具创意的想法，往往源于脑海中的图像、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，转变为一个更直观、更能贴合各类任务需求的工具。从纯文字向多媒体与动态界面转变，是这一进化过程中的关键一步。

许多用户首次接触ChatGPT，是通过文字生成图片。但ChatGPT的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，需要专门的视觉空间支持。因此，OpenAI索性为其开设专属入口，让图像生成拥有更像创意工作室的环境。

OpenAI的计划不止于此。未来还将引入更多视觉元素，优化ChatGPT的整体体验。例如，在进行搜索查询时，结果将更丰富地包含图片与清晰来源。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，而非文字描述。

甚至写作体验也在改进，未来内置的写作模块让你在聊天中直接编辑，并能一键导出PDF或直接调用邮件应用发送。ChatGPT早已不是单纯的语言模型，它正在演变为真正的多模态工作台。

当然，除普通用户外，开发者也能通过API使用GPT-Image-1.5。

与GPT-Image-1相比，GPT-Image-1.5具备更强的品牌元素与关键视觉保持能力，适用于电商、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%，相同预算可生成更多图像。

降价+提效，这套组合拳打得相当实在。

此外，迪士尼上周宣布向OpenAI投资10亿美元，并达成合作协议。

根据这项为期三年的授权协议，OpenAI旗下的Sora与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，并计划明年初正式上线相关功能。

内容IP加AI生成，背后想象空间巨大。

更重要的是，GPT-Image-1.5的发布，标志着图像生成工具正从「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的情况下，GPT-Image-1.5通过更完善的图片生成预设方案及功能设置，完成对新版Nano Banana的反击，确实是不错的选择。

专属图像创作入口、预设滤镜库等，这些看似不起眼的产品设计，恰恰击中了普通用户的痛点。许多人并不需要最强的模型，他们需要的是能快速上手、无需反复调教、生成结果八九不离十的工具。

模型能力领先只是第一步，如何将能力转化为好用、易用、爱用的工具，才是真正的护城河。