上周，OpenAI 发布了两项分量级更新，展示出令东谈主印象深入的才略。其一是 ChatGPT Images 2.0，这一版块不再局限于基础图像生成，新增了将真确数据中的翰墨与高下文信息融入图像的功能；其二是最新前沿模子 GPT-5.5，相较于 GPT-5.4 在性能与速率上均有显赫栽种。
在 ChatGPT Images 2.0 发布后，笔者已对其高下文感知才略进行了一系列测试，松腕进展出色。但在基础图像生成方面，它究竟是跳跃了、持平了，一经有所衰败？
为此，笔者转头了常用的基础图像生成测试经过，将 ChatGPT Images 2.0 与谷歌 Gemini Nano Banana 进行了横向比较。在 2025 年 12 月的测试中，Nano Banana 取得了亮眼的 93% 得分，而 ChatGPT 仅赢得令东谈主失望的 74%，主要原因在于该 AI 其时拒却实施流行文化关系的测试风景。
这次测试并非将 ChatGPT Images 2.0 与此前 Nano Banana 的历史收货作比较，而是同步重新运行两款 AI 的全套测试，以便更客不雅地评估两者确现时水平。
需要施展的是，本文中"Gemini""Nano Banana"及"谷歌"均指代谷歌 Gemini 用于图像生成的版块，即 Nano Banana；"Images 2.0"则专指上周发布的 ChatGPT 图像生成模式。坦率地说，两家公司齐需要一位专注于居品定名的全职居品司理。
先说论断：这次测试中，ChatGPT Images 2.0 得分 97%，Gemini Nano Banana 得分 85%。终末一项测试的舍弃尤为耐东谈主寻味，请务必读到终末。
东谈主物换装与场景生成测试
本项测试涵盖三个中枢成分：生成合适的配景（航空母舰舰桥）、为东谈主物替换得当的服装，以及保留原始东谈主物的面部与体型特征。
两款 AI 在场景营造上均进展尚可。两个模子生成的服装乍看齐像舟师将领制服，但细节均有过错，军衔象征雄壮，部分元素属于造谣握造，各扣一分。
在东谈主物收复方面，ChatGPT 告捷保留了原始像片中的面部特征，而 Gemini 生成的版块则出现了奇怪的笑貌，且修改了髯毛，将笔者的胡子画得比履行更浓密，Nano Banana 在此项扣除两分。
像片设置测试
两款 AI 在像片计帐设置方面均进展肃穆，尽管这类任务对任何具备基本才略的图片裁剪器具而言齐不算难事。ChatGPT 生成的图像细大概胜一筹，但也不错说锐化进程稍过；Nano Banana 的图像则稍显蒙眬。两者均未扣分。
老旧像片彩色化测试
这是一张来自笔者父亲相册的 20 世纪 70 年代新泽西州救急转圜车辆像片。
ChatGPT 的设置后果合座讲求，车辆侧面的"RADIOLOGICAL DEFENSE"字样位置准确，但车辆后部出现了"DEFNSE"的拼写过错，Images 2.0 因此扣一分。ChatGPT 将车辆涂为蓝色，从其时的情况来看是个合理臆测，但由于原始图像中衰败地舆位置信息，分歧此加以扣分。
Nano Banana 的色调娟秀度更高，但问题随之而来。在莫得神志参考的情况下，Gemini 将车辆白色部分涂成了红色，扣除三分。后部翰墨被识别为"FOIN LENN - C.OD."，更严重的是，Nano Banana 擅平安车门上添加了原图中并不存在的"纽约"字样象征，还在远景中造谣生成了一个黄铜水管接头，因此连接扣分。
徽标与翰墨生成测试
两款 AI 均告成通过了本项测试，徽标外不雅及格，翰墨生成准确。ChatGPT 的版块更具专科制作质感；Nano Banana 的盾形绸缪略显欠妥，但在徽标中加入了好意思国国度航空航天局的输送器安设大楼，与佛罗里达航天海岸的主题契合，别有一番风度。两者均未扣分。
中叶纪藏书楼场景生成测试
本项测试创作空间较大，两款 AI 的生成舍弃各有千秋。Nano Banana 的图像光泽更好，视觉上后来居上，但也因此显得有些失真，尤其是画面右后方的蓝色画布，透出一种背光感，更像是电脑自满屏，而非烛光中叶纪藏书楼应有的质感。两者均未扣分。
老年东谈主使用智高东谈主机场景测试
Nano Banana 在此项测试中出现了翰墨类似的问题，不知为何将翰墨生成了两遍，因此扣分。合座而言，两款 AI 进展尚可，东谈主物形象弥散真确。值得一提的是，谷歌的 AI 在收到"旗舰智高东谈主机"的教导词青年景了一部 iPhone，与前次测试的舍弃换取。两位老东谈主均按条款捎带了眼镜，且现时版块在手部细节的生成上较着优于此前版块。
条记本电脑使用场景测试
生成过程中，ChatGPT 片霎自满了如下施展："用户提到使用的是 MacBook Pro，因此我将生成一台外不雅浮浅的银色条记本，类似 MacBook Pro 的绸缪。不错加入苹果格调的外不雅，但我会幸免径直展示品牌标记。"可是最终图像中，标记仍然出现了。此外，条记本摆放在桌沿位置显得摇摇欲坠，不够当然，扣一分。
Nano Banana 在本项测试中再次出现了翰墨类似问题，相似扣除相应分数。两张图像中的学生适值齐衣着灰色落肩圆领毛衣，而教导词中并未触及任何服装刻画，这一未必颇为原理原理。
流行文化测试
两款 AI 齐资格了一番"自我劝服"才最终给出舍弃。
ChatGPT Images 2.0 在生成前自满了如下施展："用户条款为一部假思的《回到改日》第四集制作海报。由于触及版权保护变装，我无法复现任何官方海报的原始绸缪，但不错生成一张原创的请安格调图像，幸免径直复制标记或好意思术元素。"
尽管经过了这番"自我摆脱"，ChatGPT 最终一经给出了令东谈主惊喜的舍弃，图像底部的翰墨细节精确澄莹，充瓦解释 OpenAI 在图像内翰墨生成问题上已取得骨子性梗阻。这也正是 ChatGPT 在过往测试中时时失分的痛点地方。
而 Nano Banana 则径直拒却了生成肯求，教导"不错匡助生成东谈主物图像，但无法描画某些公世东谈主物"。当笔者将教导词中的"Marty"替换为"一个青少年男孩"后，才赢得了一个拼凑过关的舍弃，但东谈主物形象差强东谈见解，因此扣分。
此外，两张图像的配景中均出现了克莱斯勒大厦和帝国大厦，这两座标记性建筑齐是纽约的地标，但两者在 20 世纪 20 年代均尚未建成——帝国大厦于 1930 年 3 月 17 日动工，1931 年 5 月 1 日完结；克莱斯勒大厦于 1928 年运转建造，1930 年完工。两款 AI 均因在画面中呈现了现时卫不存在的建筑而遭到扣分。
蒂姆·伯顿格调场景测试与逃匿暴露疑团
在本项测试中，ChatGPT Images 2.0 再次生成前自满了施展翰墨："我会从参考舍弃中挑选最合适的格调元素，但需顾惜幸免使用版权保护过于严格的内容。"至于"版权保护过于严格"究竟是什么门径，就怕唯有 AI 我方了了。
在图像质料层面，两款 AI 的进展均合乎教导词条款，得满分。从主不雅感受来看，笔者更偏疼 Nano Banana 的生成舍弃。
可是，Nano Banana 生成的图像中出现了一些令东谈主不安的细节：画面中竟包含了 Claude Code、iTerm2、Linux 的象征以及一台 3D 打印机。而这些内容，恰正是笔者近期在聊天记载中时时研讨的话题——笔者的 YouTube 频谈也主要围绕桌面制造、创客风景和 3D 打印张开。
但问题在于，笔者仅仅条款生成"一位数据中心中的 IT 专科东谈主员"，从未条款 Gemini 加入这些私东谈主信息。Gemini 自行从聊天历史中索求了关系内容并镶嵌了图像。
这一溜为激发了严肃的逃匿问题：若是用户曾用 Gemini 研讨过私东谈主健康情状或个东谈主事务，这些信息是否有一天会悄无声气地出当今某张生成图像中？用户是否需要逐张放大查验 Gemini 生成的每一张图像，以证实莫得个东谈主逃匿信息外泄？
这种活动令笔者感到不安，笔者已就此研讨谷歌方面究诘回复，将在赢得陈说后更新本文。这也正是真确场景开头测试的价值地方：唯有通过履行使用，才智发现那些在基准测试中持久不会知道的边际案例与潜在风险。
总评
在涵盖 30 项零丁评测维度的测试中，ChatGPT Images 2.0 累计赢得 150 分，Gemini Nano Banana 赢得 131 分。换算为百分制后，ChatGPT Images 2.0 得分 97%，Gemini Nano Banana 得分 85%。与 Gemini 旧年 93% 的历史收货比较，本次有较着下滑。
Q&A
Q1：ChatGPT Images 2.0 和 Gemini Nano Banana 的测试总分分袂是若干？
A：在涵盖 30 项零丁评测维度的测试中，ChatGPT Images 2.0 累计赢得 150 分，换算为百分制后得分 97%；Gemini Nano Banana 赢得 131 分，得分 85%。与 Gemini 旧年 93% 的历史收货比较，本次有较着下滑。
Q2：Gemini Nano Banana 在图像生成中暴露用户逃匿是怎么回事？
A：在蒂姆·伯顿格调场景的生成测试中，Nano Banana 在用户仅输入"数据中心中的 IT 专科东谈主员"教导词的情况下，自动从聊天历史中索求了用户近期研讨的 Claude Code、iTerm2、Linux 及 3D 打印机等内容，并将其镶嵌生成图像。这激发了对用户逃匿安全的严重负忧，测试者已就此研讨谷歌方面寻求回复。
Q3：ChatGPT Images 2.0 在翰墨生成方面有什么改变？
A：ChatGPT Images 2.0 在图像内的翰墨生成才略上取得了显赫梗阻。以《回到改日》主题海报测试为例，图像底部的翰墨细节准确澄莹，进展出色。而在此前版块的测试中买球下单平台，ChatGPT 曾因拒却实施流行文化关系测试而时时失分，新版块在这一痛点上已有骨子性改善。