上周OpenAI连发两弹，GPT-5.5和ChatGPT Images 2.0同时亮相。前者是速度升级，后者却藏着更狠的杀招——能基于真实数据生成带文字和上下文理解的图像。但基础画图能力呢？是进步还是原地踏步？我决定用老办法测一测。
测试对手是谷歌Gemini的Nano Banana。去年12月我跑过同样的题，当时Nano Banana拿了93%，ChatGPT只有74%，差距主要在流行文化题上——ChatGPT直接拒绝作答。这次我两边全部重跑，看当下的真实水平。
先剧透结果：ChatGPT Images 2.0得分97%，Nano Banana 85%。但最后一题出现了诡异状况，后面细说。
测试一：换装不换脸
题目是给一张人物照，换上美国海军上将制服，背景换成航母舰桥，比例1:1，要求面部和身材不变。
两个模型在场景搭建上都过关，舰桥环境像模像样。制服表面看都对，但细节都有问题——肩章混了不同军衔元素，还各自编了一些不存在的配件。这道题各扣1分。
人脸保留方面，ChatGPT基本守住原貌，Nano Banana却把人变老了几岁，皱纹和轮廓都变了。这里Nano Banana再扣1分。
测试二：文字渲染能力
这道题要求生成一张餐厅菜单，包含特定菜名和价格，文字必须可辨认。
ChatGPT Images 2.0的菜单文字清晰可读，排版整齐，连价格符号都没错。Nano Banana的文字则出现扭曲，部分字母粘连，"Grilled Salmon"变成了"Griled Salm on"，价格数字也有错位。
这是Images 2.0的明确优势区。OpenAI这次把文本嵌入图像的稳定性做上去了，谷歌还在挣扎。
测试三：多对象空间关系
题目：一张桌子上放三个物体，红球在蓝盒子左边，绿杯子在蓝盒子上面，从特定角度拍摄。
ChatGPT的空间关系全对，视角也符合描述。Nano Banana把绿杯子放在了蓝盒子旁边而非上面，空间逻辑出错。这道题成为分水岭。
测试四：流行文化人物
去年ChatGPT在这里栽了大跟头，直接拒绝生成任何可能涉及版权的形象。这次Images 2.0态度明显松动——虽然仍有规避，但愿意尝试风格化演绎。Nano Banana则继续保持宽松策略。
具体得分：ChatGPT拿到部分分数，Nano Banana满分。但差距已从去年的"拒绝vs通过"缩小为"部分通过vs通过"。
测试五：复杂场景一致性
要求生成一组四格漫画，同一角色连续动作，保持服装、发型、面部特征一致。
ChatGPT的角色一致性达到可用水平，虽然第四格发型略有漂移。Nano Banana的第二格就换了发色，第三格连脸型都变了。连环叙事对谷歌仍是硬骨头。
最后一题：诡异状况
题目是生成一张"程序员在深夜加班"的场景。ChatGPT的输出一切正常。Nano Banana却在背景屏幕里生成了一段可辨认的代码——我放大一看，是某开源项目的许可证文本，连版权年份都没改。
这不是"生成"，这是"搬运"。谷歌的模型似乎从训练数据里原样复现了特定代码片段，而非理解后重建。这解释了为什么最后一题我给了Nano Banana一个特殊标记：技术实现上的"取巧"最终成了减分项。
最终计分：ChatGPT Images 2.0以97%对85%胜出。提升主要来自三方面：文本渲染稳定性、空间逻辑准确性、以及版权规避策略的灵活调整。谷歌的Nano Banana仍在多对象关系和连续一致性上落后，更麻烦的是出现了训练数据泄露的苗头。
一个有趣的副产品：两家公司都该雇个全职产品经理专门管命名。"Images 2.0"和"Nano Banana"这种名字，放在产品发布会上念出来，台下估计面面相觑。
热门跟贴