云栈社区»论坛 › 技术文档「 Note & Doc 」 › GPT Image 1.5实测：图像生成与编辑能力解析及电商UI设计官方Pro ...

发回帖发新帖

1499 积分	0 好友	190 主题

发消息

GPT Image 1.5实测：图像生成与编辑能力解析及电商UI设计官方Prompt指南

发表于 6 天前 | 查看: 46| 回复: 0

OpenAI已推出新版ChatGPT Images，其核心是全新的旗舰图像模型GPT Image 1.5。该模型在图像编辑能力上显著提升，主打“按意图精准修改”——在修改图片时，它能严格遵循用户指令，只改动要求的部分，同时努力保持原始图像的光照、构图、人物外观（特别是脸部相似度）在多轮编辑中的一致性。这使得修图、虚拟试穿/试发型、风格迁移等操作的结果更加可信，更贴近原图。

该模型的指令遵循能力更加稳定，不仅提升了精细化编辑效果，也能支持更复杂的原创构图与元素关系控制。其文字渲染能力也得到加强，能够处理更密集、更小的文本并保持排版可用性。整体输出在实用维度上更显自然，例如在处理复杂人群、小脸等场景时表现更佳，图像“直接可用性”更高。

产品形态上，ChatGPT内新增了专门的Images创作空间（侧边栏入口），提供了预设滤镜与灵感模板以加速尝试与迭代，并支持一次性上传人物相貌以便后续复用。用户还可以在一张图片的生成过程中，随时发起新的生成任务，减少等待时间。

可用性方面：新模型已对所有ChatGPT用户逐步开放；其API以GPT-Image-1.5的名义提供。ChatGPT的新Images体验正对大多数用户开放，Business/Enterprise版本稍晚。API侧特别强调其更适合品牌、电商等需要跨编辑保持Logo与关键视觉一致性的工作流。相较于GPT Image 1，其图像输入/输出成本降低了20%。官方也坦诚表示，模型虽有明显进步，但仍存不足，后续将持续改进。

第三方测评概览

Artificial Analysis

在Artificial Analysis Image Arena的测评中，GPT Image 1.5在文生图与图像编辑两项任务上均位列第一，超越了Nano Banana Pro。作为OpenAI最新的旗舰人工智能图像生成模型，它在画质与提示词还原度上较前代均有提升。其API采用按token计费模式，价格随分辨率与质量档位变化：以1MP（百万像素）图像为例，高质量模式下约$133/千张，低质量模式下约$9/千张。

GenAI

GenAI的图像编辑测评榜专注于对比各顶尖模型在“纯文本指令驱动的图像修改”上的表现。测评规则严格：不允许多轮补救提示，必须在单次尝试中完成目标；且仅允许基于文本指令进行编辑，禁止使用img2img或手动遮罩进行局部重绘。为保证公平，会对每个模型的提示词进行必要的微调。

关键指标说明：

通过/失败（Pass/Fail）：粗略衡量模型完成任务的能力。
综合（Combined）：加权得分，综合考虑通过率、合规性与质量评分。
指令遵循度（Compliance）：衡量模型“可控性”，即按提示词行事的准确度。该指标仅对通过测试的样本计算。

从测评结果看，在综合能力上Gemini 3.0 Pro Image（Nano Banana Pro）更为强劲，但GPT Image 1.5的指令遵循度表现突出，直奔90%，比Gemini 3高出13个百分点。

Hacker News

下图截取自Hacker News上关于此话题的相关讨论。

小结

综合第三方测评，可以得出结论：GPT-Image-1.5在指令遵循与提示词还原度上均有巨大提升。以下是Artificial Analysis提供的几组对比测试图，可供直观感受。

文生图 Prompt： A curious cat peeking out from a pile of autumn leaves.

文生图 Prompt： A close-up, photorealistic view of a hummingbird feeding on a bright red hibiscus, shimmering emerald feathers catching the morning light, wings frozen in mid-beat.

文生图 Prompt： A retro-inspired advertisement for a local diner, featuring a chrome milkshake holder and a cheeseburger on a red-checkered tablecloth under neon lighting, with the text 'Classic Comfort, Every Time!'

图生图/编辑 Prompt： Change the car's color to orange

图生图/编辑 Prompt： Insert a family of yellow ducks crossing the railroad

官方Prompt使用指南解析

为了帮助开发者更好地使用Image 1.5模型，OpenAI官方提供了详细的Prompt指南。虽然指南主要面向API使用，但其核心技巧具有通用性，以下为整理要点。

1. 通用写作骨架

建议按固定顺序组织提示词：用途/成品形态 → 场景/背景 → 主体 → 关键细节 → 构图/布局 → 约束（改什么/不改什么）。对于复杂需求，使用分段或标签进行结构化描述，避免将所有信息塞进一段冗长的文字。

2. 提升结果可控性的关键技巧

描述具体化：明确材质、形状、纹理、媒介（如照片、水彩、3D渲染）。对于写实风格，建议用镜头语言（如景别、光线、机位）来控制，而非简单使用“8K”、“超清”等泛化词汇。
明确构图与版式：指定近景/远景、俯拍/平视、留白、元素位置（如“Logo置于右上角”）。
清晰界定修改范围：编辑图片时，使用“只修改X，其余部分保持不变”的句式，并在每次迭代时重复需保留的要素清单，以防止风格漂移。
处理图中文字：将必须出现的文案放在引号内（或全大写），并约束字体风格、大小、颜色和位置。对于难拼写的单词，可考虑逐字母拼写。
处理多图输入：按“Image 1/2/3：内容描述”逐一标注输入图像，并清晰说明“将哪张图的什么元素放置到何处，或应用哪张图的风格”。
分步迭代：先生成一个干净的基础版本，再通过“小改动”提示词进行迭代优化（例如，仅调整光线、仅删除某个元素）。

3. API参数与效果取舍

quality参数：追求细节、密集文字或复杂版式时使用high；追求低延迟、高吞吐量场景可先从low模式试起。
input_fidelity参数（编辑时）：当编辑涉及保持人物相貌，或需要进行较大幅度的场景修改/合成时，建议倾向使用high。
n参数：若需要一次性获得多个备选方案，可直接通过此参数让模型生成多张变体。

4. 高频任务提示词要点

信息图/图表：明确目标受众、信息结构与视觉层级。文字密集时更建议使用高质量模式。
图片内翻译/本地化：强调“除文字外全部元素保持不变”，尽力保持原有的排版层级、间距和字重，并要求翻译逐字准确、不随意增删词汇。
写实自然照片：将其描述为“现场抓拍”，强调真实的纹理与合理瑕疵，避免“棚拍感、过度精修、电影调色”等表述。
UI界面Mockup：将产品当作“已上线的真实应用”来描述，强调布局、信息层级、间距、使用真实组件，少用概念艺术词汇。
Logo/品牌图形：先定义品牌气质与使用场景，再强调“简洁、可缩放、负空间平衡、具有矢量感、无侵权风险”。

5. 编辑类工作流的硬约束写法

风格迁移：先锁定需要保留的原图风格线索（如色调、笔触、颗粒感），再描述要替换的新内容，并附加“背景/构图/禁止新增元素”等硬性约束。
虚拟试穿：将“人物”特征锁死（脸、体型、姿态、发型、表情），只允许修改服装；要求生成真实的布料褶皱、遮挡关系及与原始光影的一致，禁止改动背景、镜头或添加文字/Logo。
草图转渲染：将Prompt当作“产品规格书”：先保留原草图的布局、比例与透视关系，再补充材料、光线与环境细节；添加“不要新增元素/文字”的约束。
抠图/商品图：要求输出带透明通道的RGBA PNG格式、边缘干净无毛边；产品标签文字必须清晰且内容不变；可选择性添加轻微的接触阴影；强调“不改变产品风格，仅做轻度抛光处理”。
含真实文字的广告图：将文案放入引号并要求“逐字渲染、不可多出字符”，再约束字体与位置；若仍不够精确，可通过小幅调整排版或措辞进行迭代。
光照/天气替换：只改变环境条件（光线方向、阴影、雾气/雪花、地面湿度等），相机机位、场景几何结构与物体位置必须保持原样。
多图合成：明确“从哪张图搬取什么元素 → 放置到目标图的哪个位置 → 哪些部分保持不变”，并要求匹配目标场景的光照、透视、尺度和阴影。

请注意：经测试，其“抠图”功能并非真正移除背景生成透明图层，而是替换为网格背景。以下是测试示例：

测试Prompt：
Extract the product from the input image. Output: transparent background (RGBA PNG), crisp silhouette, no halos/fringing. Preserve product geometry and label legibility exactly. Optional: subtle, realistic contact shadow in the alpha (no hard cut line). Do not restyle the product; only remove background and lightly polish.

输出结果：

Prompt模板总结

可将上述指南总结为以下结构化模板：

Goal/Output:
- 你要的成品类型与用途（海报 / 电商主图 / UI mock / 信息图 / 写实照片 / 风格插画）

Scene:
- 背景/环境 + 主体 + 动作/关系

Style:
- 媒介与风格（照片/水彩/3D）+ 关键质感（材质、纹理、瑕疵/颗粒）

Composition/Layout:
- 景别/机位/光线 + 元素摆位（留白、居中、角落放字/标识）

Text (verbatim, if any):
- "必须出现的文案"
- 字体风格/大小/颜色/位置/只出现一次

Edit constraints (for edits):
- Change ONLY: X
- Preserve exactly: A, B, C（每次迭代都重复这行）
- Negative: no watermark / no extra text / no logos / no new objects