OpenAI深夜发布GPT Image 2.5，将改图能力作为核心卖点，强调精确编辑与多轮一致性。然而，这些功能在谷歌Nano Banana上早已实现。本文对比两代模型，解析升级幅度与行业竞争格局，探讨OpenAI是否真的完成了补课。

GPT Image 2.5凌晨突发，把改图能力端了出来。

局部编辑、连续编辑、多轮一致性乃至图片上直接标注修改，OpenAI这次把“无需抽卡，拥抱多轮修改”当成了主菜。

但问题是，这菜多少有点没新意——同样的东西，NanoBanana一年前就已经玩过了。

NanoBanana一代就已经把连续编辑做成了核心能力；第一代发布四个月后，谷歌连可视化圈选编辑的产品交互都做了；到大香蕉（Pro）那里，谷歌已经把这条路往前走到了相机、灯光、构图和多主体控制；二代香蕉又把Pro的核心能力压到了Flash的速度。

OpenAI也算是补了NanoBanana的课，但显然还没毕业。

01 修改效果更好

抛开“新不新”这个问题，GPT Image 2.5这次的升级幅度其实不算小。

OpenAI自己把重点写得很明确：更精确的编辑、更稳定的多轮一致性，以及更快的生成速度。

相比Images 2.0，新模型最高可以降低50%的生成延迟，同时改善参考图主体保真度、自然光照和纹理表现。

但在官方文档里被OpenAI反复强调的，还是“编辑”。

首先是Precision Editing（精确编辑）。

之前的Image 2.0虽然也能改，但往往改得不够精准，只想动一个局部，整张图却可能跟着大变样，图片主体的位置甚至都会发生偏移。

GPT Image 2.5试图把这种“牵一发而动全身”压下去，OpenAI称，新模型可以只修改用户指定的元素，同时尽可能保持主体、构图、背景乃至品牌视觉不变。即使面对更复杂的主体和背景，也可以单独替换商品、文案或者局部元素。

更重要的是Multi-turn Editing Consistency（多轮编辑一致性）。

简单来说，就是一张图改完第一轮之后，可以直接接着改第二轮、第三轮；此前已经做好的修改尽量保留下来，新一轮修改继续建立在上一轮结果之上，而不是每次重新理解、重新生成。

OpenAI专门强调了一个过去很麻烦的问题：图片质量不应该随着编辑轮数增加而一路劣化。

体现在gif图里，就是图不停改，但不再乱动，看起来更稳定。

GPT Image 2.5这次把API分成两个版本：偏速度的Flare（闪光）和偏最高质量的Sunburst（翻译过来是“从云隙射下的阳光”，只看名字的话，应该有更强的光影效果和更高的审美）；要我说，OpenAI最近和有什么起名癖似的，尽整些花里胡哨的。

在Arena最新公布的结果里，Sunburst和Flare直接包揽了文生图、单图编辑和多图编辑三个竞技场的第一、第二名。加上Image 2，前三已被GPT Image包圆。

不过需要区分的是，Arena这里测的是“多图输入编辑”，并不是OpenAI官方强调的“多轮图像编辑”。

更值得注意的是它们相对GPT Image 2的提升幅度。

Sunburst在文生图上提高了40分，单图编辑提高59分，多图编辑则直接提高了81分；Flare分别提高18、30和47分。

至少在大模型盲测竞技场上，Image 2.5这次最明显的提升，集中在对已有图片的编辑能力上，尤其是同时处理多张参考图的复杂编辑任务。

在API侧，Flare被OpenAI定义为默认模型，相比GPT Image 2在获得更高质量的同时，延迟降低50%；Sunburst则牺牲一些速度，换取更精细的控制，主要面向广告素材、商品图等场景。

定价方面，OpenAI最新价格页显示，GPT Image 2.5 Flare和Sunburst的图像输入都是8美元/百万token、图像输出30美元/百万token、文本输入5美元/百万token，和GPT Image 2一毛一样。

有意思的是，Flare和Sunburst一个主打速度，一个主打质量，但API账单暂时看不出区别，合理怀疑OpenAI又出bug了。

02 还有什么变化

相比Midjourney更容易让人想到“把一张图片做得更有风格”，OpenAI更喜欢把文字、图片、布局和信息揉在一起，直接生成一个视觉成品。

比如海报、商品素材、信息图、人物照片、品牌视觉，以及各种带有大量文字和排版的设计——Image 2.5在这方面和Image 2一脉相承。

但和Image 2更强调“一次生成就能直接拿来用”不同，Image 2.5这次把大量展示空间留给了改图，即一张已经生成好的图，还能不能继续往下改。

OpenAI称，新模型把人物放进新的场景、风格和构图之后，更容易保留原有主体的辨识度，光线和纹理也会更自然。

除了模型本身，OpenAI这次还补充了两个“新功能”。

一个是Sketch（草图），在移动端输入@Sketch之后，用户可以直接随手画出自己的想法，再让GPT Image根据草图继续生成。

能画出来，就不用费劲描述。

不过这并不是什么新玩法，Nano Banana能做，Adobe Firefly能做，国内的腾讯混元、通义万相、Seedream也早已支持线稿、涂鸦或者辅助线控制生成。

OpenAI这次只是把这套已经很成熟的交互搬到了GPT里。

另一个功能则更像是在鼓励大家“抄作业”，OpenAI把它叫作Pass your best ideas along。

现在分享一张ChatGPT生成的图片时，可以顺手把Prompt一起带出去，别人拿到后可以换上自己的照片和细节直接复刻。

然而，Gemini早就可以把包含Prompt和生成图片的完整对话分享出去，别人甚至可以直接接着这段对话继续生成；Nano Banana后来还在Google Messages里做了Remix，让好友围绕同一张图片来回接力修改。

OpenAI还有得学呢……

03 网友怎么说

虽然前面在吐槽OpenAI“补课”，但到了真正上手的时候，还是得承认一件事：GPT Image 2.5确实是一款很强的生图模型。

发布之后，社群很快玩出了新花样。

目前传播最广的玩法，是用Image 2.5做定格动画。

开发者Charlie Guo拿GPT Image 2.5连续生成了一组画面，再把它们串成动画。这条帖子发布后浏览量迅速破万，并被多名OpenAI员工转发。

更进一步，还有人开始直接从草图生成动画素材。

比如下面这位网友，先随手画出一个拿着球棒的小猴子草图，再让GPT Image 2.5生成一整组动作连续的序列帧，最后拼成GIF动画。整个过程只需寥寥几笔，模型就能扩展成一个完整的12帧的gif动画。

做动画之外，还有一批人盯上了用Image 2.5生成透明底素材。

开发者Konstantine专门测试了Sunburst生成透明背景图的能力，认为它现在输出的透明底素材已经非常漂亮，并直接点名游戏开发者和设计师可能会拿它来做东西。

有了透明底，人物立绘、游戏道具、UI图标、商品素材，就可以直接往网页、游戏或者设计稿里塞。

还有人开始暴力测试它的复杂指令理解。

Reddit上一名用户使用了一个近乎故意找茬的Prompt：要求一张图同时出现四种画风、五条项链、14根手指、三个瞳孔的鸽子眼睛，以及15世纪莫桑比克丛林和未来工厂。

结果……当然没有全部实现，但他的评价是：“不完美，但仍然比之前任何一次都好。”

一些更日常的变化也开始被用户注意到。

有人对比Image 2和2.5后认为，新模型的人物表情没那么僵，皮肤质感更自然；有人觉得画面透视、反射和构图明显更合理；还有人拿Image 2和Image 2.5用同一套提示词做了漫画，2.5的分镜更活，角色表情更夸张，镜头远近和场景细节也会跟着剧情变化。相比之下，Image 2更像把一组漂亮插画拼在一起。

Image 2（左），Image 2.5（右）

对于真正把AI图片放进工作流的人，感受可能更加直接。

一名正在用ChatGPT给游戏制作房间素材的用户说，Image 2最大的问题之一就是连续编辑两三次之后，图片往往已经劣化到不能用了，实际工作时基本等于必须第一轮就抽中满意结果。

换到2.5之后，他的评价是“Big improvement”，反复修改造成的画质衰减明显少了。

当然，Image 2.5也没有突然把所有老毛病一起治好，变成一个全能的完美生图模型。

目前也已经有人继续提到几个老问题：：手偶尔还是会画坏；Image 2时代就有人吐槽的棋盘格/高频噪声没有彻底消失；一些画面仍然会出现颗粒、像素化或者过度锐化。也有做AI商品摄影的用户认为，如果要求严格还原产品本身，NanoBanana 2和Pro目前依然更可靠。

包括上面提到的游戏制作房间素材的用户，也表示他“原以为自己可以放弃使用Gemini了”，但“ChatGPT和Grok中的过多微细节处理实在太过激进了”。

甚至在最基础的指令遵循上，社群评价也并不是一边倒。有用户认为尽管2.5的文字、细节和构图更好了，但复杂指令偶尔还是会被模型“理解成另一个意思”。

GPT Image 2.5没有重新发明AI生图，也没有在每一个维度上把Nano Banana、Seedream们甩在身后。

但“别人早就有”与“它做得不够好”，显然是两码事。GPT Image 2本来就很强，2.5更像是在把过去明显的短板——编辑精度、多轮一致性和可持续修改——补得更完整了。

至少，对于ChatGPT庞大的用户群来说，现在用GPT生图可以少抽几次卡了。