时间飞逝，AI绘画技术从初步探索到日趋成熟，转眼间已迭代了整整三年。

回望三年前，那时的AI绘画作品处于何种水平？人物多出几根手指是常见现象，左右脚时常混淆，图片中的文字更是清一色的乱码……当时的创作更像一场“猜猜我画的是什么”的趣味游戏。

短短三年间，AI绘画的能力已经跨越了多个层级。尤其是2025年底谷歌推出的Nano Banana Pro，一度被公认为当时最强的AI绘画模型。然而，就在前几天，OpenAI发布了一款全新的AI绘画模型，直接终结了Nano Banana Pro的统治地位。

这款模型就是GPT-image-2。此前它处于灰度测试阶段，现在终于面向所有用户全面开放。

它的图像生成水平究竟有多强？不妨从几个核心维度来一次实测。

测试一：文字生成能力

首先考察文字生成能力。我们输入这样一组提示词：

“书桌上摆着两本摊开的书，一本书是小学语文课本，一本是小学数学课本，课本内容清晰，写实风格。”

生成结果如下：

可以看到，模型在一张图中同时呈现了数学和语文两个科目的文字内容，书页上几乎没有错别字。能做到这一步，确实相当不易。如果非要挑点瑕疵——数学课本的内容进度稍微有些跳跃，前一页还在讲数字，后一页已经在讲图形了。

测试二：世界知识理解能力

接下来，考验模型对民族文化的认知能力。提示词如下：

“在一张图里展现中国56个民族的全身服饰，新中式水墨风，9:16”

生成结果：

出乎意料的是，图中展示的民族不多不少，正好56个，而且每个民族的名称也完全正确。唯一的不足是，个别民族的服饰细节与实际略有差异。但对于“一次性生成”而言，这个表现已经相当惊艳。

测试三：代码逻辑能力

可能有人会问：测试AI绘画模型，跟代码能力有什么关系？别急，看看生成的结果就明白了。提示词如下：

“在计算机博物馆里，一个程序员在展厅中央，正在演示C语言编程，很多参观者在围观，屏幕上的代码清晰可见。旁边的牌子写着：‘古法编程，现场表演’。2D卡通画风，16:9”

生成结果：

画面很有质感，但这还不是最关键的。更令人惊讶的是，屏幕上显示的代码并不是随意填充的乱码，而是正确可运行的C语言代码。这意味着模型不仅在“画画”，更在一定程度上理解了代码的逻辑结构。

测试四：漫画创作能力

专门测试一下漫画创作能力。提示词如下：

“生成一页漫画，全面讲解Claude Code，漫画的主角是两只可爱的2D卡通小仓鼠，一只灰色，一只橙色。”

生成结果：

漫画中的两只小仓鼠非常可爱，内容表达也十分清晰。拥有这样的AI模型在手，未来的教育方式恐怕将被改写——毕竟，用漫画形式讲解复杂概念，一直是教学中的高难度动作。

测试五：空间布局与元素一致性能力

最后一项测试，我们让模型“拆解”一下程序员的穿搭风格，考验它的空间布局和多元素一致性。提示词如下：

“用一张图拆解男程序员的穿搭风格，从物件名称，材质，价格等多个维度详细拆解，少用文字，多用图表达。”

生成结果：

这张图清晰拆解了穿搭元素，布局合理，各元素之间保持了不错的一致性。能做到这一点，说明模型在多元素协同和空间关系理解上已经达到了相当高的水准。

以上五项测试，每一项考查的不仅是模型的单一能力，更是解决实际问题的综合能力。从这些实测结果来看，可以明确地说：GPT-image-2是目前最强大的AI绘画模型，没有之一。

2026年已经过去三分之一，后续还有哪些更强的AI模型和工具将登场，值得持续期待。