上半年GPT-4o刚出来那会儿，热度确实炸裂，奥特曼估计都在机房闻到了GPU烧焦的味道。从那以后，生图和视觉理解几乎成了所有大模型不得不标配的功能。
但到了下半年，真正抢走所有风头的，反倒是那根「香蕉」——Nano Banana。
为了把王座重新夺回来，OpenAI今天正式推出了最新的图像视觉模型：GPT-Image-1.5。这是继GPT-5.2之后，OpenAI红色警报计划里打出的又一记重拳。
先说几个核心结论：指令执行更准了、编辑更精确了、细节保留更完整了，而且速度比之前快了整整4倍。
告别「抽卡」玄学，编辑细节能力拉满
要说这次最大的升级点，那就得好好聊聊这个「精准编辑」能力了。
以前用AI改图，简直像碰上了一个听不懂人话的「托尼老师」——你就想修修刘海，它反手就能给你剃个光头。现在好了，模型终于能听懂人话了。你改哪里，它就动哪里，不瞎折腾。
光线、构图、人物特征，在输入、输出和后续编辑的整个闭环里都能保持得稳稳当当。
听起来有点抽象？直接看官方给出的示例：
先是把两个男性和一只狗合成到一张2000年代胶片风格的儿童生日派对照片中；然后添加背景里吵闹投掷东西的孩子们；再把左边的男人改成复古手绘风格，把狗变成毛绒玩具风格，右边男子和背景完全保持不变；接着给所有人换上OpenAI毛衣；最后只把狗留下，把整个画面扔进一场OpenAI的直播里……
这一套连招打下来，画面的逻辑居然没有崩掉。这说明GPT-Image-1.5不再是靠「蒙」的，而是真正理解了画面的结构，能完成增删改查这种精细操作。能改得准、稳得住，这才是今天真正的技术护城河。
再来看几个实际测试的案例。你或许看过《千里江山图》这幅传世名作，但可能还遗漏了亿点点细节。
同理可得，谁说《百骏图》里不能突然出现一只从现代穿越过来的网红柴犬Kabosu？
甚至连马斯克和扎克伯格那场没打成的笼中决斗，在GPT-Image-1.5的加持下，一次性就成功把主角换成了奥特曼。脸没崩，违和感也几乎为零。
我们要一张细节丰富、逼真写实的极端仰拍照片：马斯克坐在珠江岸边，单手搭着广州塔尖。为了体现那种巨物感，还得在他的脚边撒上一些微小的游船和游客。结果，它确实懂了什么是「比例感」。
提示词：一张细节丰富、逼真写实的极端仰拍照片，画面中的马斯克坐在珠江岸边，一只手搭在广州塔的塔尖上。为了体现巨大的体型比例，可在他的脚边加入一些微小的游船、观光游客等，2K，16:9。
终于不再画「鬼画符」，但中文表现……
相比初版图像模型，GPT-Image-1.5更擅长遵循那些复杂、细致的指令，也能更好地保持各元素之间的预设关系。
官方展示了一个6x6的网格图案例：每一行都要按指定内容布置，希腊字母、动物、物品、图标、单词……模型排列得井井有条，强迫症看了都得说声舒服。
经过实测，把线稿转成真实图片这种操作，现在也成了基本操作。
文本渲染能力也进一步提升，能更好地处理密集、小字体的内容。比如将一段Markdown格式的内容呈现为自然的报纸文章布局，内容包括GPT-5.2发布说明、性能基准对比等，格式和数字都能保持完整准确。
这个能力听起来可能不起眼，但对于需要生成海报、宣传图、信息图表的用户来说，简直就是刚需。在Nano Banana Pro出现之前，生成式AI的文本渲染一直抽象得离谱，现在终于能看了。
不过得泼盆冷水：GPT-Image-1.5的英文能力确实能打，但中文表现依然是灾难现场。让它画个「擎天柱征服火星」的中文漫画，它就能给你自创一门火星文。
又或者让它生成一张古人在墙壁上写《水调歌头》的图片，结果文字错漏百出，握笔姿势居然还是拿钢笔的手法。
好在生成速度快了4倍，这边还在画着，那边你可以同时开几个新任务，试错成本大大降低。物体知识储备也还算在线，问它往水里加盐鸡蛋会怎样，生成的图片倒是有模有样。
左为原图，右为生成的图片。提示词：如果往水中加入大量盐，生成一张图片，展示鸡蛋会发生什么。
博主@Yuchenj_UW认为，GPT-Image-1.5的生成效果大致达到了Nano Banana Pro的「专业级」水准，但「智商/推理能力」明显落后于Nano Banana Pro，尤其在数学题、物理或迷宫这类问题上表现更差。
你的下一位设计师，何必是人？ChatGPT申请出战
OpenAI这次还在ChatGPT里专门开辟了一个图像创作入口。网页和移动端的侧边栏都能看到这个新入口，里面塞满了预设滤镜和热门提示词，还会定期更新。上传一次肖像，以后张张都是你，不用反复喂图。
说实话，这个功能Nano Banana没有，但国内的生图模型早就玩烂了。某种程度上，GPT-Image-1.5也算是在摸着国内同行的石头过河。
就在刚刚，奥特曼也在社交媒体上分享了自己用GPT-Image-1.5生成的圣诞性感月历男模照片。
既然来了，我们也顺手给奥特曼换了几套皮肤：贴纸风、摇头娃娃风、素描风。预计今天过后，他又要成为互联网上最忙的男人。
有个细节很值得点赞：当你要求生成预设方案时，OpenAI会公开预设的提示词。从这一点来看，OpenAI确实挺「open」的。
除此之外，制作贺卡、创建专辑封面、修复老照片、拍摄专业求职照片等，也都是非常实用的预设方案。比如那张经典的鲁迅和泰戈尔的合照，经过修复后，效果确实挺不错。
OpenAI应用CEO Fidji Simo在博客中写道：「人类的思维并不只是由文字组成。事实上，我们最有创意的想法，往往起源于脑海中的图像、声音、动作或模式。」
她透露，ChatGPT正在从一个反应式、以文本为核心的产品，转变为一个更直观、更能贴合你各种任务需求的工具。从纯文字向多媒体和动态界面转变，是这一进化过程中非常重要的一步。
很多用户第一次接触ChatGPT，都是通过文字生成图片。但ChatGPT的聊天界面最初并不是为此设计的。图像创作和编辑是一种完全不同的任务，需要专门的视觉空间来支持。于是，OpenAI干脆给它搞了个专属入口，让图像生成有了一个更像创意工作室的环境。
OpenAI的计划还不止于此。未来还将引入更多视觉元素，优化ChatGPT的整体体验。比如在进行搜索查询时，结果将更多地包含图片和清晰来源。在单位换算或查阅体育比分等任务中，你需要的是一目了然的可视化结果，而不是一段文字描述。
甚至写作体验也在改。未来内置的写作模块让你在聊天中就能直接编辑，还能一键导出PDF或直接调用邮件应用发送。ChatGPT早已不是一款单纯的语言模型，它正在变成一个真正的多模态工作台。
当然，除了普通用户，开发者也能通过API用上GPT-Image-1.5。
相比GPT-Image-1，GPT-Image-1.5具备更强的品牌元素与关键视觉保持能力，非常适合电商、品牌营销等需要生成大量变体图片的场景。图像输入输出费用降低了20%，同样预算能生成更多图像。
降价+提效，这套组合拳打得还是挺实在的。
除此之外，迪士尼上周已经宣布向OpenAI投资10亿美元，并达成了合作协议。根据这项为期三年的授权协议，OpenAI旗下的Sora和图像生成模型都能生成迪士尼、漫威、皮克斯和星球大战旗下的角色，并计划在明年初正式上线相关功能。
内容IP加上AI生成，这背后的想象空间确实挺大。
更重要的是，GPT-Image-1.5的发布，标志着图像生成工具正在从「玩具」向「工具」转变。目前市面上大多数AI改图工具，一改就崩，毫无一致性可言。GPT-Image-1.5至少在这个方向上迈出了坚实的一步。它开始具备后期编辑能力，能像Nano Banana Pro一样控制细节，确保画面连贯。
此外，在模型能力本身还不够强的情况下，GPT-Image-1.5通过更完善的图片生成预设方案以及功能设置，来完成对新版Nano Banana的反击，确实是一个不错的选择。专属图像创作入口、预设滤镜库……这些看似不起眼的产品设计，恰恰击中了普通用户的痛点。很多人并不需要最强的模型，他们需要的是能快速上手、不用反复调教、生成结果八九不离十的工具。模型能力领先只是第一步，如何把能力转化为好用、易用、爱用的产品，才是真正的护城河所在。
