生图卷到改图，谁在定标准

我注意到一个有意思的细节，这次 GPT Image 2.5 把改图能力端了出来。官方说法里，精确编辑与多轮一致性被放在很前面。凌晨发布，节奏很像抢入口。

这俩月我在 AI Lab 帮组里做 demo，经常遇到一个破事。让模型生成一张图不难，难的是改第三版时，logo 位置偏了，人物衣服变了，文字又开始乱跳。上周三我拿一组内部活动海报做测试，第一版颜色还行，第二版把标题挪到右上角，人脸就开始漂移。以前我习惯用 Gemini 那边试，这一个月下来，感觉 Google 的 Nano Banana 更像能看懂图的模型，OpenAI 这次像是把改图做成产品卖点。

先说背景。Google 的 Nano Banana 官方名称是 Gemini 2.5 Flash Image，在 2025 年 10 月 2 日已经进入 GA，也就是通用可用阶段，可以当成生产环境里的候选。它还有一个常被忽略的点，AI Studio 模型页提到，创建或编辑的图片会带 SynthID，一种人眼看不出的水印。OpenAI 这边，GPT Image 1.5 曾主打生成速度比之前版本快 4 倍，GPT-Image-2 又能在 Codex 里调用，面向网页 UI、背景素材、图标、游戏素材。到 GPT Image 2.5，改图成了核心叙事。

所以两条路线开始分叉。OpenAI 这条线更像把图片变成可反复修改的素材，核心卖点是精确编辑、多轮一致性和速度，适合资产流。Google Nano Banana 这条线更像把图片变成可理解、可生成的多模态输出，核心卖点是 GA 状态、Gemini 图像理解和 SynthID 水印，适合信息图。选谁取决于你要不要合规和复杂语义。中文密集文字方面，社区反馈里大字较稳，小字和表格容易乱码，Google 这条线需要按自己素材测，别拿一张 demo 下结论。人物一致性方面，社区反馈里多角色合成时可能丢人、改五官，Google 素材未给明确对比，真实业务要固定参考图。工作流位置上，ChatGPT、API、Codex 入口更顺，Gemini、AI Studio 文档和 GA 更成熟，团队已经在哪，就先在哪测。

我最想强调的是改图这个词。落到团队里，生图模型的竞争是返工成本。一张图生成得再漂亮，如果改不动、记不住上一版，它就只能当灵感图，不能当素材。GPT Image 2.5 把精确编辑和多轮一致性拿出来，说明 OpenAI 也意识到，图像模型要进生产，不能只靠抽卡。

但我也不太同意标题里那句抄 Banana 的作业。抄作业至少意味着对方先交了卷。Nano Banana 先跑通了通用可用，还把水印放进产品页，这是工程化和信任层的动作。OpenAI 的优势一直是入口和工作流，ChatGPT 里有人，API 里有开发者，Codex 里又有工程流程。它现在补改图，更像把图像模型从聊天里的附件推进到可编辑的工作对象。

不过，风险也没消失。社区对上一代中文生成能力有个很具体的反馈，比较大字体的恭喜发财能生成，月饼包装、配料表、营养标签这类密集小字还是容易乱码。这个坑我见过类似形态，做财报摘要图的时候，只要表格线一多、字号一小，模型就容易把字当成纹理。人物合成也一样，多角色同时出现时，一致性会下降。这些问题发布会解决不了，得靠用户拿自己的数据测。

还有一个判断，不一定对，但我现在倾向这么看。如果你要的是好看的一张图，两家都能给。如果你要的是能进设计稿的素材，先看 OpenAI 这条线。如果你要的是能解释、能引用、能带水印的图像资产，先看 Google 这条线。原因很实际，前者更像素材编辑器，后者更像带信任标记的多模态模型。

新手建议先看这个。别一上来问哪个模型最强。先把自己要干的活拆成三格，生成、修改、合规。生成看审美和速度，修改看参考图、局部重绘、多轮一致性，合规看水印、权限、数据边界。我这边测下来，最省时间的是换任务表。

行动建议很简单，拿你们组最麻烦的 10 张图做小样本测试。选三类，一张有中文密集文字，一张有多个人物，一张需要反复改局部。同一段 prompt 分别丢进两条线，记录第一次是否可用、第二次是否崩、第三次是否还能保持原意。最后再看团队栈，如果已经在用 ChatGPT/API，就从 OpenAI 试，如果已经吃 Gemini 的文档和 GA，就从 Nano Banana 试。核心就一句，先选工作流，再选模型。

模型卷到今天，后面就看谁能让用户少返工。