新智元報道

編輯：元宇

【新智元導(dǎo)讀】被Google按了半年頭，OpenAI終于祭出一記反殺。GPT Image 2上線12小時，就登頂Arena文生圖榜，領(lǐng)先Nano Banana 2達(dá)241分。Arena官方稱，這是Image Arena文生圖排行榜迄今最大的分差。

發(fā)布當(dāng)天，三榜通殺。

GPT Image 2上線12小時，Text-to-Image（文生圖）、Single-Image Edit（單圖編輯）、Multi-Image Edit（多圖編輯）三個分榜全部登頂。

Arena官方原話：「a clean sweep」（全勝）。

文生圖主榜，GPT Image 2 1512分，Nano Banana 2 1271分。241分差距，Arena史上最大。

「沒有任何模型曾以這種差距統(tǒng)治過Image Arena」，Arena官方表示。

在Image Arena所有盲測對決中，GPT Image 2的勝率是93%：100張圖配對盲選，93張人們選了OpenAI那張。

「如果把DALL-E看作洞穴壁畫，把Images 1.0視為古代藝術(shù)，那么Images 2.0就是文藝復(fù)興」。

OpenAI在發(fā)布會開場中這樣介紹Images 2.0，奧特曼更是將它稱作跨代升級：

這好像一下子從GPT-3躍升到了GPT-5。

https://www.youtube.com/watch?v=sWkGomJ3TLI

OpenAI官方API文檔對Images 2.0給出了一個最高級的評價。

https://developers.openai.com/api/docs/models/gpt-image-2

但真正的故事，并不在數(shù)據(jù)里。

被Google壓了半年

OpenAI總算扳回一局

時間倒回2025年8月。

Google放出了Nano Banana。這個在Gemini里嵌入的圖像生成模型，在C端瞬間引爆。

三個月后的Q3財報會上，Google CEO Sundar Pichai親口披露了一組數(shù)字：Gemini月活，從7月的4.5億漲到10月的6.5億。

Google Labs負(fù)責(zé)人Josh Woodward稱，這一增長很大程度上來自Nano Banana帶動的圖像生成熱潮。

11月，Google再發(fā)Nano Banana Pro。文本渲染能力驚艷，AI圖像第一次能把字寫對，OpenAI在C端被反超。

11月18日，Google再補(bǔ)一刀。Gemini 3發(fā)布即登頂LM Arena，1501分，首個突破1500的前沿模型。

這一月底，奧特曼對全公司發(fā)了一份「紅色警戒」（code red）的內(nèi)部備忘錄。

據(jù)The Information報道，奧特曼私下告訴員工，Gemini 3可能給OpenAI帶來經(jīng)濟(jì)逆風(fēng)。Yahoo Finance后續(xù)披露：code red之下，OpenAI暫停了AI Agent等其他產(chǎn)品的研發(fā)，資源全部傾斜到ChatGPT。

12月，OpenAI倉促拿出GPT Image 1.5。Arena第一，但C端沒能引爆。

2026年2月，Google再補(bǔ)一刀，Nano Banana 2登場，Arena再度領(lǐng)先。

OpenAI又輸了一次。

一直到4月21日，GPT Image 2上線，OpenAI這才實現(xiàn)反超，重新扳回一局。

畫圖AI將被重新定義

GPT Image 2憑什么能領(lǐng)先241分？

核心答案藏在架構(gòu)層面。

GPT Image 2不是Stable Diffusion那一代的擴(kuò)散模型。

OpenAI研究負(fù)責(zé)人Boyuan Chen稱這是「revamped from scratch」（從零重構(gòu)）的「generalist model」（通用模型），OpenAI的內(nèi)部叫法是「圖像版的GPT」。

但Chen在press briefing時拒絕公開承認(rèn)它具體是擴(kuò)散還是自回歸架構(gòu)。

外界普遍把它理解為「帶推理規(guī)劃的圖像生成系統(tǒng)」：畫之前先規(guī)劃，再下筆。這正是GPT Image 2和上一代圖像模型最大的不同。

OpenAI在官方說明里給了它一個新標(biāo)簽：首個具備原生思考能力的圖像模型（image model with native thinking capabilities）。

畫之前先想、畫完自己檢查、需要時聯(lián)網(wǎng)搜索資料、一次能產(chǎn)出8張前后連貫的圖。

這不是畫筆，是會思考的視覺助理。

Arena榜單分項數(shù)據(jù)顯示：

文字渲染（Text Rendering）單項，GPT Image 2比前代漲了316分；卡通動漫和人像各漲296分；3個產(chǎn)品/3D/寫實分類，整體在+247到+277分區(qū)間。

文字渲染是2025年11月Nano Banana Pro首次解決的問題，但當(dāng)時準(zhǔn)確率94%。GPT Image 2把它推到了99%。

OpenAI發(fā)布會現(xiàn)場演示：讓GPT Image 2畫一碗米飯，其中只有一粒米上寫有模型名字。

具體到能力展示，OpenAI總裁Greg Brockman在自己的X賬號上做了示范。

第一個案例，老照片修復(fù)。

褪色發(fā)黃的家庭老照片，一個提示詞，立刻變身高清彩色版。

OpenAI官方API文檔里那句「high-fidelity image inputs」（高保真圖像輸入），說的就是模型對原圖細(xì)節(jié)的保留能力：輸入端能精確讀取褪色的、破損的、模糊的老照片細(xì)節(jié)，輸出端才能重新渲染出清晰版。

第二個案例中，Brockman轉(zhuǎn)發(fā)了用戶@doodlestein的一組測試圖：用同一個復(fù)雜提示詞讓GPT Image 2畫一張數(shù)學(xué)解釋圖。

他評價說，即便是復(fù)雜提示詞，GPT Image 2也能生成風(fēng)格各異的圖。

@doodlestein 測試GPT Image 2用同一個提示詞畫一張線性代數(shù)解釋圖。模型一口氣畫出4個完全不同的版本：同樣是Mona Lisa+特征向量教學(xué)，每個版本的構(gòu)圖、配色、信息密度完全不同。

這個案例真正價值不在「能畫數(shù)學(xué)圖」，而是解決了過去兩年中AI生圖的一個重要的痛點：輸出單一、變體可控性差。

GPT Image 2第一次讓「一個prompt給我4個完全不同的方向」變成了產(chǎn)品級能力。

業(yè)內(nèi)一位LM Arena資深測試者點評道：

GPT Image 2和Nano Banana Pro之間的差距，跟Nano Banana Pro和DALL-E之間的差距一樣大。

跨了整整一代。

GPT Image 2 Thinking模式生成的manga風(fēng)格漫畫頁：從一個簡單提示詞出發(fā)，模型保持角色一致性、鋪出多格劇情。

DALL-E退役

Adobe Canva被逼到墻角

發(fā)布當(dāng)天，下游工具集成的速度比技術(shù)圈預(yù)期的還快。

Figma、Canva、Adobe Firefly、fal、Hermes Agent，全部在4月21日當(dāng)天完成集成。

API定價更是暗藏殺機(jī)：

高質(zhì)量出圖$0.21一張；ChatGPT Plus $20一個月，圖像生成已經(jīng)包含在套餐里。

這個差價背后，可能帶來2026年圖像生成行業(yè)最大的產(chǎn)業(yè)重構(gòu)。

GPT Image 2生成的photorealistic candid（寫實抓拍）。海岸、陰天、復(fù)古車、膠片質(zhì)感——這種過去要專業(yè)攝影師外拍+后期才能達(dá)到的視覺效果，現(xiàn)在API $0.21一張。OpenAI研究員Gabriel Goh說，photorealism是他對這個模型最興奮的能力。

5月12日，DALL-E 2和DALL-E 3正式退役。

它們是2022年開啟了整個AIGC視覺革命的開山祖師。三年后，被OpenAI自家的繼承者，親手送入歷史。

OpenAI在官方發(fā)布說明里提到：

圖像不是裝飾，是語言。一張好圖做的事和一個好句子一樣：選擇、排列、揭示。

這代表了一種產(chǎn)品哲學(xué)的轉(zhuǎn)向。

當(dāng)然，也不是沒有反方聲音。ZDNet在實測中發(fā)現(xiàn)，GPT Image 2無法準(zhǔn)確復(fù)刻品牌logo，連ZDNet自己的logo都被畫歪了。

Nano Banana 2在portrait realism和multi-reference一致性上仍有優(yōu)勢。

GPT Image 2雖然還不夠完美，但賽道格局已經(jīng)出現(xiàn)了變化。

渲染時代結(jié)束了

推理時代剛開始

Google把推理塞進(jìn)圖像模型里。OpenAI把圖像工具塞進(jìn)推理模型里。242分Elo差距測的就是二者架構(gòu)上的差異。

implicator.ai的這句評價，劃分了圖像生成的兩個時代。

2022到2025年，是渲染時代。

DALL-E、Midjourney、Stable Diffusion，目標(biāo)都是「畫得像」。模型是畫筆，用戶是畫師，prompt是畫稿。

GPT Image 2代表的是一個推理時代。

模型先思考再下筆，能搜索、能自檢、能完成任務(wù)。它不是畫筆，是會畫畫的助手。

GPT Image 2發(fā)布真正值得重視的，是圖像生成走向「會思考」這件事本身。

短期看，Black Forest Labs（Flux 2）麻煩可能最大。

Kingy AI直言：作為diffusion-first（擴(kuò)散為先）的廠商，F(xiàn)lux 2的整條技術(shù)流水線在架構(gòu)上和「token-by-token」的推理路線是沖突的。

要么融合，要么重寫，沒有第三條路。

中期看，Google可能會在下個季度反擊。Nano Banana 3，或者Imagen-Reason，時間不會太久。

長期看，這件事的影響遠(yuǎn)不止圖像生成。

當(dāng)AI開始用「思考」來產(chǎn)出圖像、視頻、音頻、代碼，整個生成式AI的范式都會跟著發(fā)生變化。

去年12月，奧特曼在備忘錄里敲下「code red」的時候，應(yīng)該沒想到五個月后會以這種方式回到Arena榜首。

但這次反殺的真正意義，可能不是OpenAI贏了Google，而是OpenAI改寫了圖像生成賽道的規(guī)則。

Arena.AI單圖編輯榜（Image Edit Arena）：GPT Image 2 (medium) 仍以1510+分繼續(xù)登頂，第二、三、四、五名全部被OpenAI自家模型和Google Gemini系列占據(jù)。https://arena.ai/leaderboard/image-edit

Google下一拳什么時候出？這個問題決定了2026下半年AI格局的走向。

而在那一拳揮出來之前，GPT Image 2會在Arena榜首坐多久，沒人知道。

參考資料：

https://x.com/gdb/status/2048449695622586576

https://arena.ai/leaderboard/image-edit