GPT-Image-2 初步评测：目前已知的一切及与 Nano Banana Pro 的对比

三个匿名模型现身 LM Arena，以近乎完美的文字渲染能力令测试者震惊，数小时内便消失无踪。AI 图像生成的格局即将再次发生巨变。

OpenAI 的下一代图像模型已在实际环境中被发现。

2026 年 4 月 4 日，三个身份不明的模型出现在 LM Arena——这个广受欢迎的 AI 模型盲测平台上。短短几小时内，它们就以远超 OpenAI 现有产品的能力令测试者惊叹不已，包括近乎完美的文字渲染、消除色偏以及大幅提升的世界知识。然而，这些模型出现得快，消失得也快。

AI 社区迅速达成共识：这就是 GPT-Image-2，即 OpenAI 用于取代目前 ChatGPT 中 GPT-Image-1 和 1.5 的下一代图像生成模型。

此后，证据不断涌现。截至 4 月 17 日，该模型已在 ChatGPT 内部进行 A/B 测试。开发者在分析代码更新时发现了移动端应用中引用"GPT-Image-2"的字符串。而且 DALL-E 2 和 DALL-E 3 计划于 5 月 12 日退役，OpenAI 显然已经准备好了替代方案。

以下是我们目前所了解的关于 GPT-Image-2 的全部信息：它的能力、与 Google Nano Banana Pro 在盲测中的表现对比、Nano Banana 2 在整个竞争格局中的位置，以及公开发布的时间线。

GPT-Image-2 是如何被发现的

故事要从 LM Arena 说起。这是一个由社区驱动的平台，AI 模型在此进行盲测对决。用户提交提示词，两个匿名模型分别生成结果，然后用户投票选出更好的一方。由于测试者不知道自己评判的是哪个模型，这被认为是评估 AI 模型质量最无偏见的方式之一。

4 月 4 日的亮相

2026 年 4 月 4 日上午，三个新模型出现在 LM Arena 上，其代号立即引起了社区的关注：

• maskingtape-alpha
• gaffertape-alpha
• packingtape-alpha

仅命名方式本身就是一个信号。LM Arena 的代号由平台分配，而非模型提供方，但"胶带"主题暗示这些是相关模型——很可能是同一底层架构在不同配置下进行测试的变体。

测试者的所见所闻

在最初几个小时的测试中，结果令人瞩目。这些"胶带"模型生成的图像具有目前任何公开可用的 OpenAI 模型都无法匹敌的特征：

• 文字渲染终于靠谱了。UI 界面上的按钮标签拼写正确，表盘显示准确的时间，产品包装上的文字清晰可读且格式规范。仅此一项就是巨大的飞跃。当前生产版本 GPT-Image-1.5 的文字准确率大约为 90-95%，而这些模型似乎达到了 99% 以上。
• 黄色色偏消失了。自 DALL-E 以来一直困扰 OpenAI 图像生成的暖黄/橙色调彻底消失。颜色变得中性、准确，忠实于提示词描述。
• 高分辨率下的照片级真实感。输出的细节水平和整体连贯性表明这是一个根本性不同的架构，而非现有模型的渐进式改进。

模型消失了

数小时后，三个模型全部从 LM Arena 下线。这与大型 AI 实验室通常的预发布测试方式一致：短暂部署以收集真实世界的性能数据，然后在信息泄露过多之前撤下模型。

但为时已晚。截图、对比图像和详细分析已在 X（Twitter）、Reddit 和各 AI 相关的 Discord 服务器上广泛传播。在模型下线之前，已有数百组并排对比被保存、拆解和讨论。AI 社区早已做出了判断：无论这些模型是什么，它们都代表了 OpenAI 图像生成能力的代际飞跃。

代号本身也成为了讨论焦点。"Maskingtape"（美纹胶带）、"gaffertape"（布基胶带）和"packingtape"（封箱胶带）都与粘合胶带有关——一种用于粘合或封装的材料。一些社区成员将此解读为模型"粘合"多种能力（文字、图像、空间理解）的隐喻，另一些人则认为这只是 OpenAI 的代号游戏。无论如何，"胶带家族"已经留下了深刻印象。

通过 A/B 测试进一步证实

截至 2026 年 4 月 17 日，多名用户报告在 ChatGPT 中遇到了明显不同的图像生成表现。这些现象与 LM Arena 上的测试结果一致：更好的文字渲染、中性的色彩平衡以及更高的分辨率输出。这与 OpenAI 在生产环境中对新模型与当前 GPT-Image-1.5 进行 A/B 测试的做法一致——这是全面上线前的标准操作。

此外，开发者在检查最近的 ChatGPT 移动端应用更新时，在应用代码中发现了引用"GPT-Image-2"的字符串，进一步证明正式发布正在筹备中。

GPT-Image-2 的七大能力升级

基于 LM Arena 的测试数据、ChatGPT A/B 测试报告和社区分析，以下是 GPT-Image-2 相比前代产品最显著的改进。

1. 文字渲染准确率超过 99%

这是最核心的改进，也是对实际应用场景最重要的提升。

文字渲染一直是 AI 图像生成的阿喀琉斯之踵。让 DALL-E 3 在店面招牌上写"Grand Opening"，你可能会得到"Grnad Opennig"之类的乱码。GPT-Image-1 改善了这一问题但仍然在长文本上挣扎。GPT-Image-1.5 将准确率提升到大约 90-95%，简单标签够用了但复杂内容仍然不可靠。

GPT-Image-2 似乎基本解决了这个问题。在 LM Arena 测试中，该模型正确渲染了：

• 完整的 UI 界面，按钮文字、菜单项和表单标签拼写正确
• 表盘显示指定时间，时针和分针位置准确
• 多行文本块，字体一致、对齐规范
• 产品包装上的品牌名、成分表和小字说明

如果这一准确率在生产环境中同样成立，它将从根本上改变 AI 图像生成的用途。社交媒体配图、广告创意、演示文稿、设计稿和带文字的产品图片将成为可靠的输出，而非令人抓狂的赌博。

2. 黄色色偏彻底消除

OpenAI 的每一代图像生成模型都存在特征性的暖黄/橙色调。有些输出中比较微妙，有些则非常明显，但一直挥之不去。经常使用这些工具的设计师们已经开发出了各种变通方法：在提示词中指定"冷调蓝色灯光"，或在后期手动校色。

LM Arena 上的 GPT-Image-2 输出展现出中性、准确的色彩还原。白色就是白色，蓝色就是蓝色，肤色自然呈现而没有暖色偏移。这表明模型在训练数据、色彩空间处理或后处理流程上发生了重大变化。

对于专业应用场景，准确的色彩还原是基本要求。仅这一项修复就使 GPT-Image-2 在品牌素材、产品摄影以及任何需要色彩准确的场景中实用性大幅提升。

3. 世界知识大幅增强

LM Arena 测试窗口期间最具启发性的测试之一是"我的世界-曼哈顿"场景：提示词要求模型以另一个可辨识的视觉风格（我的世界/Minecraft）来渲染特定的现实世界地点（曼哈顿）。这一测试要求模型同时理解曼哈顿的实际面貌、我的世界的视觉风格，以及如何将两者连贯地融合。

在这项测试中，maskingtape-alpha 的表现超越了它的两个兄弟模型和 Nano Banana Pro。生成的结果展示了以精确的 Minecraft 方块美学渲染的可识别的曼哈顿地标，比例和空间关系正确。

世界知识的提升不仅限于创意混搭。它意味着模型对现实世界的物体、建筑风格、品牌美学、文化背景以及它们之间的关系有了更深入的理解。引用特定地点、产品或风格的提示词应该能产生更准确、更符合语境的结果。

4. 分辨率提升至 4K 级别

GPT-Image-1.5 最高支持 1024x1024 像素，并提供一些放大选项。GPT-Image-2 预计支持至少 2048x2048 的原生输出分辨率，部分报告甚至提到了 4K 能力。

同样重要的是新增了 16:9 宽屏支持。这一纵横比对于 GPT-Image-1.5 处理不佳的实际应用场景至关重要：YouTube 缩略图、演示文稿幻灯片、网站横幅图、LinkedIn 帖子配图，以及任何为现代宽屏显示器设计的场景。

更高的分辨率加上灵活的纵横比意味着更少的妥协和更少的后期处理。单次生成就能产出可用素材，而不只是一个需要放大、裁剪或调整大小的起点。

5. 全新的独立架构

这或许是技术层面最重要的细节。GPT-Image-2 似乎并非构建在 GPT-4o 之上——后者是目前 ChatGPT 中负责图像生成的多模态模型。相反，它似乎是一个专门为图像生成打造的全新架构。

其实际影响体现在速度上。通过 GPT-4o 运行的 GPT-Image-1.5 通常需要 10-30 秒来生成一张图像，具体取决于复杂度和服务器负载。GPT-Image-2 预计能在 3 秒内生成高质量图像，这一巨大改进将使工具响应更加迅速，更适合迭代式工作流程。

专用架构还表明 OpenAI 将图像生成作为一项独立能力进行了重大投入，而非将其视为附加在语言模型上的功能。这是一个关于他们如何看待市场走向的战略信号。

6. 中日韩文字渲染

LM Arena 测试中一个颇为惊喜的发现是：中文、日文和韩文字符的渲染质量被测试者形容为"出乎意料的好"。此前 OpenAI 的模型在处理 CJK 字符方面一直困难重重，经常产生变形的字形、错误的笔画顺序，或者看起来大致正确但实际上毫无意义的字符。

GPT-Image-2 的输出展示了清晰、格式正确的 CJK 字符，笔画结构准确。如果这一表现在大规模使用中保持稳定，将为东亚市场打开实用化的大门——包括中文、日文和韩文的标识、包装、社交媒体配图和营销物料。

鉴于 CJK 文字渲染远比拉丁文字复杂（数千个独特字符、严格的笔画要求、多种书写系统），这一改进很可能反映了针对性的训练投入，而非模型整体提升的附带效果。

7. 多语言支持和复杂提示词跟随

除了图像中的文字渲染之外，GPT-Image-2 在处理复杂、多部分提示词方面的保真度也显著提高。指定多个主体及其特定空间布局、为每个元素设定不同颜色、描述详细场景构图的提示词，其生成结果更加忠实于描述。

这一提示词遵从能力的改进适用于多种语言。测试中非英语提示词的准确度与英语提示词相当，表明该模型已被训练为理解并执行多种语言的图像生成指令，而非将所有内容先通过英语翻译再处理。

对于全球用户和多语言营销团队而言，这意味着更少的迭代和更少的提示词工程就能获得理想的输出——一项实实在在的体验提升。

提示词遵从能力对于一致性同样重要。当进行需要多张图片保持统一视觉风格、颜色和版式逻辑的营销活动时，一个能更忠实地遵循复杂指令的模型会在批量生成中产出更一致的结果。这减少了需要重新生成的次数，使 AI 图像工具更适用于生产级的视觉素材流水线。

GPT-Image-2 vs Nano Banana Pro：正面对决

LM Arena 的盲测形式特别有价值，因为它排除了品牌忠诚度和预期偏见的影响。用户纯粹根据质量来判断输出。以下是 GPT-Image-2（通过其三个代号变体）与目前被视为领先 AI 图像生成模型的 Google Nano Banana Pro 的对比。

文字渲染

胜出：GPT-Image-2

在直接对比中，GPT-Image-2 展现了更优越的文字渲染准确性。最被广泛引用的例子是：一个要求显示特定时间的表盘。packingtape-alpha 正确渲染了时间，时针分针位置准确。Nano Banana Pro 则生成了指针指向错误时间的表盘。对于任何涉及图像中文字的应用场景——无论是 UI 设计稿、社交媒体配图还是产品标签——GPT-Image-2 都明显占优。

色彩准确性

胜出：GPT-Image-2

Nano Banana Pro 本身已具有良好的色彩中性度，不存在困扰 OpenAI 模型的黄色色偏。但 GPT-Image-2 消除了色偏后，现在在色彩准确性上与 Nano Banana Pro 持平甚至略胜一筹。两个模型都能产出中性、忠实于提示词的色彩，但考虑到起点的差距，GPT-Image-2 的进步幅度更大。

世界知识

胜出：GPT-Image-2

"我的世界-曼哈顿"测试是最清晰的展示。maskingtape-alpha 生成了比 Nano Banana Pro 更准确、更连贯的混搭图像，正确识别并以 Minecraft 风格的方块图形渲染了曼哈顿的特定地标。这一项目测试的是模型对现实世界、文化引用、品牌美学和视觉风格的理解——随着提示词越来越复杂，这一能力的重要性也日益提升。

空间推理

胜出：Nano Banana Pro

并非所有项目都是 GPT-Image-2 胜出。在魔方反射测试中——一个要求生成带有精确镜面反射的魔方的提示词——结果仍然具有挑战性。GPT-Image-2 未能正确渲染魔方在镜中反射面的颜色排列。Nano Banana Pro 在这一测试中表现更好，说明其在空间推理和对反射等物理属性的理解方面更胜一筹。

这对于涉及多角度产品摄影、室内设计可视化，或任何包含镜子、反光表面或复杂几何关系的场景来说，是一个值得关注的局限。

分辨率

胜出：平局

两个模型都支持最高 4K 级别的输出分辨率。Nano Banana Pro 已在生产环境中提供该能力数月。GPT-Image-2 似乎与之匹配，但在正式发布之前，我们还无法了解其支持的完整分辨率和纵横比范围。

速度

胜出：旗鼓相当

GPT-Image-2 预计能在 3 秒内生成图像，与 Nano Banana Pro 的生成速度相当。GPT-Image-1.5 的 10-30 秒生成时间一直是重大的使用体验痛点，因此如果这一改进得到确认，将解决用户对 OpenAI 图像工具最大的不满之一。

可用性

胜出：Nano Banana Pro

这一项很直接。Nano Banana Pro 现在就可以使用，今天就能用。GPT-Image-2 尚未正式发布。如果你今天就需要最好的 AI 图像生成模型，答案是 Nano Banana Pro。这一局面可能在几周内改变，但在今天，可用性至关重要。

对比总结表

核心结论：GPT-Image-2 在对实际创意工作最重要的类别中领先（文字渲染、色彩准确性、世界知识），而 Nano Banana Pro 在空间推理方面保持优势，更关键的是——它是目前唯一可以实际使用的模型。

值得强调的是，这些结果来自盲测，用户完全不知道自己评估的是哪个模型。这消除了测试者知道评测对象时常有的偏见。结果反映的是真实的感知质量差异，而非品牌偏好。

Nano Banana 2 处于什么位置？

当 AI 图像社区将目光集中在 GPT-Image-2 的 LM Arena 亮相时，Google 也没有停下脚步。2026 年 2 月 26 日，Google 发布了 Nano Banana 2，一个将 Nano Banana Pro 的图像质量与 Gemini Flash 的速度相结合的模型。

Nano Banana 2 代表了与 OpenAI 在 GPT-Image-2 上采取的不同战略路线。OpenAI 正在构建一个专用的独立图像生成架构，而 Google 则将图像生成更深入地整合到其更广泛的 Gemini 生态系统中。Nano Banana 2 已经在 Google 各产品中铺开，从 Google Docs 和 Slides 到 Google Ads 和 YouTube 工具。

三方竞逐

竞争格局现在看起来是一场三方较量：

• GPT-Image-2——最高的原始质量（基于泄露测试），最佳文字渲染，全新专用架构。尚未可用。
• Nano Banana Pro——目前生产环境中的质量标杆，全面均衡的表现，优秀的空间推理。现已可用。
• Nano Banana 2——在质量和速度间取得平衡，深度整合进 Google 产品生态，针对大批量应用场景优化。正在推出中。

每个模型占据着略有不同的定位。Nano Banana Pro 追求最高质量。Nano Banana 2 追求速度和整合度。GPT-Image-2 发布后，似乎志在争夺质量王座的同时提供具有竞争力的速度。

同样值得关注的是这些模型的定价和分发策略。Google 将 Nano Banana 2 嵌入其整个产品矩阵的策略赋予了它仅靠 API 访问无法比拟的分发优势。OpenAI 的 GPT-Image-2 策略可能涉及深度整合进 ChatGPT——后者拥有庞大的用户群体。最终胜出的模型未必是基准测试分数最高的，而是触达最多用户、在最有用场景中出现的那一个。

对于用户和开发者来说，这场三方竞争无疑是好消息。AI 图像生成的进步步伐正在加速，OpenAI 和 Google 之间的竞争正在推动双方更快地交付更好的模型。2026 年最好的 AI 图像生成器将远超年初时可用的任何产品。

已知局限和待解问题

基于目前所见，GPT-Image-2 的热度是有充分理由的，但我们有必要明确其局限和未知数。

空间推理仍需改进

魔方反射测试的失败值得注意，因为它揭示了 GPT-Image-2 尚未解决的一类问题。准确渲染反射、正确角度的阴影以及一致的多视角几何关系仍然是挑战。对于产品摄影（例如产品在光滑表面上的倒影）或建筑可视化（阴影准确性很重要）等应用场景，这一局限是相关的。

尚未公开可用

截至 2026 年 4 月 20 日，GPT-Image-2 尚未向公众开放。LM Arena 测试时间很短，访问权限很快就被收回。ChatGPT 的 A/B 测试仅触达一小部分不受控的用户。目前没有 API 访问、没有等待名单、也没有确认的发布日期。本文讨论的所有内容均基于泄露的测试数据和间接证据。

定价未确认

OpenAI 尚未公布 GPT-Image-2 的定价。它是否会包含在 ChatGPT Plus 订阅中？是否会有单独的 API 定价层级？免费用户是否能使用？这些问题仍无答案。鉴于该模型似乎使用了全新的专用架构而非通过 GPT-4o 运行，成本结构可能与当前的图像生成定价不同。

DALL-E 2/3 退役带来压力

OpenAI 已宣布 DALL-E 2 和 DALL-E 3 将于 2026 年 5 月 12 日退役。这创造了一个有趣的局面。目前使用 DALL-E API 的开发者和应用需要一条迁移路径。如果 GPT-Image-2 未能及时就绪，GPT-Image-1.5（通过 GPT-4o 模型）将成为唯一的选择，而它并非所有 DALL-E 使用场景的同类替代品。

退役截止日期表明 OpenAI 对替代方案的就绪充满信心，但这也给在模型可能尚未完全打磨之前就发布带来了压力。最终是分阶段推出、有限预览还是全面发布，有待观察。

安全和内容政策的未知数

OpenAI 历来对其图像生成模型实施严格的内容政策。DALL-E 3 在可以生成和不可以生成的内容方面尤为保守，令许多想要创作触发了安全过滤器的合法内容的用户感到沮丧。GPT-Image-2 将如何处理内容审核、是更宽松还是更严格、以及其拒绝模式如何，都是会影响其实际可用性的未知数。

真实世界测试数据有限

LM Arena 数据来自仅几个小时的测试窗口。ChatGPT 的 A/B 测试报告是零散的。我们尚不清楚 GPT-Image-2 在全面的真实世界提示词中表现如何：边缘案例、对抗性输入、特定行业用例、大规模批量生成，或同一提示词多次生成的一致性。早期测试数据令人鼓舞，但并不全面。

还值得注意的是，LM Arena 测试倾向于偏好视觉上令人印象深刻的创意类提示词，而非日常的生产类工作负载。该模型如何处理重复性的品牌一致性任务、产品变体的批量生成或高度具体的技术插图，仍有待观察。

GPT-Image-2 何时发布？

官方尚未公布发布日期。但我们可以根据现有证据做出有依据的推测。

历史规律

OpenAI 在重大模型发布方面有着较为一致的规律。模型通常在公开发布前 2-4 周出现在 LM Arena 等测试平台上。这一规律在 GPT-4o、GPT-Image-1 和其他多个近期发布中都得到验证。如果 GPT-Image-2 也遵循这一规律，4 月 4 日的 LM Arena 亮相意味着发布窗口在 2026 年 4 月下旬至 5 月上旬。

DALL-E 退役截止日

DALL-E 2 和 DALL-E 3 将于 5 月 12 日退役。OpenAI 不会在没有准备好替代方案的情况下退役这些模型，尤其是考虑到依赖它们的 API 开发者数量。这强烈暗示 GPT-Image-2 至少会在 5 月中旬之前通过 API 可用。

移动端应用证据

在 ChatGPT 移动端应用代码中发现 GPT-Image-2 字符串引用意义重大。移动端应用更新需要经过 Apple 和 Google 的审核流程，通常需要几天时间。为一个还要数周甚至数月才上线的功能添加 UI 字符串是不寻常的。这表明 ChatGPT 的客户端代码正在为即将到来的上线做准备。

ChatGPT 中的 A/B 测试

该模型已经在 ChatGPT 生产环境中进行 A/B 测试，这是一个强烈的信号。A/B 测试通常是全面发布前的最后步骤之一。企业使用它来验证性能、发现问题并衡量用户满意度，然后再决定全面推出。

最可能的时间线

综合以上所有信息，GPT-Image-2 最可能的发布窗口是 2026 年 4 月下旬至 5 月中旬。分阶段推出的可能性很大：先是 ChatGPT Plus 订阅用户，然后是 API 访问，最后是更广泛的可用性。5 月 12 日的 DALL-E 退役为 API 可用性设定了硬性截止日期，即使面向消费者的 ChatGPT 推出遵循不同的时间表。

还有一种可能是 OpenAI 将 GPT-Image-2 与其他产品更新一起宣布。该公司在 2026 年采用了更频繁的发布节奏，月度发布已成为常态。一次 4 月下旬的发布活动加上当天或同周的上线，既符合技术证据也符合 OpenAI 目前的市场策略。

无论确切日期如何，DALL-E 退役压力、活跃的 A/B 测试和移动端应用准备工作的组合已经表明：GPT-Image-2 不是一个遥远的路线图项目，而是一次即将到来的发布。

这对创作者和营销人员意味着什么

GPT-Image-2、Nano Banana Pro 和 Nano Banana 2 之间的竞争格局即将带来一波能力提升，直接影响每一位创作视觉内容的人。

图像中的文字变得可靠

这是最大的实际变化。当文字渲染准确率稳定在 99% 以上时，整个类别的应用场景都将被激活：

• 社交媒体配图——标题、引语、行动号召和品牌文字叠加可以直接生成，无需后期添加。
• 广告创意——带有文字的横幅广告、社交广告和展示广告成为一步到位的生成，而非多工具协作的流程。
• 产品设计稿——带有准确品牌文字的包装设计、标签概念和商品设计稿可以在几秒内为客户展示生成。
• 演示文稿幻灯片——嵌入文字标签的插图、带有准确坐标轴标签的图表以及带注释的示意图成为可行的 AI 生成素材。
• 缩略图——带有可读文字的 YouTube 缩略图、博客文章头图和播客封面可以无需额外设计工具直接生成。

多年来，AI 图像生成的建议一直是"先生成图像，然后在 Canva/Figma/Photoshop 中添加文字"。如果 GPT-Image-2 兑现其承诺，对于许多应用场景来说，这个额外步骤将不复存在。

这一转变对于没有专职设计师的独立创作者和小团队尤为重要。一步到位生成包含文字的完整配图的能力，消除了内容创作工作流程中最大的摩擦点之一。

色彩准确性打开专业应用场景

消除黄色色偏不仅是美学上的改善，更使 AI 生成的图像能够用于对色彩准确性有要求的场景：需要匹配特定 Pantone 色值的品牌素材、产品实际颜色至关重要的产品摄影，以及跨渠道视觉一致性很重要的营销物料。

速度带来迭代

如果 GPT-Image-2 实现了 3 秒内的生成速度，工作流程将从"生成然后等待"变为快速循环的"生成、审查、调整、重新生成"。这使 AI 图像生成更像使用一个响应迅速的设计工具，而不是向队列提交一个任务。

速度的重要性超过大多数基准测试所暗示的。在实际使用中，3 秒生成和 20 秒生成之间的差异不仅仅是 17 秒的等待时间，而是保持创作心流状态与思路断裂之间的差异。更快的生成意味着更多的实验、更多的方案探索，以及最终更好的成品。

分辨率和纵横比减少后期处理

原生 4K 输出和 16:9 宽屏支持意味着许多素材可以从生成器直接使用，无需调整大小、放大或裁剪。YouTube 缩略图、博客头图、LinkedIn 横幅或演示文稿背景可以按所需的精确尺寸生成。这省去了创作工作流程中的整个步骤，并降低了后期调整带来的质量损失风险。

多模型的未来

随着 GPT-Image-2、Nano Banana Pro 和 Nano Banana 2 都提供强大但各有特色的能力，对于认真对待创作的人来说，最明智的做法是同时拥有多个模型的访问权限。不同的提示词和应用场景适合不同模型的优势。带有大量文字的社交媒体配图可能最适合 GPT-Image-2 的文字渲染。带有复杂反射的产品照片可能受益于 Nano Banana Pro 的空间推理。高产量的内容流水线可能更看重 Nano Banana 2 的速度。

在 Genra，我们正在密切跟踪 GPT-Image-2 的开发进展，并计划在其 API 可用后第一时间将其整合到我们的多模型流水线中。我们的目标是确保 Genra 用户无需切换工具或管理多个订阅，就能自动获得最佳的图像生成能力。当 GPT-Image-2 发布时，Genra 用户将能够与 Nano Banana Pro 和其他领先模型一起使用它，并通过智能路由为每个具体任务选择最佳模型。

关键要点

• GPT-Image-2 是 OpenAI 的下一代图像模型。它通过 2026 年 4 月 4 日在 LM Arena 上以 maskingtape-alpha、gaffertape-alpha 和 packingtape-alpha 代号的短暂亮相而被发现。
• 该模型最显著的改进是文字渲染准确率超过 99%，相比 GPT-Image-1.5 的约 90-95% 是质的飞跃，使社交媒体配图、广告创意和带嵌入文字的产品设计稿等实际应用场景成为可能。
• 自 DALL-E 以来一直困扰 OpenAI 图像模型的黄色色偏在 GPT-Image-2 中被彻底消除。色彩渲染现在中性且准确。
• 在盲测对决中，GPT-Image-2 在文字渲染、色彩准确性和世界知识方面击败了 Nano Banana Pro。Nano Banana Pro 在空间推理方面保持优势。
• GPT-Image-2 使用全新的专用架构（非 GPT-4o），可在 3 秒内生成最高 4K 分辨率的宽屏图像。
• 最可能的发布窗口是 2026 年 4 月下旬至 5 月中旬，驱动因素包括 5 月 12 日的 DALL-E 2/3 退役截止日期和 OpenAI 从测试到发布的历史周期。
• GPT-Image-2、Nano Banana Pro 和 Nano Banana 2 之间的三方竞争将定义 2026 年剩余时间的 AI 图像生成格局。

常见问题

GPT-Image-2 现在可以使用了吗？

不可以。截至 2026 年 4 月 20 日，GPT-Image-2 尚未正式发布。它于 4 月 4 日在 LM Arena 短暂出现，目前正在 ChatGPT 内对少量用户进行 A/B 测试，但没有公开访问或 API 可用性。最可能的发布窗口是 2026 年 4 月下旬至 5 月中旬。

GPT-Image-2 什么时候发布？

官方尚未公布日期。根据 OpenAI 从 LM Arena 测试到发布通常间隔 2-4 周的历史规律、5 月 12 日的 DALL-E 2/3 退役截止日期以及移动端应用字符串的发现，最可能的窗口是 2026 年 4 月下旬至 5 月中旬。分阶段推出、先向 ChatGPT Plus 订阅用户开放的可能性很大。

GPT-Image-2 与 Nano Banana Pro 相比如何？

在 LM Arena 盲测中，GPT-Image-2 在文字渲染准确性、色彩中性度和世界知识方面击败了 Nano Banana Pro。Nano Banana Pro 在空间推理（魔方反射测试）中胜出。两者都支持最高 4K 分辨率和具有竞争力的生成速度。目前的关键区别：Nano Banana Pro 现在就可以使用，而 GPT-Image-2 尚未发布。

GPT-Image-2 会免费吗？

定价尚未确认。根据 OpenAI 目前的模式，GPT-Image-2 可能会向 ChatGPT Plus、Team 和 Enterprise 订阅用户提供并设有使用限制，同时通过 API 按图像付费。免费版 ChatGPT 用户是否能使用尚不得知。鉴于全新的专用架构，API 定价可能与目前的 GPT-Image-1.5 费率有所不同。

DALL-E 怎么了？是否被取代了？

是的。OpenAI 已宣布 DALL-E 2 和 DALL-E 3 将于 2026 年 5 月 12 日退役。GPT-Image-1 和 1.5（集成在 GPT-4o 中）已经作为 ChatGPT 中的主要图像生成模型在运作。GPT-Image-2 预计将成为未来的旗舰图像生成模型，采用全新的专用架构而非通过 GPT-4o 运行。

LM Arena 是什么？其测试数据可靠吗？

LM Arena 是一个由社区驱动的平台，AI 模型在此进行盲测对决。用户向两个匿名模型提交提示词，然后投票选出更好的输出。由于测试者不知道自己评估的是哪个模型，结果被认为是相对无偏见的。然而，GPT-Image-2 的数据仅来自短短几个小时的窗口，因此应将其视为有前景的早期证据，而非全面的基准测试。

GPT-Image-2 能渲染中文、日文和韩文吗？

根据 LM Arena 测试，GPT-Image-2 相比此前的 OpenAI 模型在 CJK 文字渲染方面有了显著改善。测试者将其质量描述为"出乎意料的好"，字形准确、笔画清晰。不过，由于测试窗口有限，尚无法对全范围的 CJK 字符和字体样式进行全面测试。

Nano Banana 2 是什么？它与 Nano Banana Pro 有什么区别？

Nano Banana 2 是 Google 最新的图像生成模型，于 2026 年 2 月 26 日发布。它将 Nano Banana Pro 的图像质量与 Gemini Flash 的速度相结合，针对快速生成和 Google 产品深度整合进行了优化。简单来说，Nano Banana Pro 是注重质量的模型，Nano Banana 2 是注重速度和整合度的模型。两者现在都已可用。