OpenAI发布GPT Image 1.5：图像生成迎来精准编辑时代，免费用户全面开放

摘要： 北京时间2025年12月17日，OpenAI正式推出新一代图像生成模型GPT Image 1.5，并面向所有ChatGPT免费用户开放。此次更新被视为对谷歌Nano Banana Pro等竞品的直接回应，核心升级在于解决了AI图像编辑中长期存在的“一改就废”痛点，实现了精准的局部编辑与多轮一致性保持。模型生成速度提升至前代的4倍，API调用成本降低约20%，标志着AI图像生成正从“玩具”向实用“工具”转变。

一、核心升级：告别“抽卡”玄学，实现精准可控编辑

GPT Image 1.5最显著的进步在于其“精准编辑”能力。过去，用户使用AI修改图片细节时，常面临“牵一发而动全身”的窘境，例如只想调整人物发型，结果整张图片的光影、构图甚至人物面貌都发生剧变。新模型通过底层技术优化，能够更准确地理解并执行局部修改指令，同时保持画面其他元素的稳定性，如光线、构图和人物外貌特征在多轮编辑中得以连贯保留。

官方演示案例清晰地展示了这一能力：从将两个男人和一只狗合成到一张生日派对照片开始，经过“添加背景小孩”、“将左侧人物改为手绘动漫风格”、“为所有人换上指定卫衣”等多达五轮的连续编辑，核心元素（如狗的形象）始终保持一致，画面逻辑未出现崩坏。这意味着用户可以进行更复杂、更精细的图像创作与迭代，而无需担心编辑链条失控。

二、性能全面提升：速度、成本与指令遵循

除了编辑精度，GPT Image 1.5在多项关键指标上均有显著提升：

1. 生成速度大幅提升：新模型的图像生成速度较上一代（GPT Image 1）提升了4倍，支持多图并行生成，大幅缩短了从构思到成图的等待时间，提升了创作效率。
2. 成本进一步降低：OpenAI宣布，新版模型的图像输入与输出单价相较上一代降低了20%，使得个人用户和开发者能够在相同预算下完成更多图像生成任务，增强了服务的可及性与经济性。
3. 指令遵循与文本渲染能力增强：模型在理解复杂、多层次的提示词方面表现更佳，能有效维持画面元素间的空间与语义关联。尤其在文本渲染上进步明显，能够更清晰、准确地生成图像中的英文文本，适用于海报、信息图等场景，但中文文本生成能力仍不稳定，存在错漏问题。
4. 细节呈现更完整：在人物肖像、复杂场景的细节表现上更为完整和自然，减少了以往AI绘图常见的面部失真、手部畸形等问题。

三、产品化整合：ChatGPT变身“迷你修图工作室”

为配合新模型上线，OpenAI对ChatGPT的产品界面进行了重要调整。在网页端和移动应用的侧边栏新增了独立的“图像”（Images）功能入口。这个专属创作空间并非简单的功能聚合，其设计更接近一个轻量级的创意工作室，内置了多种预设风格模板（如“复古胶片风”、“赛博朋克海报”）、常用提示建议及滤镜选项，旨在降低用户的使用门槛，即使不擅长编写复杂提示词的用户也能快速生成满意图像。

OpenAI首席执行官山姆·奥特曼（Sam Altman）在社交平台亲自演示，使用新模型生成了一组男性写真日历图像，引发了广泛关注。这一产品化思路表明，OpenAI正致力于将前沿的生成能力转化为直观、易用的消费级功能，使ChatGPT从一个以文本为核心的对话工具，向整合文本、图像、编辑于一体的多模态工作台演进。

四、直面竞争：与谷歌Nano Banana Pro的对比与市场定位

GPT Image 1.5的发布被广泛解读为OpenAI在“代码红色”（Code Red）战略下，对谷歌Gemini系列（特别是Nano Banana Pro）强势竞争的一次紧急反击。实测对比显示，双方各有优劣：

• GPT Image 1.5的优势在于精准编辑和多轮一致性保持能力突出，在图像融合、复杂指令遵循（如生成指定内容的6×6网格）等方面表现稳定。其深度整合进ChatGPT的对话式工作流，也让连续创作和修改更为自然。
• Nano Banana Pro的优势则体现在更高的输出画质（支持更高分辨率）、更优秀的中文文本渲染能力，以及在部分复杂推理任务（如解决数学问题）上可能更具优势。

行业观察指出，此次升级让AI图像工具的竞争焦点从“能否生成图像”转向“能否高质量、高一致性地编辑图像”。对于普通用户而言，GPT Image 1.5将“快速生成”、“精准编辑”和“易用性”结合，加上ChatGPT庞大的用户基础，有望吸引一批寻求一体化解决方案的用户。

五、技术团队与未来展望

OpenAI此次罕见地公布了GPT Image 1.5项目背后的核心团队名单。项目由Gabriel Goh（研发负责人）和Adele Li（产品负责人）主导。更引人注目的是，名单中出现了Sora负责人Bill Peebles和DALL-E系列缔造者之一Aditya Ramesh的名字，这强烈暗示了新模型可能在底层借鉴了Sora的“世界模拟”等先进技术，或为未来图像与视频生成的无缝融合做铺垫。

此外，OpenAI组建了规模庞大的“安全、诚信与策略”团队，由数十名专家负责内容过滤、防止滥用和确保合规，表明其在追求技术突破的同时，高度重视产品的安全性与社会责任。

展望未来，OpenAI计划在ChatGPT中引入更多视觉元素，例如在回答查询时自动生成图表、示意图，或在规划旅行路线时附上景点照片和地图，进一步强化其多模态和实用工具属性。同时，与迪士尼达成的为期三年的授权协议，意味着用户未来可能使用Sora和图像模型生成迪士尼、漫威等旗下角色内容，为IP与AI的结合打开了巨大的想象空间。

文章来源：本文综合自中关村在线、站长之家、腾讯新闻、IT之家、网易科技等多家媒体于2025年12月17日的报道。