Alle im Internet hypen OpenAI's neues Bildgenerierungsmodell GPT-Image2, aber ich muss mal einen Dämpfer verpassen: Es ist zu spät! 🤷♂️ Erstens werde ich nicht übertreiben, wie fantastisch OpenAIs neues Modell (Arena-Code: duct-tape) ist, mit übermäßigem Lob …
Was ich sagen will: Der Fortschritt von GPT-image2 ist ein verspäteter „Frühlingsdonner des Erwachens der Insekten".
Aber das heißt nicht, dass Image2 keine Erwähnung wert ist. Im Gegenteil: Nachdem ich einige Szenen- und Charakter-Prompts intensiv getestet habe, habe ich festgestellt, dass seine wirklich erschreckende Killerfunktion überhaupt nicht die Bildqualität ist.
Vielleicht ist es ein Game-Changer, der die 🍌 Vorherrschaft von Gemini sofort zerstört.
Warum sage ich also, dass es ein verspäteter Donner ist?
Lassen Sie mich kurz ein paar Punkte ansprechen:
1. Warum ist die Dividendenperiode für Account-Wachstum durch das Schreiben von „Gott-Prompts" vorbei?
Weil die Dividendenperiode für Account-Wachstum durch „Gott-Prompts" bereits von Geminis Nano Banana Pro und Seedance 2.0 verschlungen wurde. Der beste Zeitpunkt zum Einstieg war März.
Willst du immer noch durch das Reposten von Prompts in das Spiel einsteigen? Ich rate dir, es dir zweimal zu überlegen.
Hauptsächlich hat sein vorheriger Hype zu lange gedauert. Sein einziger wahrer Rivale ist Gemini. In der Vergangenheit wurden viele Nano-Banana-Prompts aus der ChatGPT-Ära übernommen.
Als erste Generation von Online-KI-Bildmodellen hat sein Material anfangs mit hoher Qualität durchgeschlagen. Aber seit November 2025 wurde im Grunde der gesamte Zinseszins von Nano Banana Pro aufgebraucht. Zum Beispiel haben viele Leute, einschließlich mir, sich auf Nano Banana verlassen, um Bild-Prompts zu schreiben und in den AIGC-Bereich einzusteigen;
Denk mal nach: Liegt der aktuelle Hitzeverlust am Modell oder an der zu hohen Inhaltswiederholung?
Ich denke, es ist eher Letzteres~
Also überleg ernsthaft, es ist unmöglich, dass ChatGPTs Image2-Modell das gleiche Hitzniveau wie Nano Banana erreicht. Es hätte konkurrieren sollen, als Nano Banana Pro auf seinem Höhepunkt war. Jetzt ist es zu spät (ich spreche zu Spielern, die durch das Schreiben von AIGC-Prompts Accounts aufbauen wollen; es ist zu spät, ich rate Freunden, die in den Kreis einsteigen, es sich zweimal zu überlegen).
2. Muttersprachliches Verständnis des Chinesischen
Es erfüllt perfekt die Bedürfnisse des chinesischen Sprachraums. Die Fehlerrate bei der Generierung chinesischer Zeichen ist kaum wahrnehmbar, und die Porträts haben die „plastische Ästhetik-Müdigkeit" früherer Modelle abgeschüttelt. Ich denke, ich muss nicht viel erklären; ob ein KI-Modell gut ist, hängt von seiner chinesischen Qualität ab, und Text bleibt eine Stärke von GPT.
Aber bevor Image2 herauskam, kämpfte Geminis Nano Banana Pro immer noch im chinesischen Sektor und produzierte oft verstümmelten Code bei zu vielen chinesischen Zeichen. Image2 wird seinem exzellenten chinesischen Materialarchiv gerecht und erobert den chinesischen Markt.
Reicht die Verbesserung bei chinesischen Zeichen allein? Porträts sind genauso wichtig. Viele Leute haben bereits Live-Stream-Screenshots ähnlich dem untenstehenden Bild geteilt:
Nachdem du das Bild gesehen hast, hast du das Gefühl, dass GPTs neues Modell dich versteht? Kann ein einfacher Prompt wie:
"Generiere einen Douyin-Screenshot einer Streamerin" dir eine unerwartete Überraschung bescheren? (Oder sogar deine Erwartungen übertreffen?). Wer zu viel ästhetische Müdigkeit sieht (sieht der 'Internet-Promi'-Look nicht überall gleich aus? 😂 Das gleiche Gefühl hatte ich beim Spielen mit Uni-1).
Einheimische Modelle selbst sind bereits großartig darin, mit einfacher Keyword-Stapelung Porträts zu erzeugen; aber Image2 fühlt sich mehr wie eine optimierte Mischung aus einheimischen Modellen (wie Doubao Seedream) und Gemini an, schneidet bei Text besser ab und wirkt realistischer. Ein weiterer Grund könnte sein, dass Geminis Porträts ästhetische Müdigkeit verursacht haben.
Ein Modell ist oft beeindruckend, weil es die Schmerzpunkte löst, die ein anderes Modell (Gemini) den Nutzern lange Zeit bereitet hat. Das führt zum dritten Punkt.
3. Modellsteuerbarkeit
Der Grad, in dem ein großes Modell Anweisungen befolgen kann und die Tatsache, dass es keine komplexen und langen Prompts mehr benötigt, um Bilder zu generieren, ist der Schlüssel zur Beurteilung, ob ein Modell gut ist. Ich persönlich denke, das ist das Highlight von Image 2 dieses Mal. Ich habe eine Reihe von Vergleichsbildern gemacht;
Mit dem gleichen Prompt ist GPT-image2 folgsamer als Nano Banana 2/Pro.
Gemini 3.1 pro Nano Banana pro
GPT-image2
Prompt: 📝 Ego-Perspektive aus niedrigem Winkel, ein 20-jähriger Top-Chinese männlicher Cosplayer, exquisite Gesichtszüge, 1:1 Make-up- und Kostümrekonstruktion von Uzumaki Naruto (Kurzhaar-Naruto nachdem er der siebte Hokage in Boruto wurde) Real-Life-Cosplay, linke Hand (Hand inklusive Finger und Arm vollständig bandagiert) hält eine durchsichtige Glasflasche schräg zurück und trinkt Wodka, rechte Hand im Vordergrund macht eine Stiftdreh-/Halteaktion, Nahaufnahme des Haltens eines weißen Apple Pencil-Eingabestifts, klare Handdetails, Indoor-Home-Desk-Szene, blau-weiß gemusterte Tischdecke, Hintergrund schwarzes Tablet mit rosa Anime-Hintergrundbild, verschwommene Umgebung, Bewegungsunschärfe und Bewegungsspuren, Game-CG-Stil, hochkünstlerisch, schockierend, reiche Farben, Überlagerung dunkler Bereiche, Nahaufnahme, ultrahohe Auflösung. Große Menge an Pinsel-Kalligraphie-Abrieben, die spritzen, fliegende Papierschnipsel, Papierschnipsel im Vordergrund unscharf, Bewegungsunschärfe, dynamische Unschärfe im Hintergrund, heller Sonnenschein, verschränktes Licht und Schatten, Nahaufnahme aus niedrigem Winkel, Hervorhebung von Geschwindigkeit und visueller Wirkung, starke Perspektive. Ursprüngliches Seitenverhältnis, das die Realität einer Handaufnahme mit der Frontkamera eines Handys simuliert, warmes weiches natürliches Licht, entsättigte Vintage-Film-Töne, realistische Porträt-Hautstruktur, klare Haarsträhnen, natürliche Kleidungsstruktur, realistische Glasreflexion, 4K 8K Ultrahochauflösung, große Blende-Unschärfe, entspannte tägliche Schnappschuss, atmosphärisch, kinematografische Aufnahme, lebensecht, nicht gestellt, lässig und natürlich.
Was sind die Kernpunkte im Prompt?
1Prompt: 📝 Ich-Perspektive aus niedrigem Winkel, ein 20-jähriger erstklassiger chinesisch-mixed männlicher Cosplayer, exquisite Gesichtszüge, 1:1 Make-up- und Kostümrekonstruktion von Uzumaki Naruto (Kurzhaar-Naruto nachdem er der siebte Hokage in Boruto wurde) Real-Life-Cosplay, linke Hand (Hand inklusive Finger und Arm vollständig bandagiert) hält eine durchsichtige Glasflasche schräg zurück und trinkt Wodka, rechte Hand im Vordergrund macht eine Stiftdreh-/Halteaktion, Nahaufnahme des Haltens eines weißen Apple Pencil-Eingabestifts, klare Handdetails, Indoor-Home-Desk-Szene, blau-weiß gemusterte Tischdecke, Hintergrund schwarzes Tablet mit rosa Anime-Hintergrundbild, verschwommene Umgebung, Bewegungsunschärfe und Bewegungsspuren, Game-CG-Stil, hochkünstlerisch, schockierend, reiche Farben, Überlagerung dunkler Bereiche, Nahaufnahme, ultrahohe Auflösung. Große Menge an Pinsel-Kalligraphie-Abrieben, die spritzen, fliegende Papierschnipsel, Papierschnipsel im Vordergrund unscharf, Bewegungsunschärfe, dynamische Unschärfe im Hintergrund, heller Sonnenschein, verschränktes Licht und Schatten, Nahaufnahme aus niedrigem Winkel, Hervorhebung von Geschwindigkeit und visueller Wirkung, starke Perspektive. Ursprüngliches Seitenverhältnis, das die Realität einer Handaufnahme mit der Frontkamera eines Handys simuliert, warmes weiches natürliches Licht, entsättigte Vintage-Film-Töne, realistische Porträt-Hautstruktur, klare Haarsträhnen, natürliche Kleidungsstruktur, realistische Glasreflexion, 4K 8K Ultrahochauflösung, große Blende-Unschärfe, entspannte tägliche Schnappschuss, atmosphärisch, kinematografische Aufnahme, lebensecht, nicht gestellt, lässig und natürlich.
Die Kernpunkte sind der Prompt Bewegungsunschärfe und Bewegungsspuren und (Hand inklusive Finger und Arm vollständig bandagiert). Besonders die letztere Schlüsselinformation: Jeder, der diesen Anime gesehen hat, weiß
Das Detail
der bandagierten Hand des Protagonisten
Sie ist vollständig bandagiert; ich habe es detailliert geschrieben, aus Angst, das Modell würde es nicht verstehen.
Derzeit hat GPT-image2 eine perfekte Punktzahl 💯 erreicht (im Vergleich zu allen anderen Text-zu-Bild-Modellen beweist allein dieser Punkt, dass seine Detailsteuerung stärker ist als die von Gemini). Dank OpenAIs reichhaltiger und genauer Materialdatenbank entspricht das generierte Bild dem Originalwerk, während Gemini sich anfühlt, als würde es nur raten. Jetzt ist es an Gemini, einen langen Weg vor sich zu haben.
Ob es an den korrekten Anweisungen oder der Dichte der Materialdatenbank des Modells liegt, derzeit ist seine Kontrolle über chinesische Anweisungen zweifellos ausgezeichnet! Es versteht mich gut.
Siehst du? Wenn KI menschliche Sprache vollständig versteht und keine langatmigen Prompts mehr benötigt, bedeutet das, dass die „Prompt-Hürde" vollständig gefallen ist.
In der zweiten Hälfte der zukünftigen AIGC-Ära wird der Wettbewerb nicht mehr um Zaubersprüche gehen, sondern um die Komposition, Kreativität und Ästhetik in deinem Gehirn! Tool-Iterationen werden dich nur besser verstehen, aber der interne Wettbewerb unter den Kreativen hat gerade erst begonnen. Bist du bereit, mit deiner Vorstellungskraft zu konkurrieren? 👇
Persönlich denke ich, dass diejenigen, die chinesischen Stil erforschen, es mal versuchen sollten; chinesischer Stil ist der coolste.
Wenn ich Film sage, ist es Film; es ist genau der Filmgeschmack, den ich wollte.
Einfache Ein-Satz-Prompts, die keine übermäßigen Modifikatoren oder komplexen Keywords mehr benötigen, ist die zukünftige Richtung großer Modelle.
Eine neue ästhetische Leiter erfordert ständige Iteration und Austausch. Genau wie die bekannten Agents oder Dinge wie Hummer und Hermès. Was gebraucht wird, ist ständige Iteration, nicht Stillstand.
Für Freunde, die noch keine ChatGPT-Mitgliedschaft haben und testen müssen, geht ihr zum Arena (Kampfmodus) unter dem folgenden Link:
Karten ziehen: https://arena.ai/
duct-tape-1/2/3 sind alle GPT-image2 Generierungsmodelle.
