Tout le monde sur Internet s'emballe pour le nouveau modèle de génération d'images d'OpenAI, GPT-Image2, mais je dois tempérer les ardeurs : il est trop tard ! 🤷♂️ D'abord, je ne vais pas exagérer à quel point le nouveau modèle d'OpenAI (code arène : duct-tape) est incroyable avec des éloges démesurés...
Ce que je veux dire, c'est que le progrès de GPT-image2 est un « Tonnerre du Réveil des Insectes » tardif.
Mais cela ne signifie pas qu'Image2 ne mérite pas d'être mentionné. Au contraire, après avoir testé en profondeur quelques prompts de scènes et de personnages, j'ai découvert que sa fonction phare vraiment terrifiante n'est pas du tout la qualité d'image.
C'est peut-être un game-changer qui démantèle instantanément l'hégémonie de Gemini 🍌.
Alors, pourquoi dis-je que c'est un tonnerre tardif ?
Laissez-moi aborder brièvement quelques points :
1. Pourquoi la période de dividende pour la croissance des comptes en écrivant des « prompts de niveau divin » est-elle terminée ?
Parce que la période de dividende pour la croissance des comptes via des « prompts de niveau divin » a déjà été dévorée par Nano Banana Pro de Gemini, plus Seedance 2.0. Le moment le plus opportun pour entrer était mars.
Vous voulez encore entrer dans le jeu en republiant des prompts ? Je vous conseille d'y réfléchir à deux fois.
Principalement, son battage médiatique précédent a trop duré. Son seul véritable rival est Gemini. Par le passé, de nombreux prompts Nano Banana ont été hérités de l'ère ChatGPT.
En tant que première génération de modèles d'images IA en ligne, son matériel a percé avec une qualité élevée au début. Cependant, depuis novembre 2025, pratiquement tous les intérêts composés ont été consommés par Nano Banana Pro. Par exemple, beaucoup de gens se sont appuyés sur Nano Banana pour écrire des prompts d'images et entrer dans le domaine de l'AIGC, y compris moi-même ;
Réfléchissez, la baisse actuelle de chaleur est-elle due à un mauvais modèle ou à une répétitivité trop élevée du contenu ?
Je pense qu'il s'agit probablement de la seconde option~
Alors réfléchissez sérieusement, il est impossible que le modèle Image2 de ChatGPT atteigne le même niveau de chaleur que Nano Banana. Il aurait dû rivaliser lorsque Nano Banana Pro était à son apogée. Maintenant, c'est trop tard (je parle aux joueurs qui veulent développer des comptes en écrivant des prompts AIGC ; il est trop tard, je conseille aux amis qui entrent dans le cercle d'y réfléchir à deux fois).
2. Compréhension native du chinois
Il répond parfaitement aux besoins de la région sinophone. Non seulement le taux d'erreur pour la génération de caractères chinois est à peine perceptible, mais les portraits ont également échappé à la « fatigue esthétique plastique » des modèles précédents. Je ne pense pas avoir besoin de m'étendre ; un modèle d'IA est bon en fonction de sa qualité chinoise, et le texte reste le point fort de GPT.
Mais avant la sortie d'Image2, Nano Banana Pro de Gemini peinait encore dans le secteur chinois, produisant souvent du charabia quand il y avait trop de caractères chinois. Image2 est à la hauteur de son excellente bibliothèque de matériel chinois et capture le marché chinois.
L'amélioration des caractères chinois suffit-elle ? Les portraits sont tout aussi importants. Beaucoup de gens ont déjà partagé des captures d'écran de streaming en direct similaires à l'image ci-dessous :
Après avoir regardé l'image, avez-vous l'impression que le nouveau modèle de GPT vous comprend ? Un prompt simple comme :
« Génère une capture d'écran Douyin d'une streameuse » peut-il vous réserver une surprise inattendue ? (Ou même dépasser vos attentes). Voir trop de fatigue esthétique (l'apparence « influenceuse » n'est-elle pas la même partout ? 😂 C'était pareil en jouant avec Uni-1).
Les modèles nationaux sont déjà incroyables pour produire des portraits avec une simple accumulation de mots-clés ; mais Image2 ressemble plus à un hybride optimisé de modèles nationaux (comme Doubao Seedream) et de Gemini, avec de meilleures performances textuelles et un aspect plus réaliste. Une autre raison pourrait être que les portraits de Gemini ont provoqué une fatigue esthétique.
Un modèle est souvent époustouflant parce qu'il résout les problèmes qu'un autre modèle (Gemini) a causés aux utilisateurs pendant longtemps. Cela mène au troisième point.
3. Contrôlabilité du modèle
Le degré auquel un grand modèle peut suivre les instructions et le fait qu'il ne nécessite plus de prompts complexes et longs pour générer des images est la clé pour juger si un modèle est bon. Personnellement, je pense que c'est le point fort d'Image 2 cette fois-ci. J'ai fait une série d'images comparatives ;
Avec le même prompt, GPT-image2 est plus obéissant que Nano Banana 2/Pro.
Gemini 3.1 pro Nano Banana pro
GPT-image2
Prompt : 📝 Perspective selfie en contre-plongée à la première personne, un top cosplayer masculin chinois de 20 ans, traits exquis, restauration maquillage et costume 1:1 d'Uzumaki Naruto (Naruto aux cheveux courts après être devenu le Septième Hokage dans Boruto) en cosplay réel, main gauche (main, doigts et bras entièrement enveloppés de bandages) tenant une bouteille en verre transparent inclinée en arrière buvant de la vodka, main droite au premier plan faisant un geste de rotation/tenue de stylo, gros plan tenant un stylet capacitif Apple Pencil blanc, détails nets des mains, scène de bureau à domicile à l'intérieur, nappe à motifs bleus et blancs, tablette noire en arrière-plan affichant un fond d'écran anime rose, environnement flou, flou de mouvement et traces de mouvement, style CG de jeu, très artistique, choquant, couleurs riches, superposition de zones sombres, gros plan, ultra-haute définition. Grande quantité de frottis de calligraphie au pinceau éclaboussant, morceaux de papier volants, morceaux de papier au premier plan flous, flou de mouvement, flou dynamique en arrière-plan, lumière du soleil éclatante, lumière et ombre entrelacées, gros plan en contre-plongée, mettant en valeur la vitesse et l'impact visuel, perspective forte. Ratio original simulant le réalisme d'une prise de vue tenue à la main avec la caméra frontale d'un téléphone portable, lumière naturelle douce et chaude, tons de film vintage à faible saturation, texture de peau de portrait réaliste, mèches de cheveux claires, texture de vêtements naturelle, reflet de verre réaliste, ultra-haute définition 4K 8K, flou de grande ouverture, instantané quotidien détendu, atmosphérique, capture cinématographique, réaliste, non posé, décontracté et naturel.
Quels sont les points clés du prompt ?
1Prompt : 📝 Perspective selfie en contre-plongée à la première personne, un top cosplayer masculin chinois métissé et beau de 20 ans, traits exquis, restauration maquillage et costume 1:1 d'Uzumaki Naruto (Naruto aux cheveux courts après être devenu le Septième Hokage dans Boruto) en cosplay réel, main gauche (main, doigts et bras entièrement enveloppés de bandages) tenant une bouteille en verre transparent inclinée en arrière buvant de la vodka, main droite au premier plan faisant un geste de rotation/tenue de stylo, gros plan tenant un stylet capacitif Apple Pencil blanc, détails nets des mains, scène de bureau à domicile à l'intérieur, nappe à motifs bleus et blancs, tablette noire en arrière-plan affichant un fond d'écran anime rose, environnement flou, flou de mouvement et traces de mouvement, style CG de jeu, très artistique, choquant, couleurs riches, superposition de zones sombres, gros plan, ultra-haute définition. Grande quantité de frottis de calligraphie au pinceau éclaboussant, morceaux de papier volants, morceaux de papier au premier plan flous, flou de mouvement, flou dynamique en arrière-plan, lumière du soleil éclatante, lumière et ombre entrelacées, gros plan en contre-plongée, mettant en valeur la vitesse et l'impact visuel, perspective forte. Ratio original simulant le réalisme d'une prise de vue tenue à la main avec la caméra frontale d'un téléphone portable, lumière naturelle douce et chaude, tons de film vintage à faible saturation, texture de peau de portrait réaliste, mèches de cheveux claires, texture de vêtements naturelle, reflet de verre réaliste, ultra-haute définition 4K 8K, flou de grande ouverture, instantané quotidien détendu, atmosphérique, capture cinématographique, réaliste, non posé, décontracté et naturel.
Les points clés sont le prompt flou de mouvement et traces de mouvement et (main, doigts et bras entièrement enveloppés de bandages). Surtout cette dernière information clé, quiconque a vu cet animé sait
Le protagoniste
Main enveloppée de bandages détail
C'est entièrement enveloppé de bandages ; je l'ai écrit en détail de peur que le modèle ne comprenne pas.
Actuellement, GPT-image2 a obtenu un score parfait 💯 (comparé à tous les autres modèles texte-image, ce seul point prouve que son contrôle des détails est plus fort que Gemini). Grâce à la bibliothèque de matériel riche et précise d'OpenAI, l'image générée correspond à l'œuvre originale, tandis que Gemini donne l'impression de deviner. Maintenant, c'est au tour de Gemini d'avoir un long chemin à parcourir.
Que ce soit parce que les instructions sont correctes ou la densité de la bibliothèque de matériel du modèle, actuellement, son contrôle sur les instructions chinoises est indubitablement excellent ! Il me comprend bien.
Vous voyez ? Quand l'IA comprend complètement le langage humain et n'a plus besoin de prompts interminables, cela signifie que la « barrière du prompt » s'est complètement effondrée.
Dans la seconde moitié de l'ère future de l'AIGC, la compétition ne portera plus sur les formules magiques, mais sur la composition, la créativité et l'esthétique dans votre cerveau ! Les itérations d'outils ne feront que mieux vous comprendre, mais la compétition interne entre créateurs ne fait que commencer. Êtes-vous prêt à rivaliser avec votre imagination ? 👇
Personnellement, je pense que ceux qui travaillent sur le style chinois peuvent essayer ; le style chinois est le plus cool.
Quand je dis film, c'est film ; c'est exactement la saveur cinématographique que je voulais.
Des prompts à une seule phrase simple, sans besoin de modificateurs excessifs ou de mots-clés complexes, c'est la direction future des grands modèles.
Une nouvelle échelle esthétique nécessite une itération et un remplacement continus. Tout comme les Agents bien connus ou des choses comme le homard et Hermès. Ce qu'il faut, c'est une itération constante, pas rester immobile.
Pour les amis qui n'ont pas encore d'abonnement ChatGPT et qui ont besoin de tester, vous pouvez aller sur l'Arena (Mode Combat) au lien ci-dessous :
Tirez des cartes : https://arena.ai/
duct-tape-1/2/3 sont tous des modèles de génération GPT-image2.
