Tutti su internet stanno esaltando il nuovo modello di generazione immagini di OpenAI, GPT-Image2, ma devo gettare un po' di acqua fredda: è troppo tardi! 🤷♂️ Prima di tutto, non esagererò con lodi sperticate su quanto sia fantastico il nuovo modello di OpenAI (codice arena: duct-tape)...
Quello che voglio dire è che il progresso di GPT-image2 è un "Tuono del Risveglio degli Insetti" arrivato in ritardo.
Ma questo non significa che Image2 non meriti di essere menzionato. Al contrario, dopo aver testato a fondo alcuni prompt di scene e personaggi, ho scoperto che la sua caratteristica davvero terrificante non è affatto la qualità dell'immagine.
Forse è un punto di svolta che smantella istantaneamente l'egemonia di Gemini 🍌.
Allora perché dico che è un tuono arrivato in ritardo?
Lasciami parlare brevemente di alcuni punti:
1. Perché il periodo dei dividendi per far crescere account scrivendo "prompt divini" è finito?
Perché il periodo dei dividendi per far crescere account tramite "prompt divini" è già stato divorato da Gemini Nano Banana Pro, più Seedance 2.0. Il momento più appropriato per entrare era marzo.
Vuoi ancora entrare nel gioco ripubblicando prompt? Ti consiglio di pensarci due volte.
Principalmente, il suo hype precedente è durato troppo a lungo. Il suo unico vero rivale è Gemini. In passato, molti prompt di Nano Banana sono stati ereditati dall'era di ChatGPT.
Come prima generazione di modelli di immagini AI online, il suo materiale ha sfondato con alta qualità all'inizio. Tuttavia, da novembre 2025, praticamente tutto l'interesse è stato consumato da Nano Banana Pro. Ad esempio, molte persone, inclusa me stessa, hanno usato Nano Banana per scrivere prompt di immagini per entrare nel campo AIGC;
Pensaci, il calo di popolarità attuale è dovuto al fatto che il modello è scarso o che la ripetizione dei contenuti è troppo alta?
Penso che sia probabilmente la seconda ipotesi~
Quindi pensaci seriamente, è impossibile per il modello Image2 di ChatGPT raggiungere lo stesso livello di popolarità di Nano Banana. Avrebbe dovuto competere quando Nano Banana Pro era al suo apice. Ora è in ritardo (sto parlando ai giocatori che vogliono far crescere account scrivendo prompt AIGC; è troppo tardi, consiglio agli amici che entrano nel circolo di pensarci due volte).
2. Comprensione del cinese a livello nativo
Soddisfa perfettamente le esigenze della regione di lingua cinese. Non solo il tasso di errore per la generazione di caratteri cinesi è trascurabile, ma i ritratti sono anche sfuggiti alla "stanchezza estetica plastica" dei modelli precedenti. Non penso di dovermi dilungare molto; se un modello AI è buono dipende dalla sua qualità in cinese, e il testo rimane il punto di forza di GPT.
Ma prima dell'uscita di Image2, il Nano Banana Pro di Gemini stava ancora lottando nel settore cinese, producendo spesso codice illeggibile quando c'erano troppi caratteri cinesi. Image2 è all'altezza del suo eccellente archivio di materiali cinesi e conquista il mercato cinese.
Migliorare i soli caratteri cinesi è sufficiente? I ritratti sono altrettanto importanti. Molte persone hanno già condiviso screenshot di live streaming simili all'immagine qui sotto:
Dopo aver visto l'immagine, pensi che il nuovo modello di GPT ti capisca? Un semplice prompt come:
"Genera uno screenshot di Douyin di una streamer femminile" può darti una sorpresa inaspettata? (O addirittura superare le tue aspettative). Vedere troppa stanchezza estetica (la 'faccia da influencer' non è uguale dappertutto? 😂 Sembrava lo stesso quando giocavo con Uni-1).
I modelli nazionali sono già fantastici nel produrre ritratti con semplici accumuli di parole chiave; ma Image2 sembra più un ibrido ottimizzato di modelli nazionali (come Doubao Seedream) e Gemini, con prestazioni migliori nel testo e aspetto più realistico. Un altro motivo potrebbe essere che i ritratti di Gemini hanno causato stanchezza estetica.
Un modello è spesso sorprendente perché risolve i punti dolenti che un altro modello (Gemini) ha causato agli utenti per lungo tempo. Questo porta al terzo punto.
3. Controllabilità del Modello
Il grado in cui un grande modello può seguire le istruzioni e il fatto che non richieda più prompt complessi e lunghi per generare immagini è la chiave per giudicare se un modello è buono. Personalmente penso che questo sia il punto di forza di Image 2 questa volta. Ho fatto una serie di immagini di confronto;
Con lo stesso prompt, GPT-image2 è più obbediente di Nano Banana 2/Pro.
Gemini 3.1 pro Nano Banana pro
GPT-image2
Prompt: 📝 Selfie in prima persona dal basso verso l'alto, un cosplayer maschio cinese di 20 anni, lineamenti raffinati, restauro 1:1 del trucco e del costume di Uzumaki Naruto (Naruto con i capelli corti dopo essere diventato il Settimo Hokage in Boruto) cosplay realistico, mano sinistra (mano con dita e braccio completamente avvolti in bende) che tiene una bottiglia di vetro trasparente inclinata all'indietro mentre beve vodka, mano destra in primo piano che fa un'azione di far roteare/tenere una penna, primo piano che tiene una penna capacitiva Apple Pencil bianca, dettagli chiari delle mani, scena di scrivania domestica al chiuso, tovaglia a motivi blu e bianchi, sfondo tablet nero che mostra uno sfondo anime rosa, ambiente sfocato, sfocatura di movimento e scie di movimento, stile CG da gioco, altamente artistico, scioccante, colori ricchi, sovrapposizione di aree scure, primo piano, altissima definizione. Grande quantità di sfregamenti di calligrafia a pennello che schizzano, ritagli di carta volanti, ritagli di carta in primo piano sfocati, sfocatura di movimento, sfocatura dinamica dello sfondo, luce solare intensa, luce e ombra intrecciate, primo piano dal basso verso l'alto, che evidenzia velocità e impatto visivo, forte prospettiva. Rapporto originale che simula il realismo di uno scatto tenuto con la fotocamera frontale di un telefono, luce naturale morbida e calda, toni cinematografici vintage a bassa saturazione, consistenza realistica della pelle del ritratto, ciocche di capelli chiare, consistenza naturale dei vestiti, riflesso realistico del vetro, altissima definizione 4K 8K, sfocatura a grande apertura, scatto rilassato quotidiano, atmosferico, cattura cinematografica, realistico, non in posa, casuale e naturale.
Quali sono i punti chiave nel prompt?
1Prompt: 📝 Selfie in prima persona dal basso verso l'alto, un cosplayer maschio cinese di 20 anni, lineamenti raffinati, restauro 1:1 del trucco e del costume di Uzumaki Naruto (Naruto con i capelli corti dopo essere diventato il Settimo Hokage in Boruto) cosplay realistico, mano sinistra (mano con dita e braccio completamente avvolti in bende) che tiene una bottiglia di vetro trasparente inclinata all'indietro mentre beve vodka, mano destra in primo piano che fa un'azione di far roteare/tenere una penna, primo piano che tiene una penna capacitiva Apple Pencil bianca, dettagli chiari delle mani, scena di scrivania domestica al chiuso, tovaglia a motivi blu e bianchi, sfondo tablet nero che mostra uno sfondo anime rosa, ambiente sfocato, sfocatura di movimento e scie di movimento, stile CG da gioco, altamente artistico, scioccante, colori ricchi, sovrapposizione di aree scure, primo piano, altissima definizione. Grande quantità di sfregamenti di calligrafia a pennello che schizzano, ritagli di carta volanti, ritagli di carta in primo piano sfocati, sfocatura di movimento, sfocatura dinamica dello sfondo, luce solare intensa, luce e ombra intrecciate, primo piano dal basso verso l'alto, che evidenzia velocità e impatto visivo, forte prospettiva. Rapporto originale che simula il realismo di uno scatto tenuto con la fotocamera frontale di un telefono, luce naturale morbida e calda, toni cinematografici vintage a bassa saturazione, consistenza realistica della pelle del ritratto, ciocche di capelli chiare, consistenza naturale dei vestiti, riflesso realistico del vetro, altissima definizione 4K 8K, sfocatura a grande apertura, scatto rilassato quotidiano, atmosferico, cattura cinematografica, realistico, non in posa, casuale e naturale.
I punti chiave sono il prompt sfocatura di movimento e scie di movimento e (mano con dita e braccio completamente avvolti in bende). Soprattutto quest'ultima informazione chiave, chiunque abbia visto questo anime lo sa
Il dettaglio della mano del protagonista
avvolta in bende
È completamente avvolta in bende; l'ho scritto in dettaglio per paura che il modello non capisse.
Attualmente, GPT-image2 ha ottenuto un punteggio perfetto 💯 (rispetto a tutti gli altri modelli testo-immagine, questo punto da solo prova che il suo controllo dei dettagli è più forte di Gemini). Grazie al ricco e accurato archivio di materiali di OpenAI, l'immagine generata corrisponde all'opera originale, mentre Gemini sembra che stia solo indovinando. Ora è il turno di Gemini di avere una lunga strada da percorrere.
Che sia perché le istruzioni sono corrette o la densità dell'archivio di materiali del modello, attualmente, il suo controllo sulle istruzioni in cinese è senza dubbio eccellente! Mi capisce bene.
Vedi? Quando l'AI comprende completamente il linguaggio umano e non ha più bisogno di prompt prolissi, significa che la "barriera dei prompt" è completamente crollata.
Nella seconda metà della futura era AIGC, la competizione non sarà più sulle formule magiche, ma sulla composizione, creatività ed estetica nel tuo cervello! Le iterazioni degli strumenti ti capiranno solo meglio, ma la competizione interna tra i creator è appena iniziata. Sei pronto a competere con la tua immaginazione? 👇
Personalmente, penso che chi studia lo stile cinese possa provarlo; lo stile cinese è il più figo.
Quando dico film, è film; è esattamente il sapore cinematografico che volevo.
Prompt di una singola frase semplice, senza più bisogno di modificatori eccessivi o parole chiave complesse, è la direzione futura dei grandi modelli.
Una nuova scala estetica ha bisogno di iterazione e sostituzione continue. Proprio come i noti Agents o cose come aragoste e Hermès. Ciò che serve è un'iterazione costante, non stare fermi.
Per gli amici che non hanno ancora un abbonamento ChatGPT e hanno bisogno di testare, potete andare in Arena (Modalità Battaglia) al link qui sotto:
Tirare carte: https://arena.ai/
duct-tape-1/2/3 sono tutti modelli di generazione GPT-image2.
