Mọi người trên mạng đang thổi phồng mô hình tạo ảnh mới của OpenAI là GPT-Image2, nhưng tôi phải dội một gáo nước lạnh: nó đến quá muộn! 🤷♂️ Đầu tiên, tôi sẽ không phóng đại mô hình mới của OpenAI (mã đấu trường: duct-tape) tuyệt vời đến mức nào bằng những lời ca ngợi thái quá...
Điều tôi muốn nói là sự tiến bộ của GPT-image2 là một "Tiếng sấm thức tỉnh côn trùng" đến muộn.
Nhưng điều đó không có nghĩa là Image2 không đáng nhắc đến. Ngược lại, sau khi thử nghiệm sâu một số prompt về cảnh và nhân vật, tôi thấy tính năng giết người thực sự đáng sợ của nó hoàn toàn không phải là chất lượng hình ảnh.
Có lẽ nó là một kẻ thay đổi cuộc chơi, ngay lập tức phá vỡ thế bá chủ 🍌 của Gemini.
Vậy tại sao tôi lại nói nó là tiếng sấm đến muộn?
Hãy để tôi nói sơ qua vài điểm:
1. Tại sao thời kỳ cổ tức tăng trưởng tài khoản bằng cách viết "prompt thần thánh" đã kết thúc?
Bởi vì thời kỳ cổ tức tăng trưởng tài khoản thông qua "prompt thần thánh" đã bị Nuốt chửng bởi Nano Banana Pro của Gemini, cộng với Seedance 2.0. Thời điểm thích hợp nhất để tham gia là tháng Ba.
Vẫn muốn tham gia trò chơi bằng cách đăng lại prompt? Tôi khuyên bạn nên suy nghĩ kỹ.
Chủ yếu là, sự cường điệu trước đây của nó kéo dài quá lâu. Đối thủ thực sự duy nhất của nó là Gemini. Trong quá khứ, nhiều prompt Nano Banana được thừa hưởng từ kỷ nguyên ChatGPT.
Là thế hệ đầu tiên của các mô hình AI ảnh trực tuyến, chất liệu của nó đã đột phá với chất lượng cao ngay từ đầu. Tuy nhiên, kể từ tháng 11 năm 2025, về cơ bản tất cả lãi kép đã bị tiêu hao bởi Nano Banana Pro. Ví dụ, nhiều người dựa vào Nano Banana để viết prompt ảnh nhằm tham gia lĩnh vực AIGC, bao gồm cả tôi;
Hãy nghĩ xem, sự sụt giảm nhiệt hiện tại là do mô hình tồi hay do sự lặp lại nội dung quá cao?
Tôi nghĩ có khả năng là cái sau~
Vì vậy hãy suy nghĩ nghiêm túc, không thể nào mô hình Image2 của ChatGPT đạt được mức độ nhiệt như Nano Banana. Nó nên cạnh tranh khi Nano Banana Pro ở đỉnh cao. Bây giờ, nó đã muộn (tôi đang nói với những người chơi muốn tăng trưởng tài khoản bằng cách viết prompt AIGC; đã quá muộn, tôi khuyên những người bạn mới vào nghề nên suy nghĩ kỹ).
2. Khả năng hiểu tiếng Trung ở cấp độ bản địa
Nó đáp ứng hoàn hảo nhu cầu của khu vực nói tiếng Trung. Không chỉ tỷ lệ lỗi tạo ký tự Trung Quốc hầu như không đáng kể, mà chân dung cũng đã thoát khỏi "sự mệt mỏi thẩm mỹ nhựa" của các mô hình trước đó. Tôi không nghĩ cần phải nói nhiều; một mô hình AI có tốt hay không phụ thuộc vào chất lượng tiếng Trung của nó, và văn bản vẫn là thế mạnh của GPT.
Nhưng trước khi Image2 ra mắt, Nano Banana Pro của Gemini vẫn đang vật lộn trong lĩnh vực tiếng Trung, thường tạo ra mã rác khi có quá nhiều ký tự Trung Quốc. Image2 xứng đáng với thư viện chất liệu tiếng Trung xuất sắc của nó và chiếm lĩnh thị trường Trung Quốc.
Chỉ cải thiện ký tự Trung Quốc có đủ không? Chân dung cũng quan trọng không kém. Nhiều người đã chia sẻ ảnh chụp màn hình livestream tương tự như hình dưới đây:
Sau khi nhìn vào bức ảnh, bạn có cảm thấy mô hình mới của GPT hiểu bạn không? Một prompt đơn giản như:
"Tạo một ảnh chụp màn hình Douyin của một nữ streamer" có thể mang lại cho bạn một bất ngờ bất ngờ? (Hoặc thậm chí vượt quá mong đợi của bạn). Nhìn thấy quá nhiều sự mệt mỏi về thẩm mỹ (không phải vẻ ngoài 'người nổi tiếng mạng' ở đâu cũng giống nhau sao? 😂 Cảm giác cũng tương tự khi chơi với Uni-1).
Bản thân các mô hình trong nước đã rất tuyệt vời trong việc tạo ra chân dung với việc xếp chồng từ khóa đơn giản; nhưng Image2 cảm giác giống như một sự kết hợp tối ưu hóa của các mô hình trong nước (như Doubao Seedream) và Gemini, hoạt động tốt hơn trong văn bản và trông thực tế hơn. Một lý do khác có thể là chân dung của Gemini đã gây ra sự mệt mỏi về thẩm mỹ.
Một mô hình thường gây ấn tượng mạnh vì nó giải quyết được những điểm khó khăn mà một mô hình khác (Gemini) đã làm phiền người dùng trong một thời gian dài. Điều này dẫn đến điểm thứ ba.
3. Khả năng kiểm soát mô hình
Mức độ mà một mô hình lớn có thể tuân theo hướng dẫn và thực tế là nó không còn yêu cầu prompt dài và phức tạp để tạo ra hình ảnh là chìa khóa để đánh giá xem một mô hình có tốt hay không. Cá nhân tôi nghĩ đây là điểm nhấn của Image 2 lần này; tôi đã thực hiện một bộ ảnh so sánh;
Với cùng một prompt, GPT-image2 tuân thủ hơn so với Nano Banana 2/Pro.
Gemini 3.1 pro Nano Banana pro
GPT-image2
Prompt: 📝 Góc selfie cận mặt từ dưới lên góc nhìn thứ nhất, một nam cosplayer Trung Quốc hàng đầu 20 tuổi, đường nét tinh xảo, trang điểm và trang phục tái hiện 1:1 Uzumaki Naruto (Naruto tóc ngắn sau khi trở thành Hokage thứ Bảy trong Boruto) cosplay ngoài đời thực, tay trái (bàn tay bao gồm ngón tay và cánh tay được băng bó hoàn toàn) cầm một chai thủy tinh trong suốt nghiêng ngược uống vodka, tay phải tiền cảnh đang thực hiện động tác xoay bút/cầm bút, cận cảnh cầm một cây bút cảm ứng Apple Pencil màu trắng, chi tiết tay rõ ràng, khung cảnh bàn làm việc tại nhà trong nhà, khăn trải bàn họa tiết xanh trắng, nền là máy tính bảng màu đen hiển thị hình nền anime màu hồng, môi trường mờ ảo, blur chuyển động và vệt chuyển động, phong cách game CG, nghệ thuật cao, gây sốc, màu sắc phong phú, lớp phủ vùng tối, cận cảnh, siêu nét. Một lượng lớn bản đồ mực thư pháp bắn tung tóe, mảnh giấy bay, mảnh giấy tiền cảnh mờ, blur chuyển động, hậu cảnh động mờ, ánh nắng rực rỡ, ánh sáng và bóng tối xen kẽ, cận cảnh góc thấp, làm nổi bật tốc độ và tác động thị giác, phối cảnh mạnh. Tỷ lệ gốc mô phỏng chủ nghĩa hiện thực của ảnh chụp bằng camera trước điện thoại cầm tay, ánh sáng tự nhiên ấm áp mềm mại, tông màu phim cổ điển độ bão hòa thấp, kết cấu da chân dung thực tế, sợi tóc rõ ràng, kết cấu quần áo tự nhiên, phản chiếu thủy tinh thực tế, 4K 8K siêu nét, mờ khẩu độ lớn, ảnh chụp nhanh hàng ngày thoải mái, không khí, chụp điện ảnh, sống động như thật, không tạo dáng, tự nhiên và thoải mái.
Đâu là điểm mấu chốt trong prompt?
1Prompt: 📝 First-person low-angle selfie perspective, a 20-year-old top Chinese-mixed handsome male cosplayer, exquisite features, 1:1 makeup and costume restoration of Uzumaki Naruto (short-haired Naruto after becoming the Seventh Hokage in Boruto) real-life cosplay, left hand (hand including fingers and arm fully wrapped in bandages) holding a transparent glass bottle tilted back drinking vodka, foreground right hand doing a pen-spinning/holding action, close-up of holding a white Apple Pencil capacitive pen, clear hand details, indoor home desk scene, blue and white patterned tablecloth, background black tablet displaying pink anime wallpaper, blurred environment, motion blur and movement trails, game CG style, highly artistic, shocking, rich colors, dark area overlay, close-up shot, ultra-high definition. Large amount of brush calligraphy rubbings splashing, flying paper scraps, foreground paper scraps blurred, motion blur, background dynamic blur, bright sunshine, interlaced light and shadow, low-angle close-up shot, highlighting speed and visual impact, strong perspective. Original ratio simulating the realism of a mobile phone front camera handheld shot, warm soft natural light, low-saturation vintage film tones, realistic portrait skin texture, clear hair strands, natural clothing texture, realistic glass reflection, 4K 8K ultra-high definition, large aperture blur, relaxed daily snapshot, atmospheric, cinematic capture, life-like, not posed, casual and natural.
Điểm mấu chốt là prompt blur chuyển động và vệt chuyển động và (bàn tay bao gồm ngón tay và cánh tay được băng bó hoàn toàn). Đặc biệt là thông tin chính thứ hai, bất kỳ ai đã xem anime này đều biết
Chi tiết
Bàn tay được băng bó của nhân vật chính
Nó được băng bó hoàn toàn; tôi đã viết chi tiết vì sợ mô hình không hiểu.
Hiện tại, GPT-image2 đã đạt điểm tuyệt đối 💯 (so với tất cả các mô hình văn bản thành hình ảnh khác, riêng điểm này đã chứng minh khả năng kiểm soát chi tiết của nó mạnh hơn Gemini). Nhờ thư viện chất liệu phong phú và chính xác của OpenAI, hình ảnh được tạo ra khớp với tác phẩm gốc, trong khi Gemini có cảm giác như đang đoán mò. Bây giờ đến lượt Gemini phải đi một chặng đường dài.
Cho dù là do hướng dẫn chính xác hay mật độ thư viện chất liệu của mô hình, hiện tại, khả năng kiểm soát hướng dẫn tiếng Trung của nó chắc chắn là tuyệt vời! Nó hiểu tôi rõ.
Bạn thấy không? Khi AI hoàn toàn hiểu được ngôn ngữ con người và không còn cần prompt dài dòng nữa, điều đó có nghĩa là "rào cản prompt" đã hoàn toàn sụp đổ.
Trong nửa sau của kỷ nguyên AIGC trong tương lai, cuộc cạnh tranh sẽ không còn là về thần chú nữa, mà là bố cục, sự sáng tạo và thẩm mỹ trong não bạn! Các bản cập nhật công cụ sẽ chỉ hiểu bạn hơn, nhưng cuộc cạnh tranh nội bộ giữa những người sáng tạo mới chỉ bắt đầu. Bạn đã sẵn sàng cạnh tranh bằng trí tưởng tượng của mình chưa? 👇
Cá nhân tôi nghĩ những ai nghiên cứu phong cách Trung Quốc có thể thử; phong cách Trung Quốc là ngầu nhất.
Khi tôi nói phim, nó là phim; nó chính xác là hương vị điện ảnh tôi muốn.
Prompt một câu đơn giản, không còn cần từ bổ nghĩa quá mức hoặc từ khóa phức tạp, là hướng đi tương lai của các mô hình lớn.
Một bậc thang thẩm mỹ mới cần được cập nhật và thay thế liên tục. Giống như Agents nổi tiếng hoặc những thứ như tôm hùm và Hermès. Điều cần thiết là sự cập nhật liên tục, không phải đứng yên.
Đối với những người bạn chưa có tài khoản thành viên ChatGPT và cần kiểm tra, bạn có thể vào Arena (Chế độ Chiến đấu) tại liên kết bên dưới:
Rút thẻ: https://arena.ai/
duct-tape-1/2/3 đều là mô hình tạo ảnh GPT-image2.
