- Strona główna
- Modele
- GPT Image 2 vs Seedream 5 Pro: generowanie obrazów zgodnych z promptem
GPT Image 2 vs Seedream 5 Pro: generowanie obrazów zgodnych z promptem
Wyniki zależą od zadania, ale GPT Image 2 wypada lepiej w większej liczbie tych scenariuszy. Wybierz GPT Image 2, jeśli zależy Ci na zachowaniu obrazu źródłowego, edycji na podstawie obrazów referencyjnych, zmianie oświetlenia, odwzorowaniu materiałów, anatomii i zmianie scenerii produktu; wybierz Seedream 5 Pro do typografii wielojęzycznej, układów reklamowych i rozszerzania obrazów do innych proporcji. W zadaniach związanych z liczeniem i tworzeniem uporządkowanych grafik interfejsu padł remis.

Zestawienie faktów
| Cecha | GPT Image 2 | Seedream 5 Pro |
|---|---|---|
| Twórca | OpenAI | ByteDance |
| Dostępność w Banana Pie | Dostępny teraz | Dostępny teraz |
| Kredyty od | 20 kredytów | 25 kredytów |
| Maks. rozdzielczość | 4K | 2K |
| Obrazy referencyjne | Do 8 | Do 8 |
Porównanie scenariuszy
Ten sam prompt. Dwa modele. Oceń różnicę na opublikowanych poniżej obrazach.
Materiał produktu i oświetlenie
Lepszy w tym zadaniu: GPT Image 2Obraz PO LEWEJ lepiej spełnia wymagania dotyczące materiału, załamania światła i oświetlenia, zachowując przy tym zgodność z wymaganiami dotyczącymi obiektów. Obraz PO PRAWEJ jest bliższy napełnieniu do połowy, ale obraz PO LEWEJ jest ogólnie bardziej zgodny z promptem.
- Widoczny jest dokładnie jeden przezroczysty, prostokątny flakon perfum, bez tekstu, logo i dodatkowych obiektów: remis. Oba obrazy przedstawiają pojedynczy przezroczysty, prostokątny flakon perfum na mokrym czarnym kamieniu, bez widocznego tekstu, logo, roślin ani osobnych dodatkowych obiektów.
- Flakon jest wyraźnie napełniony do połowy bursztynowym płynem: lepiej po prawej. Poziom bursztynowego płynu w prawym flakonie znajduje się blisko połowy wysokości jego korpusu, podczas gdy w lewym flakonie płyn w widocznej przedniej komorze wydaje się sięgać nieco powyżej połowy.
- Załamanie światła w szkle i odbicie na mokrym czarnym kamieniu są fizycznie spójne: lepiej po lewej. Lewy obraz ma wyraźniejsze krawędzie szkła, bardziej spójne załamanie światła przez prostokątne ścianki i odbicie zgodne z flakonem oraz bursztynowym płynem. Na prawym obrazie zakrzywiona wewnętrzna rurka lub linia załamania światła przechodząca przez płyn wygląda mniej przekonująco.
- Oświetlenie z lewego górnego rogu tworzy spójne refleksy i wiarygodny cień w miejscu styku z podłożem: lepiej po lewej. Na lewym obrazie wyraźnie widać silne światło z lewego górnego rogu, zgodne z jasnymi refleksami i cieniem padającym w prawo. Na prawym obrazie refleksy są wiarygodne, ale kierunek światła jest mniej jednoznaczny, a cień przy podstawie mniej wyraźny.
Użyty prompt i ustawienia
Prompt
A premium product photograph of exactly one transparent rectangular perfume bottle, half filled with amber liquid, standing upright on wet black stone. Light comes from the upper left, creating coherent refraction, a contact shadow, and one subtle reflection. No text, logo, plants, or extra objects.
Typografia wielojęzyczna
Lepszy w tym zadaniu: Seedream 5 ProObraz po prawej jest bardziej zgodny z promptem, ponieważ zachowuje wymagany układ czterech wierszy i dokładny tekst. Obraz po lewej błędnie dzieli pierwszy wiersz na dwa osobne.
- Plakat zawiera dokładnie cztery wyśrodkowane wiersze tekstu i żadnego dodatkowego tekstu: lepiej po prawej. Prawy obraz pokazuje dokładnie cztery wyśrodkowane wiersze: "MOONLIGHT MARKET", "月光市集", "18 OCT" i "RIVER HALL". Lewy obraz pokazuje pięć wyśrodkowanych wierszy, ponieważ "MOONLIGHT MARKET" zostało podzielone na "MOONLIGHT" i "MARKET".
- Cztery wiersze brzmią dokładnie "MOONLIGHT MARKET", "月光市集", "18 OCT" i "RIVER HALL", w tej kolejności: lepiej po prawej. Prawy obraz odwzorowuje cztery wiersze dokładnie jako "MOONLIGHT MARKET", "月光市集", "18 OCT" i "RIVER HALL". Lewy obraz pokazuje tekst jako "MOONLIGHT", "MARKET", "月光市集", "18 OCT" i "RIVER HALL", więc pierwszy wiersz nie jest zgodny z wymaganiem, a liczba i układ wierszy są nieprawidłowe.
- "月光市集" jest czerwone, a pozostałe trzy wiersze są czarne: remis. Na obu obrazach "月光市集" jest czerwone, a wiersze z tekstem angielskim i datą są czarne.
- Cały tekst jest czytelny, rozmieszczony w równych odstępach i wizualnie wyrównany: lepiej po prawej. Tekst na prawym obrazie jest czytelny, wyśrodkowany i równomiernie rozmieszczony w zwartym układzie plakatu. Po lewej tekst również jest czytelny i wyśrodkowany, ale podział tytułu powoduje mniej równomierne odstępy i zaburza zamierzony układ czterech wierszy.
Użyty prompt i ustawienia
Prompt
Design a clean cream-colored vertical event poster. Show exactly four centered text lines and no other text: "MOONLIGHT MARKET", "月光市集", "18 OCT", and "RIVER HALL". Render "月光市集" in red and all other lines in black.
Anatomia człowieka i kontakt fizyczny
Lepszy w tym zadaniu: GPT Image 2Obraz po lewej lepiej spełnia wymagania dotyczące liczby dłoni i pięciu palców, choć na prawym obrazie anatomia palców wygląda nieco poprawniej.
- Widoczne są dokładnie dwie dłonie w całości, bez dodatkowych dłoni ani osób: lepiej po lewej. Lewy obraz pokazuje dokładnie dwie dłonie i jedną osobę, a obie dłonie są pełniej widoczne nad miską. Prawy obraz również pokazuje dokładnie dwie dłonie i żadnych dodatkowych osób, ale kciuk dłoni wewnątrz miski jest ukryty, więc dłoń nie jest równie dobrze widoczna w całości.
- Każda dłoń ma dokładnie pięć wyraźnych, naturalnie uformowanych palców: lepiej po lewej. Na lewym obrazie każda dłoń wydaje się mieć pięć palców, choć niektóre są pokryte gliną i częściowo blisko siebie. Dłoń wewnątrz miski na prawym obrazie pokazuje wyraźnie tylko cztery palce, bez widocznego, odrębnego kciuka. Dłoń na zewnątrz wydaje się mieć pięć palców.
- Palce, stawy i kontakt z gliną są anatomicznie wiarygodne: lepiej po prawej. Widoczne palce i kostki na prawym obrazie mają bardziej naturalne proporcje, a chwyt miski jest wiarygodny. Na lewym obrazie palce pokryte gliną utrudniają ocenę anatomii, a niektóre opuszki dłoni po lewej stronie wyglądają na nieco stłoczone lub zrośnięte w miejscu kontaktu z gliną.
- Gliniana miska, obracające się koło garncarskie i czynność formowania są wyraźnie rozpoznawalne: remis. Oba obrazy wyraźnie pokazują glinianą miskę na obracającym się kole oraz dłonie formujące lub podtrzymujące glinę. Lewy obraz akcentuje rozmycie obracającego się koła i kontakt z wnętrzem miski, a prawy wyraźnie pokazuje kształt miski i koło.
Użyty prompt i ustawienia
Prompt
A photorealistic close-up of an adult potter shaping a clay bowl on a spinning wheel. Both hands are fully visible, each with five natural fingers touching the clay. No other people or hands. Soft window light.
Zliczanie i przypisywanie atrybutów
Zależy od zadaniaOba obrazy spełniają wymagania dotyczące liczby, położenia, kolorów, kształtów i materiałów obiektów, uchwytu kubka skierowanego w prawo oraz braku dodatkowego tekstu i obiektów. Różnice są niewielkie i nie dają wyraźnego zwycięzcy według kryteriów oceny.
- Po lewej znajdują się dokładnie trzy czerwone sześciany, po prawej dwie niebieskie kule, a pośrodku za nimi jeden żółty kubek: remis; oba obrazy pokazują trzy czerwone sześciany po lewej, dwie niebieskie kule po prawej i pojedynczy żółty kubek za obiektami, blisko środka.
- Określone kolory, kształty i materiały są prawidłowo przypisane do każdego obiektu: remis; oba obrazy pokazują czerwone sześciany, niebieskie kule przypominające szkło i żółty, błyszczący kubek wyglądający na ceramiczny. Faktura drewna na sześcianach jest nieco wyraźniejsza po prawej, ale oba obrazy spełniają wymagania dotyczące przypisania cech.
- Uchwyt kubka jest wyraźnie skierowany w prawo: remis; na obu obrazach uchwyt jest widoczny po prawej stronie kubka.
- Nie widać dodatkowych obiektów ani tekstu: remis; żaden obraz nie pokazuje dodatkowych obiektów ani wygenerowanego tekstu.
Użyty prompt i ustawienia
Prompt
On a matte gray table, exactly three red wooden cubes form a row on the left, exactly two blue glass spheres sit on the right, and one yellow ceramic mug stands centered behind them. The mug handle points right. No other objects or text.
Kompozycja reklamowa
Lepszy w tym zadaniu: Seedream 5 ProObraz po prawej ogólnie lepiej spełnia wymagania dotyczące tekstu i układu, choć po lewej but jest wyraźniej umieszczony w prawym dolnym rogu.
- Dokładnie jeden srebrny but znajduje się w prawym dolnym rogu, a pomarańczowa smuga zaczyna się w lewym dolnym rogu: lepiej po lewej. Na lewym obrazie jeden srebrny but jest wyraźnie osadzony w prawym dolnym rogu, a pomarańczowa smuga wyraźnie zaczyna się w lewym dolnym rogu. Na prawym obrazie również jest jeden srebrny but i pomarańczowa smuga wychodząca z lewego dolnego rogu, ale but znajduje się raczej pośrodku prawej strony, w dolnej połowie, niż jednoznacznie w prawym dolnym rogu.
- Jedyny widoczny tekst to "RUN LIGHT" i "42 KM", oba zapisane poprawnie: lepiej po prawej. Prawy obraz pokazuje tylko "RUN LIGHT" i "42 KM". Lewy obraz poprawnie pokazuje "RUN LIGHT" i "42 KM", ale na bucie widnieje też dodatkowy tekst "AERO".
- Górne 15 procent obrazu pozostaje wyraźnie wolne od elementów, a nagłówek znajduje się bezpośrednio poniżej: lepiej po prawej. Prawy obraz pozostawia pusty górny obszar i umieszcza "RUN LIGHT" tuż pod nim, po lewej stronie. Lewy obraz również ma pusty górny obszar, ale nagłówek znajduje się znacznie niżej, a nie bezpośrednio pod pustym pasem.
- Wszystkie wymagane elementy są w pełni widoczne i tworzą wyraźną hierarchię wizualną: lepiej po prawej. Na prawym obrazie but, pomarańczowa smuga, nagłówek i plakietka są w pełni widoczne w przejrzystym układzie reklamowym. Lewy obraz ma wyraźną hierarchię, ale dodatkowy tekst "AERO" na bucie narusza wymaganie ograniczonej ilości tekstu i wprowadza wizualny chaos.
Użyty prompt i ustawienia
Prompt
Create a vertical social ad for a fictional running shoe named AERO. Keep the top 15 percent empty. Directly below it, place the headline "RUN LIGHT" in the upper-left. Show exactly one silver shoe in the lower-right, an orange trail curving from the bottom-left, and a round badge reading "42 KM". No other shoes or text.
Grafika interfejsu o uporządkowanej strukturze
Zależy od zadaniaOba obrazy spełniają wymagania dotyczące uporządkowanej grafiki cennika: dokładny tekst, trzy kolumny, trzy wiersze w każdej kolumnie i po jednym niebieskim przycisku SELECT na kolumnę. Żaden nie ma wyraźnej przewagi według kryteriów oceny.
- Grafika zawiera dokładny tytuł "CHOOSE YOUR PLAN" i dokładnie trzy kolumny z etykietami "STARTER", "PRO" i "TEAM": remis, oba obrazy pokazują tytuł dokładnie jako "CHOOSE YOUR PLAN" oraz trzy etykiety kolumn dokładnie jako "STARTER", "PRO" i "TEAM".
- Każda kolumna zawiera dokładnie trzy wyrównane wiersze z etykietami "PROJECTS", "STORAGE" i "SUPPORT": remis, oba obrazy pokazują w każdej kolumnie dokładnie te etykiety wierszy: "PROJECTS", "STORAGE" i "SUPPORT", w tej samej kolejności i z wyrównaniem między kolumnami.
- Każda kolumna zawiera dokładnie jeden niebieski przycisk z etykietą "SELECT": remis, oba obrazy pokazują po jednym niebieskim przycisku na kolumnę, każdy z dokładną etykietą "SELECT".
- Kolumny są równomiernie rozmieszczone, bez dodatkowych kolumn ani tekstu: remis, oba obrazy mają trzy równomiernie rozmieszczone kolumny, bez dodatkowych kolumn i bez wygenerowanego tekstu poza "CHOOSE YOUR PLAN", "STARTER", "PRO", "TEAM", "PROJECTS", "STORAGE", "SUPPORT" i "SELECT".
Użyty prompt i ustawienia
Prompt
Create a clean horizontal pricing comparison graphic titled "CHOOSE YOUR PLAN". Use exactly three equal columns labeled "STARTER", "PRO", and "TEAM". Under each column, show exactly three aligned rows labeled "PROJECTS", "STORAGE", and "SUPPORT", followed by one blue button labeled "SELECT". White background, dark navy text, no additional columns or text.
Łączenie i edycja obiektów na podstawie sześciu obrazów referencyjnych
Lepszy w tym zadaniu: GPT Image 2Edycja po lewej jest ogólnie lepsza. Wyraźnie wygrywa pod względem położenia obiektów i zachowania sceny bazowej, natomiast główną zaletą wersji po prawej jest wierniejsze odwzorowanie wyglądu dwóch cytryn.
- Kryterium 1: Wersja po lewej wypada lepiej. Granatowy kubek wiernie zachowuje położenie oryginalnego kubka w lewym dolnym rogu, jego rozmiar i orientację ucha skierowanego w prawo, a serwetka w paski zajmuje miejsce oryginalnej ściereczki, ze złożeniem i wzorem pasków bardzo zbliżonymi do obrazu referencyjnego 3. Wersja po prawej zawiera właściwe zamienniki, ale oba są mniejsze i przesunięte względem sceny bazowej.
- Kryterium 2: Wersja po lewej wypada lepiej. Obie wersje usuwają gruszkę i niebieski notes, zastępując je jedną pomarańczą i musztardowożółtym notesem w twardej oprawie z czarną gumką, ale wersja po lewej lepiej zachowuje położenie i proporcje oryginalnej gruszki i notesu.
- Kryterium 3: Wersja po prawej wypada lepiej. Obie pokazują dokładnie dwie cytryny po prawej stronie kubka, bez dodatkowych sztuk, ale wersja po prawej wierniej odtwarza obraz referencyjny 6, zachowując duży zielony liść na lewej cytrynie; wersja po lewej go pomija.
- Kryterium 4: Wersja po lewej wypada znacznie lepiej. Zachowuje szeroki kadr, oryginalne krawędzie blatu, rozpoznawalne sęki i słoje drewna oraz pierwotne odstępy między miejscami zajmowanymi przez edytowane obiekty. Wersja po prawej zmienia kadr i skalę, ucina większą część stołu i przesuwa układ obiektów w górę i ku środkowi.
Obrazy referencyjne
Użyty prompt i ustawienia
Prompt
Use Reference 1 as the base tabletop scene. Replace the red mug with the exact dark navy-blue mug from Reference 2 in the same position and orientation. Replace the folded white towel with the exact green-and-white striped napkin from Reference 3 in the same folded area. Replace the green pear with exactly one orange from Reference 4 in the same position. Replace the blue notebook with the exact mustard-yellow hardcover notebook from Reference 5 in the same position. Add exactly the two lemons from Reference 6 to the right of the mug. Preserve the wooden table, camera, framing, wood grain, lighting, shadows, and all other spatial relationships from Reference 1. Do not copy the white product backgrounds from References 2–6, duplicate any asset, or add other objects.
Zamiana tekstu na obrazie
Lepszy w tym zadaniu: GPT Image 2Obie wersje poprawnie odwzorowują wymagany tekst, ale wersja po lewej znacznie lepiej spełnia wymóg ograniczenia edycji do samego napisu, zachowując oryginalny obraz poza zmienionymi literami.
- Dokładna zamiana tekstu: Obie wersje zawierają dokładny napis „NIGHT OWL”, a „MORNING BEAN” został całkowicie usunięty.
- Brak dodatkowych lub zniekształconych znaków: Obie wersje pokazują wyłącznie „NIGHT OWL”, z wyraźnymi, poprawnie ukształtowanymi literami i bez dodatkowych znaków.
- Charakter kroju pisma, odstępy i perspektywa: Wersja po lewej jest bliższa obrazowi referencyjnemu — zachowuje wysokie litery bezszeryfowe, szerokie odstępy, wyśrodkowanie i oryginalną perspektywę szyldu. Wersja po prawej używa podobnego liternictwa, ale wyraźniej zmienia skalę szyldu i kąt widzenia.
- Materiał, oświetlenie i otoczenie: Wersja po lewej niemal dokładnie zachowuje oryginalną fakturę szyldu, cienie, kadr witryny sklepowej i całą scenę. Wersja po prawej zauważalnie zmienia kadrowanie, punkt widzenia, proporcje frontu sklepu, położenie lamp, okna, rośliny i szczegóły otoczenia.
Obrazy referencyjne
Użyty prompt i ustawienia
Prompt
Replace only the sign text with exactly "NIGHT OWL". Preserve the original font style, spacing, perspective, sign material, lighting, and everything else.
Przenoszenie tożsamości postaci i ubioru z wielu obrazów referencyjnych
Lepszy w tym zadaniu: GPT Image 2Wersja PO LEWEJ jest ogólnie lepsza. Znacznie wierniej zachowuje wygląd osoby i oryginalną kompozycję, a jednocześnie przenosi więcej charakterystycznych detali konstrukcji i powierzchni kurtki.
- Tożsamość, wyraz twarzy, włosy, poza, proporcje ciała i kadrowanie: Wersja PO LEWEJ wypada lepiej. Twarz, mimika, zarys fryzury, ułożenie dłoni, skala sylwetki i kadr są bardzo zbliżone do obrazu referencyjnego 1, podczas gdy wersja PO PRAWEJ zmniejsza osobę w kadrze i zauważalnie zmienia proporcje twarzy, ułożenie włosów oraz dłoni.
- Materiał kurtki, kolor, kołnierz, guziki, kieszenie i naszywka na rękawie: Wersja PO LEWEJ wypada lepiej. Wierniej odtwarza jasnoniebieski denim, gruby kremowy kołnierz z materiału sherpa, konstrukcję kieszeni na piersi, metalowe elementy w kolorze brązu, układ szwów i czerwoną naszywkę w górnej części rękawa z obrazu referencyjnego 2. Wersja PO PRAWEJ oddaje główne cechy projektu, ale upraszcza detale denimu i w większym stopniu zmienia rozchylenie kurtki z przodu oraz układ guzików.
- Pełna zamiana bez manekina ani tła zdjęcia produktowego: Remis. Obie wersje całkowicie zastępują czarną marynarkę kurtką dżinsową, zachowując oryginalne wnętrze ze ścianą i zasłoną, bez widocznego manekina ani białego tła produktowego.
- Spójność fizyczna dłoni, dopasowania, wzajemnego przesłaniania elementów, cieni i oświetlenia: Wersja PO LEWEJ wypada lepiej. Wierniej zachowuje oryginalne dłonie, naturalnie układa oba mankiety wokół nadgarstków i wkomponowuje kurtkę w scenę dzięki spójnemu oświetleniu i wiarygodnym fałdom. Wersja PO PRAWEJ jest zasadniczo spójna, ale zmieniona geometria dłoni i bardziej płaska struktura ubrania są mniej wierne i naturalne.
Użyty prompt i ustawienia
Prompt
Use the portrait in Reference 1 for the person and the isolated jacket in Reference 2 for the garment. Dress the person from Reference 1 in the exact jacket shown in Reference 2. Preserve the person's identity, face, expression, skin, hair, hands, pose, body proportions, background, framing, and lighting from Reference 1. Preserve the jacket's material, color, collar, buttons, pockets, and sleeve patch from Reference 2. Do not copy the ghost mannequin or white product background.
Spójna zmiana oświetlenia sceny
Lepszy w tym zadaniu: GPT Image 2Ogólnie wygrywa wersja po lewej. Obie wiarygodnie zmieniają oświetlenie na światło złotej godziny, a wersja po prawej wyróżnia się szczególnie wyrazistymi kierunkowymi wzorami światła i cienia. Wersja po lewej uzyskuje jednak mocne, spójne oświetlenie, znacznie wierniej zachowując oryginalny pokój i przedmioty.
- Ciepłe światło złotej godziny wyraźnie wpada przez lewe okno: Wersja po lewej wypada nieco lepiej; widoczne nisko położone słońce w lewym oknie i jasne, ciepłe światło rozchodzące się po pokoju szczególnie wyraźnie wskazują jego źródło, choć wersja po prawej również przekonująco pokazuje ciepłe światło wpadające z tej strony.
- Rozświetlone miejsca i kierunki cieni spójnie reagują na nowe źródło światła: Wersja po prawej wypada nieco lepiej; rzucane wzory ram okiennych, cień rośliny, rozświetlenia sofy i długie cienie konsekwentnie biegną w kierunku od lewego okna. Wersja po lewej również jest spójna, ale część oświetlenia ściany jest bardziej miękka i mniej precyzyjna geometrycznie.
- Efekt wykracza poza jednolity żółty filtr: Obie wersje dobrze spełniają ten wymóg; każda dodaje miejscowe rozświetlenia w kształcie okien, kierunkowe cienie obiektów, jasne powierzchnie wystawione na światło i ciemniejsze obszary przesłonięte, zamiast jedynie nadawać scenie żółty odcień.
- Żaden mebel ani element wystroju nie został przesunięty, dodany, usunięty ani przeprojektowany: Wersja po lewej wypada znacznie lepiej i wiernie zachowuje kompozycję oraz wygląd obiektów z obrazu referencyjnego. Wersja po prawej zmienia kadr i zauważalnie modyfikuje sofę, proporcje i położenie stolika kawowego, pozycję lampy, skalę rośliny, położenie dywanu i proporcje okien.
Obrazy referencyjne
Użyty prompt i ustawienia
Prompt
Change the lighting to warm golden-hour sunlight entering from the left window. Do not move, add, remove, or redesign any object. Update highlights and shadows coherently.
Rozszerzanie obrazu do różnych proporcji
Lepszy w tym zadaniu: Seedream 5 ProWygrywa wersja po prawej, ponieważ wierniej zachowuje oryginalną chatkę, linię brzegową i ogólną kompozycję wewnątrz obrazu. Wersja po lewej ma nieco płynniej połączone rozszerzenia, ale bardziej zauważalnie zmienia scenę źródłową.
- Kryterium 1: Wersja po lewej wypada nieco lepiej. Obie wersje mają orientację poziomą i rozszerzają niebo, ocean oraz plażę po obu stronach, ale dodane obszary po lewej zachowują większą ciągłość naturalnych faktur i detali.
- Kryterium 2: Remis. Obie wersje utrzymują chatkę pośrodku i zachowują w przybliżeniu oryginalny zakres kadru w pionie, bez widocznego rozciągania ani przycinania.
- Kryterium 3: Wersja po prawej wypada lepiej. Kształt chatki, stonowany kolor, proporcje dachu, okucia drzwi, prosty horyzont i pasy linii brzegowej są bliższe obrazowi referencyjnemu; wersja po lewej zauważalnie zmienia proporcje chatki oraz wzmacnia kolory sceny i strukturę chmur.
- Kryterium 4: Wersja po lewej wypada nieco lepiej. Przejścia na plaży i niebie są bardziej równomiernie połączone, podczas gdy wersja po prawej pokazuje subtelne pionowe zmiany faktury i tonacji piasku przy bocznych krawędziach oryginalnego obszaru umieszczonego pośrodku. W żadnej wersji nie widać oczywistego wypełnienia lustrzanego ani powielonych obiektów.
Obrazy referencyjne
Użyty prompt i ustawienia
Prompt
Expand the canvas to a 16:9 landscape by naturally continuing the beach, ocean, and sky on both sides. Keep the complete original image centered without cropping, stretching, letterboxing, or modifying it.
Zachowanie wyglądu produktu przy zmianie sceny
Lepszy w tym zadaniu: GPT Image 2Wersja po lewej wierniej zachowuje but sportowy z obrazu referencyjnego, a jednocześnie umieszcza go w czytelniejszej i bardziej przekonującej pod względem fizycznym scenerii mokrego boiska do koszykówki.
- Umieszczenie na boisku o zmierzchu: Wersja po lewej wypada lepiej. Widoczne obręcz kosza, tablica, ogrodzenie, linie boiska, reflektory, mokra nawierzchnia i niebo o zachodzie słońca przekonującej oddają wymaganą scenerię; wersja po prawej pokazuje mokre, ogrodzone boisko o zmierzchu, ale bez widocznego kosza.
- Zgodność wyglądu buta: Wersja po lewej wypada lepiej. Sylwetka, proporcje noska i pięty, warstwowa podeszwa, układ sznurówek, przeszycia paneli, faktura białej skóry i ujęcie w trzech czwartych są bliższe obrazowi referencyjnemu. Wersja po prawej zmienia proporcje buta i upraszcza część detali cholewki oraz sznurówek.
- Geometryczny znak z boku: Wersja po lewej wypada lepiej. Czarny znak zachowuje długie lewe ramię, ukośne górne odgałęzienie, centralne połączenie i opadające prawe ramię z obrazu referencyjnego, z bardzo zbliżonymi proporcjami. Znak po prawej jest rozpoznawalny, ale wygląda na krótszy, grubszy i bardziej ściśnięty.
- Spójność fizyczna: Wersja po lewej wypada lepiej. Cień w miejscu styku z podłożem dobrze osadza but na nawierzchni, odbicie na mokrej powierzchni jest wyraźne, a stonowane oświetlenie pasuje do ciemniejszego otoczenia o zmierzchu. Wersja po prawej również zawiera cień i odbicie, ale but jest wyjątkowo jasny na tle sceny, a cień kontaktowy jest mocniejszy i sprawia wrażenie wyciętego.
Obrazy referencyjne
Użyty prompt i ustawienia
Prompt
Place the sneaker on a wet outdoor basketball court at dusk. Preserve the exact sneaker shape, black geometric side mark, materials, stitching, sole geometry, and camera angle. Add physically coherent contact, reflections, and dusk lighting.
Koszt i czas generowania
GPT Image 2 kosztuje od 20 kredytów, a Seedream 5 Pro od 25 kredytów, więc w tych próbach generowania obrazów GPT Image 2 zużywa mniej kredytów. W tej próbie ze stałymi promptami zaobserwowane czasy odpowiedzi GPT Image 2 wynosiły od 81370 ms do 189546 ms, a Seedream 5 Pro od 38569 ms do 141015 ms. Traktuj je jako pomiary z tej próby, a nie wyniki benchmarku.
Metodyka porównania i informacje jawne
W każdym scenariuszu oba modele otrzymały ten sam, niezmienny prompt, a wybrane wyniki zostały opublikowane. Publicznie dostępne obrazy mają znak wodny Banana Pie. Banana Pie sprzedaje dostęp zarówno do GPT Image 2, jak i Seedream 5 Pro, dlatego ta strona przedstawia porównanie wyników próby, którą można odtworzyć, a nie niezależny benchmark ani bezwzględny ranking.
Banana Pie oferuje płatny dostęp do tego i innych modeli w jednym Studio. Nasze werdykty opierają się na testach przeprowadzonych w tym samym procesie, z którego korzystają użytkownicy.







































































