GPT Image 2 vs Nano Banana Pro:圖像生成比較
若需要影像編輯、保留參考圖特徵、呈現人體結構、產品渲染、重新打光、影像擴圖,以及結構化 UI 圖像,請選擇 GPT Image 2。若著重多語言文字排版、物件計數與屬性綁定,以及精準的廣告構圖,Nano Banana Pro 則是更好的選擇。

並列資訊比較
| 功能 | GPT Image 2 | Nano Banana Pro |
|---|---|---|
| 開發商 | OpenAI | |
| Banana Pie 上的供應狀態 | 現已推出 | 現已推出 |
| 所需點數 | 20 點數 | 80 點數 |
| 最高解析度 | 4K | 4K |
| 參考圖像 | 最多 8 張 | 最多 8 張 |
逐情境比較
相同提示詞,兩個模型。從下方發布的圖像親自比較差異。
產品材質與光影
此項較佳:GPT Image 2左圖的整體表現較佳。右圖更精準地呈現半滿液面,但左圖的材質呈現更乾淨,高級產品攝影的光線也更協調一致。
- 恰好一個瓶子,沒有多餘物件:平手。兩張圖都呈現一個直立的透明長方形香水瓶,沒有可見的文字、標誌、植物或獨立物件。
- 半滿的琥珀色液體:右圖較佳。右圖的液面接近瓶身的一半高度,左圖主瓶身內的液體則看起來略高於一半。
- 合理一致的折射與反射:左圖較佳。左圖的玻璃邊緣、琥珀色折射,以及濕石面上對齊的倒影,都更乾淨且更符合整體光學關係;右圖上部玻璃有變形,吸管也明顯折彎。
- 左上方打光與接觸陰影:左圖較佳。左上方的高光在瓶蓋、瓶肩與液體上保持一致,向右延伸的陰影也合理;右圖的光線方向雖然正確,但陰影較生硬,較不利於凸顯產品。
使用的提示詞與設定
提示詞
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.
多語言文字排版
此項較佳:Nano Banana Pro右圖完全符合要求的四行海報版面,左圖則錯誤地將第一行換行,因此顯示了五行文字。
- 恰好四行置中文字,且沒有額外文字:右圖較佳。右圖恰好呈現四行置中文字:"MOONLIGHT MARKET"、"月光市集"、"18 OCT" 與 "RIVER HALL"。左圖將 "MOONLIGHT MARKET" 分成兩行,因此共有五行可見文字。
- 文字內容與順序完全正確:右圖較佳。右圖的四行文字依照要求,依序完整呈現 "MOONLIGHT MARKET"、"月光市集"、"18 OCT" 與 "RIVER HALL"。左圖包含相同的文字與字元,但將 "MOONLIGHT MARKET" 拆成 "MOONLIGHT" 與 "MARKET",沒有依要求放在同一行。
- 指定的文字顏色:平手。兩張圖都將 "月光市集" 顯示為紅色,並將 "MOONLIGHT MARKET"、"18 OCT" 與 "RIVER HALL" 顯示為黑色。
- 易讀性、間距與對齊:右圖較佳。右圖的四行文字清楚易讀,沿同一中軸置中,間距也一致。左圖同樣易讀且置中,但 "MOONLIGHT MARKET" 的換行多出了一行,使整體排列較不均勻。
使用的提示詞與設定
提示詞
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.
人體結構與接觸互動
此項較佳:GPT Image 2左圖更符合人體結構與接觸關係的全部四項要求。兩隻手呈現清楚,手指更容易辨識計數,關節姿態也更自然,雙手接觸陶土並塑形的動作更容易看懂。
- 恰好兩隻完整可見的手:左圖較佳。左圖在碗的兩側各清楚呈現一隻完整的手,沒有額外的手或人物;右圖呈現兩隻交疊的手,但下方的手被大幅遮擋,並未完整露出。
- 每隻手恰好有五根可辨識且形態自然的手指:左圖較佳。左圖每隻手都能辨識出五根手指,雖然部分手指在碗邊重疊;右圖的交疊姿勢與嚴重遮擋,則讓下方手部的手指難以辨識或準確計數。
- 手指、關節及與陶土的接觸:左圖較佳。左圖雙手的手指關節合理,且能清楚看見手指壓在碗的內壁上。右圖上方的手尚屬合理,但下方的手與上方的手及碗緣交會處不清楚,顯得擁擠。
- 陶碗、旋轉中的拉坯機與塑形動作:左圖較佳。左圖的碗與轉盤醒目,旋轉模糊清楚傳達轉動感,雙手也都在為碗的內部塑形。右圖同樣清楚呈現碗與旋轉中的轉盤,但雙手交疊讓動作較難辨識。
使用的提示詞與設定
提示詞
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.
數量計算與屬性對應
此項較佳:Nano Banana Pro兩張生成圖都相當符合提示詞,但右圖更清楚地呈現指定的木質與陶瓷材質,同時維持正確的數量、位置、把手方向及簡潔場景。
- 物件數量與排列:平手。兩張圖都清楚呈現左側恰好三個排成一列的紅色立方體、右側兩個藍色球體,以及後方中央的一個黃色馬克杯。
- 顏色、形狀與材質的對應:右圖較佳。兩張圖都將指定的顏色與形狀正確對應,但右圖的紅色立方體有清楚的木紋,馬克杯也呈現明顯的陶瓷釉面;左圖的立方體表面較平滑,木質紋理較不明顯。
- 馬克杯把手方向:平手。兩張圖的馬克杯把手都清楚位於右側,並向右延伸。
- 沒有額外物件或文字:平手。兩張圖都沒有任何可見的額外物件或文字。
使用的提示詞與設定
提示詞
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.
廣告構圖
此項較佳:Nano Banana Pro右圖更精準地遵守文字限制與頂部留白指示,同時保留所有必要的視覺元素。
- 恰好一隻銀色鞋子與橘色軌跡:平手。兩張圖都在右下方呈現一隻銀色鞋子,並有一道明亮的橘色軌跡,清楚地從左下方進入畫面,沿曲線穿過構圖。
- 可見文字:右圖較佳。右圖只有 "RUN LIGHT" 與 "42 KM",且拼字皆正確。左圖也正確呈現 "RUN LIGHT" 與 "42 KM",但在鞋子上多加了 "AERO",違反不得出現其他文字的要求。
- 頂部留白與標題位置:右圖較佳。右圖頂部明確留白,"RUN LIGHT" 位於左上方,緊接在留白區下方。左圖也留下大幅空白,但標題的位置明顯更靠下。
- 可見性與視覺層級:平手。兩張圖的標題、徽章、軌跡與單隻鞋子都完整可見,並建立了從標題、徽章到產品的清晰視覺順序。
使用的提示詞與設定
提示詞
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.
結構化 UI 圖像
此項較佳:GPT Image 2左圖完全符合指定結構,右圖則違反了不得加入額外文字的明確要求。
- 標題與欄位:平手。兩張圖都正確呈現標題 "CHOOSE YOUR PLAN",並恰好有三欄,分別標示為 "STARTER"、"PRO" 與 "TEAM"。
- 功能列:平手。兩張圖的每一欄都恰好包含三個對齊的橫列,分別標示為 "PROJECTS"、"STORAGE" 與 "SUPPORT"。
- 選取按鈕:平手。兩張圖的每一欄都恰好有一個標示 "SELECT" 的藍色按鈕。
- 對齊與額外文字:左圖較佳。左圖的三欄排列均勻、對齊一致,且沒有額外文字。右圖加入了不允許出現的文字,包括 "5 active projects"、"10 GB"、"Email support"、"20 active projects"、"50 GB"、"Priority email & chat support"、"Unlimited projects"、"200 GB" 與 "24/7 phone, email & chat support"。
使用的提示詞與設定
提示詞
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.
六張參考圖的物件對應與編輯
此項較佳:GPT Image 2左圖整體勝出,因為它更忠實地保留了原始場景與替換物件的位置。右圖對兩顆檸檬參考圖的還原更出色,但取景範圍更廣、物件大小變動也更明顯。
- 馬克杯與毛巾替換:左圖表現較好。深藍色馬克杯保留了參考杯的深色亮面質感、金色杯緣與朝右的把手,也維持了原始杯子的位置和大小;條紋餐巾覆蓋的範圍也更貼近原本毛巾所在的區域。右圖的物件正確,但兩者看起來都較小,餐巾覆蓋的範圍也小於原本毛巾所占的區域。
- 梨子與筆記本替換:左圖略勝一籌。兩張圖都移除了梨子和藍色筆記本,改為一顆頂端帶葉的柳橙,以及附有黑色鬆緊帶的芥末黃硬殼筆記本,但左圖更貼近原始物件的大小與擺放位置,尤其是放在原本梨子位置的柳橙。
- 兩顆檸檬:右圖表現較好。兩張圖都在馬克杯右側呈現了正好兩顆檸檬,但右圖更忠實地還原了參考圖 6 中兩顆檸檬的搭配,包括左側檸檬上的葉片;左圖省略了這片葉子,也把兩顆檸檬分得更開。
- 原始場景保留:左圖表現較好。它的取景、桌面涵蓋範圍、木紋特徵、光線與原始物件配置,都更接近參考圖 1。右圖改變了長寬比與裁切範圍,縮小並移動了多個物件,也讓右側邊緣的筆記本被裁掉更多。
使用的提示詞與設定
提示詞
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.
圖片內文字替換
此項較佳:GPT Image 2左圖明顯勝出。兩張圖都正確替換了文字,但在指定文字編輯範圍之外,左圖對參考影像的保留遠比右圖忠實。
- 招牌文字正確性:兩張圖都精確呈現「NIGHT OWL」,並完全移除了「MORNING BEAN」。
- 字元完整性:兩張圖都清楚呈現「NIGHT OWL」,沒有多餘、重複或變形的字元。
- 字型、間距與透視:左圖更接近參考圖,保留了原本大尺寸無襯線大寫字母的風格、寬字距、基線與招牌透視。右圖的字體略小,也改變了招牌呈現的角度與比例。
- 材質、光線與場景保留:左圖基本上維持了綠色木紋、陰影、店面結構、植物、長椅、窗戶與原始取景。右圖則明顯重新取景並重建了整個場景,改變了裁切範圍、店面比例、燈具位置、門窗形狀、枝葉與周邊細節。
參考圖像
使用的提示詞與設定
提示詞
Replace only the sign text with exactly "NIGHT OWL". Preserve the original font style, spacing, perspective, sign material, lighting, and everything else.
多張參考圖的人物身分與服裝轉移
此項較佳:GPT Image 2左圖的服裝轉移效果更出色:它更完整地保留了原始人物與場景,也更忠實地還原了參考外套。
- 人物身分特徵、表情、髮型、姿勢、身體比例與取景:左圖表現較好。臉部、細微的閉嘴表情、頭髮位置、手部姿勢、肩寬與裁切範圍都非常接近參考圖 1;右圖則明顯改變了眼型、下顎線條、表情、頭髮排列與整體取景。
- 外套材質、顏色、領口、鈕扣、口袋與袖章:左圖表現較好。它更貼近參考圖 2 的淺藍色丹寧布、厚實的奶油色羊羔毛領、胸前口袋結構、古銅色金屬配件、縫線樣式與上臂處的紅色袖章。右圖保留了主要特徵,但領口較小、丹寧布褪色感較重,口袋和鈕扣的位置也不夠忠實。
- 完整替換,且未出現展示人台或商品背景:兩張圖都完整替換了黑色西裝外套,並保留人像原有的灰牆與左側窗簾,沒有可見的展示人台或白色商品背景。左圖略勝一籌,因為它更精確地保留了原始場景與取景。
- 手部、合身程度、遮擋、陰影與光線的物理合理性:左圖表現較好。原始手部及雙手交扣的姿勢保留得更準確,袖子自然地延伸至手腕後方,外套也合理呈現了場景左側光源的照明效果。右圖整體上合理,但手部與姿勢的變動更明顯,外套在軀幹處的穿著效果也較為平板。
使用的提示詞與設定
提示詞
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.
維持場景一致性的重新打光
此項較佳:GPT Image 2左圖整體勝出,因為它呈現了自然可信的黃金時刻重新打光效果,同時更忠實地保留了原本的房間與物件。右圖的方向性投影更出色,但大幅改變構圖與物件,直接違反了編輯限制。
- 溫暖的黃金時刻光線明確從左側窗戶照入:兩張圖都符合這項標準。兩者都呈現暖色陽光穿過左側窗戶,明亮的金色光線延伸至整個房間。
- 亮部與陰影方向合理呼應新光源:右圖表現較好。窗形光斑與長陰影以一致方向由左向右延伸,橫跨牆面、沙發、地毯、桌子與地板;左圖大致合理,但地毯與家具上的光影方向較不鮮明。
- 效果不只是套用均勻的黃色濾鏡:兩張圖都符合這項標準。兩者都有局部日照區域、較深的遮擋陰影、窗框投影與物件投影,而非只是將整個場景染成黃色。
- 未移動、新增、移除或重新設計任何家具或裝飾:左圖明顯較好。它忠實保留了參考圖的構圖、沙發、桌子、植物、燈具、地毯與窗戶結構;右圖則明顯改變了它們的比例與位置,包括縮小沙發和地毯、移動桌子和植物,以及改變窗框結構。
參考圖像
使用的提示詞與設定
提示詞
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.
跨長寬比擴圖
此項較佳:GPT Image 2左圖更完整地保留了參考圖的構圖與小屋細節,同時在兩側生成乾淨、自然的延伸內容。右圖雖然營造了合理的海灘場景,但對物件大小、海平線、海岸線與小屋的改動過大,未能符合保留原圖的要求。
- 16:9 橫向畫面,兩側新增內容自然:兩張輸出圖都是橫向畫面,並將海灘、海洋與天空延伸至兩側新增區域。左圖略勝一籌,因為海平線與海岸線的垂直位置幾乎與參考圖一致,使延伸效果更自然地呈現為橫向擴圖。
- 完整原圖置中,沒有裁切或拉伸:左圖表現較好。小屋維持置中,大小與位置也更接近參考圖;右圖則大幅縮小了小屋,並將海平線向上移,顯示它對原始影像做了更大範圍的更動。
- 原始小屋、海岸線與內部構圖維持不變:左圖表現較好。小屋的風化痕跡、門上五金、支撐塊、陰影與海岸線配置,明顯更接近參考圖。右圖改變了小屋正面與門的細節,簡化風化痕跡、縮小小屋,並移動了海岸線與海平線。
- 沒有可見接縫、鏡像填補或重複物件:兩張圖都表現良好,沒有明顯的垂直接縫、鏡像區域或重複物件。左圖略勝一籌,因為波浪帶與沙地紋理在整個畫面中銜接一致;右圖的延伸區域本身雖然乾淨,但較大幅度的構圖變動降低了對原圖的忠實度。
參考圖像
使用的提示詞與設定
提示詞
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.
更換場景時維持產品原貌
此項較佳:GPT Image 2左圖更忠實地保留了參考運動鞋,並將它置於場景更明確、物理效果更可信的黃昏濕地籃球場中。
- 黃昏時分的潮濕戶外籃球場:左圖表現較好。它清楚呈現運動鞋置於雨水浸濕的球場上,並可見籃框、籃板、圍網、球場標線、夕陽天空與亮起的球場照明。右圖也有黃昏時的濕地面和球場標線,但較難一眼辨識出籃球場情境。
- 輪廓、鞋底形狀、縫線、材質與拍攝角度:左圖表現較好。它的低角度側面視角、朝右的鞋頭、外底比例、拼接結構、縫線走向、鞋帶配置與白色皮革般的材質,都與參考圖相當接近。右圖將鞋子方向反轉,採用較高的正面視角,並改變了多處比例與拼接細節。
- 側面黑色幾何標誌:左圖表現較好。它以相同朝向保留了參考標誌的後方水平線段、向上斜線、上方分支與朝前下斜的分支。右圖則呈現反轉且明顯改動過的結構,包括一條較長的下方斜線與一條較短的水平分支。
- 接觸陰影、濕地面倒影與黃昏光線:左圖表現較好。鞋底穩穩貼合球場地面,帶有局部接觸陰影,下方倒影細緻對應鞋身與側面標誌;暖色夕陽和球場燈光的反射也自然融入濕地面。右圖的黃昏色調與倒影合理,但接觸區域與鞋子倒影的呈現較不自然。
參考圖像
使用的提示詞與設定
提示詞
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.
成本與生成時間
GPT Image 2 每次生成 20 點數起,Nano Banana Pro 則為 80 點數起,因此 GPT Image 2 是較省點數的選擇。在這次測試中,所有有記錄的成對生成時間比較,都是 Nano Banana Pro 較快完成;不過,這些時間僅來自這幾次測試的少量樣本,並非通用的效能基準數據。
比較方式與揭露事項
本次比較針對每個情境,讓兩款模型使用同一組固定提示詞,並公開選出的生成結果。公開圖片均附有 Banana Pie 浮水印。本頁的 Nano Banana Pro 結果來自稍後以相同提示詞與設定進行的另一次生成。Banana Pie 提供 GPT Image 2 與 Nano Banana Pro 的付費使用服務。
Banana Pie 在同一個創作台提供此模型及其他模型的付費使用權。我們的評測結論來自與使用者相同生成流程的測試。







































































