GPT Image 2 vs Seedream 5 Pro:忠實呈現提示詞的圖像生成比較
結果因任務而異,GPT Image 2 在這些情境中勝出的項目較多。若重視原圖保留、依參考圖編輯、重新打光、材質呈現、人體結構及產品場景變換,可選擇 GPT Image 2;若需要多語言文字排版、廣告版面設計及跨長寬比擴圖,則可選擇 Seedream 5 Pro。物件計數與結構化 UI 圖像的表現則不分上下。

並列資訊比較
| 功能 | GPT Image 2 | Seedream 5 Pro |
|---|---|---|
| 開發商 | OpenAI | ByteDance |
| Banana Pie 上的供應狀態 | 現已推出 | 現已推出 |
| 所需點數 | 20 點數 | 25 點數 |
| 最高解析度 | 4K | 2K |
| 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左圖更符合材質、折射與光線要求,也同時滿足物件限制。右圖的液面更接近半滿,但左圖整體更貼合提示詞。
- 畫面中恰好有一個透明長方體香水瓶,沒有文字、標誌或多餘物件:平手。兩張圖都呈現一個置於濕潤黑色石面上的透明長方體香水瓶,未見文字、標誌、植物或其他獨立物件。
- 瓶中明顯裝有半瓶琥珀色液體:右圖較佳。右圖的琥珀色液面接近瓶身的一半,左圖從正面可見的瓶內液面則略高於一半。
- 玻璃折射與濕潤黑色石面上的倒影符合物理邏輯:左圖較佳。左圖的玻璃邊緣更清晰,穿過長方體瓶壁的折射更一致,倒影也與瓶身及琥珀色液體對應;右圖液體中彎曲的內部管線/折射線則較不自然。
- 左上方光源產生一致的高光與合理的接觸陰影:左圖較佳。左圖明顯有來自左上方的強光,與明亮高光及向右延伸的陰影一致;右圖的高光雖然合理,但光線來自左上方的方向感較不明確,接觸陰影也較不清楚。
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:Seedream 5 Pro右圖更貼合提示詞,保留了要求的四行結構與完全一致的文字;左圖則錯誤地將第一行拆成兩行。
- 海報恰好包含四行置中文字,且沒有其他文字:右圖較佳。右圖恰好呈現四行置中文字:"MOONLIGHT MARKET"、"月光市集"、"18 OCT" 和 "RIVER HALL"。左圖則因為將 "MOONLIGHT MARKET" 拆成 "MOONLIGHT" 與 "MARKET",而出現五行置中文字。
- 四行文字依序完全符合 "MOONLIGHT MARKET"、"月光市集"、"18 OCT" 和 "RIVER HALL":右圖較佳。右圖的四行文字完全符合 "MOONLIGHT MARKET"、"月光市集"、"18 OCT" 和 "RIVER HALL"。左圖則呈現 "MOONLIGHT"、"MARKET"、"月光市集"、"18 OCT" 和 "RIVER HALL",因此第一行不符要求,行數與排列格式也不正確。
- "月光市集" 為紅色,其餘三行為黑色:平手。兩張圖都將 "月光市集" 呈現為紅色,英文與日期文字則為黑色。
- 所有文字清晰可讀、間距均勻且視覺對齊:右圖較佳。右圖文字清晰、置中且間距均勻,形成緊湊的海報版面。左圖文字也清晰且置中,但拆行的標題讓視覺間距較不均勻,也破壞了原定的四行對齊結構。
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左圖更符合手部數量與每手五指的要求,儘管右圖的手指結構看起來稍微更自然清楚。
- 畫面中恰好有兩隻完整可見的手,沒有多餘的手或人物:左圖較佳。左圖恰好呈現兩隻手與一個人,兩隻手在碗上方也較完整可見。右圖同樣恰好有兩隻手,且沒有多餘人物,但碗內那隻手的拇指被遮住,因此完整可見程度較低。
- 每隻手恰好有五根清楚可辨、形態自然的手指:左圖較佳。左圖看起來每隻手都有五根手指,雖然部分覆有陶土,且有些靠得較近。右圖碗內的手只能清楚看見四根手指,沒有明確可見的拇指;碗外的手則看起來有五根手指。
- 手指、關節及與陶土的接觸符合人體結構:右圖較佳。右圖可見的手指與指節比例更自然,握住碗的方式也合理。左圖手指覆有陶土,使結構較難辨識,畫面左側那隻手的部分指尖在接觸陶土處看起來略顯擁擠或黏合。
- 陶碗、轉動中的陶輪與塑形動作清楚可辨:平手。兩張圖都清楚呈現陶輪上的陶碗,以及正在塑形或扶穩陶土的雙手;左圖更強調陶輪轉動的模糊感與碗內接觸,右圖則清楚呈現碗形與陶輪。
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
視任務而定兩張圖都符合要求的數量、位置、顏色、形狀、材質、朝右的馬克杯把手,以及沒有多餘文字或物件等條件。差異很小,依評分標準無法判定明確勝負。
- 左側恰好有三個紅色立方體,右側有兩個藍色球體,後方中央有一個黃色馬克杯:平手;兩張圖都呈現左側三個紅色立方體、右側兩個藍色球體,以及物件後方靠近中央的一個黃色馬克杯。
- 指定的顏色、形狀與材質正確對應各個物件:平手;兩張圖都呈現紅色立方體、藍色玻璃質感球體,以及黃色亮面陶瓷質感馬克杯。右圖立方體上的木紋稍微更清楚,但兩張圖都符合屬性對應要求。
- 馬克杯把手明確朝右:平手;兩張圖都能看見位於杯身右側的把手。
- 沒有可見的額外物件或文字:平手;兩張圖都沒有多餘物件或任何生成的文字。
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:Seedream 5 Pro右圖整體更符合文字與版面限制,儘管左圖更明確地將鞋子放在右下方。
- 右下方恰好有一隻銀色鞋子,橘色軌跡從左下方開始:左圖較佳。左圖有一隻明確位於右下方的銀色鞋子,橘色軌跡也明顯從左下方開始;右圖同樣有一隻銀色鞋子與左下方的橘色軌跡,但鞋子更偏向右側中段/畫面下半部,而非明確位於右下角。
- 唯一可見的文字是 "RUN LIGHT" 和 "42 KM",且拼字皆正確:右圖較佳。右圖只呈現 "RUN LIGHT" 和 "42 KM"。左圖雖然也正確呈現 "RUN LIGHT" 和 "42 KM",但鞋子上還出現了額外文字 "AERO"。
- 畫面頂部 15% 區域明顯保持簡潔留白,標題緊接在其下方:右圖較佳。右圖保留頂部空白,並將 "RUN LIGHT" 放在其正下方的左上區域。左圖頂部也保持簡潔,但標題的位置低了許多,沒有緊接在頂部留白區下方。
- 所有必要元素完整可見,並形成清楚的視覺層次:右圖較佳。右圖的鞋子、橘色軌跡、標題與徽章皆完整可見,廣告版面簡潔;左圖的視覺層次也很鮮明,但鞋子上多出的 "AERO" 文字違反了文字限制,也增加了視覺雜訊。
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
視任務而定兩張圖都符合結構化方案價格圖的要求,文字完全正確,包含三欄、每欄三列,以及每欄一個藍色 SELECT 按鈕。依評分標準,兩者都沒有明顯優勢。
- 圖中包含完全一致的標題 "CHOOSE YOUR PLAN",以及恰好三欄,分別標示 "STARTER"、"PRO" 和 "TEAM":平手,兩張圖的標題皆完全符合 "CHOOSE YOUR PLAN",三個欄位標籤也皆完全符合 "STARTER"、"PRO" 和 "TEAM"。
- 每欄恰好包含三列對齊的內容,標示為 "PROJECTS"、"STORAGE" 和 "SUPPORT":平手,兩張圖的每欄都恰好包含 "PROJECTS"、"STORAGE" 和 "SUPPORT" 這三個列標籤,順序一致,且跨欄對齊。
- 每欄恰好包含一個標示 "SELECT" 的藍色按鈕:平手,兩張圖的每欄都只有一個藍色按鈕,標示文字皆完全符合 "SELECT"。
- 各欄均勻對齊,沒有多餘欄位或文字:平手,兩張圖都使用三個間距均勻的欄位,沒有多餘欄位,也沒有 "CHOOSE YOUR PLAN"、"STARTER"、"PRO"、"TEAM"、"PROJECTS"、"STORAGE"、"SUPPORT" 和 "SELECT" 以外的生成文字。
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整體而言,左圖的編輯成果較佳。在物件位置與原始場景保留這兩項評比中,左圖明顯領先;右圖的主要優勢則是更忠實還原兩顆檸檬的外觀。
- 評比項目 1:左圖較佳。深藍色馬克杯的位置、大小與朝右的杯把方向,都更貼近原圖左下方的杯子;條紋餐巾也位於原本毛巾的位置,摺疊方式與條紋圖案皆與參考圖 3 高度相符。右圖雖然替換了正確的物件,但兩者都比原始場景中的物件更小,位置也有所偏移。
- 評比項目 2:左圖較佳。兩張圖都移除了梨子與藍色筆記本,並呈現一顆柳橙及一本附黑色鬆緊帶的芥末黃色精裝筆記本,但左圖中這兩項替換物件的位置與比例更接近原本的梨子與筆記本。
- 評比項目 3:右圖較佳。兩張圖都在馬克杯右側呈現恰好兩顆檸檬,沒有多餘的檸檬,但右圖保留了左側檸檬上的大片綠葉,更貼近參考圖 6;左圖則省略了這片葉子。
- 評比項目 4:左圖明顯較佳。它保留了寬幅構圖、原本的桌面邊界、可辨識的木節與木紋,以及各編輯物件位置之間的原始間距。右圖改變了取景與比例,裁掉更多桌面,並將物件配置向上、向內移動。
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 2兩張輸出圖都正確呈現了指定文字,但左圖保留了替換文字以外的原始影像,更符合僅編輯指定部分的要求。
- 精確替換文字:兩張圖都準確呈現「NIGHT OWL」,並完全移除了「MORNING BEAN」。
- 沒有多餘或變形的字元:兩張圖都只顯示「NIGHT OWL」,字母清晰、字形正確,且沒有多餘記號。
- 字型特徵、字距與透視:左圖更接近參考圖,保留了高挑的無襯線字體、寬字距、置中位置及原本的招牌透視。右圖使用了類似字體,但招牌的大小與觀看角度有較明顯的改變。
- 材質、光線與周圍場景:左圖幾乎完整保留了原本的招牌紋理、陰影、店面取景與整體場景。右圖則明顯改變了裁切範圍、視角、店面比例、燈具位置、窗戶、植物及周圍細節。
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整體而言,左圖表現較佳。它更忠實地保留了人物與原始構圖,也更完整地重現了外套的具體結構與表面細節。
- 人物身分特徵、表情、髮型、姿勢、身體比例與取景:左圖較佳。臉部、表情、頭髮輪廓、手部姿勢、身體大小及裁切範圍都與參考圖 1 高度一致;右圖則讓人物在畫面中變小,並明顯改變了臉部比例、頭髮位置與手部擺放位置。
- 外套材質、顏色、衣領、鈕扣、口袋與袖章:左圖較佳。它更貼近參考圖 2 中的淺藍色丹寧布、厚實的奶油色羊羔絨衣領、胸前口袋結構、古銅色五金、縫線樣式及上臂處的紅色袖章。右圖掌握了主要設計,但簡化了丹寧細節,並較大幅度地改變了前襟開口與鈕扣排列。
- 完整替換,且不出現人台或商品背景:兩者不分上下。兩張圖都將黑色西裝外套完整替換成丹寧外套,同時保留原本的室內牆面與窗簾場景,沒有出現可見的人台或白色商品背景。
- 手部、合身程度、遮擋、陰影與光線的物理合理性:左圖較佳。它更忠實地保留了原本的雙手,兩側袖口自然地包覆手腕,外套也透過一致的場景光線與合理的皺摺融入畫面。右圖大致合理,但改變後的手部形態與較平板的服裝結構,使忠實度與自然感略遜一籌。
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整體而言,左圖勝出。兩張圖都呈現了可信的黃金時刻重新打光效果,右圖的方向性投影尤其清晰,但左圖在營造鮮明且一致的光線之餘,也更忠實地保留了原本的房間與物件。
- 溫暖的黃金時刻光線明確從左側窗戶照入:左圖略勝一籌;左側窗戶可見低角度的太陽,明亮溫暖的光線灑滿室內,讓光源位置格外明確,不過右圖也呈現了從同一側照入的可信暖光。
- 亮部與陰影方向一致地呼應新光源:右圖略勝一籌;窗框投影、植物陰影、沙發亮部與長陰影的方向一致,都從左側窗戶向外延伸。左圖也具有一致性,但部分牆面光照較柔和,幾何輪廓較不鮮明。
- 成果不只是套用均勻的黃色濾鏡:兩張圖都充分符合要求;各自加入了局部的窗形亮部、有方向性的物件陰影、明亮的受光表面及較暗的遮蔽區域,而不只是為場景染色。
- 沒有移動、新增、移除或重新設計任何家具與裝飾:左圖明顯較佳,忠實保留了參考圖的構圖與物件設計。右圖改變了取景,並明顯調整了沙發、茶几的比例與位置、燈具位置、植物大小、地毯位置及窗戶比例。
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:Seedream 5 Pro右圖勝出,因為它更忠實地保留了原本的小屋、海岸線及畫面內部的整體構圖。左圖的延伸區域略為流暢,但對原始場景的改動也更明顯。
- 評比項目 1:左圖略勝一籌。兩張輸出圖都是橫幅,並向左右兩側延伸天空、海洋與沙灘,但左圖新增區域的自然紋理與細節更連貫。
- 評比項目 2:兩者不分上下。兩張圖都讓小屋維持置中,並大致保留原本的垂直取景範圍,沒有明顯的拉伸或裁切。
- 評比項目 3:右圖較佳。小屋形狀、柔和色調、屋頂比例、門上的五金、平直的地平線及海岸線的帶狀層次,都更接近參考圖;左圖明顯改變了小屋比例,並強化了場景色彩與雲層結構。
- 評比項目 4:左圖略勝一籌。沙灘與天空的銜接融合更均勻,右圖則在中央原始區域兩側附近的沙地上,出現細微的垂直紋理與色調轉折。兩張圖都沒有明顯的鏡像填補或重複物件。
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圖中的運動鞋,同時將它融入場景特徵更明確、也更符合物理邏輯的濕潤籃球場景中。
- 置於黃昏球場的呈現:左圖較佳。可見的籃框、籃板、圍網、球場標線、泛光燈、濕潤地面與夕陽天空,更有說服力地呈現了指定場景;右圖也呈現了黃昏時分有圍網的濕潤球場,但看不到籃框。
- 運動鞋的一致性:左圖較佳。鞋身輪廓、鞋頭與鞋跟比例、分層鞋底、鞋帶排列、鞋面拼接縫線、白色皮革紋理及四分之三拍攝視角,都更接近參考圖。右圖改變了鞋子比例,並簡化了部分鞋面與鞋帶細節。
- 側面的幾何標誌:左圖較佳。黑色標誌保留了參考圖中向左延伸的長線段、上方的斜向分支、中央交會點及右側向下延伸的線段,比例也高度相符。右圖的標誌仍可辨識,但看起來較短、較粗,也較為壓縮。
- 物理合理性:左圖較佳。鞋子具有貼合地面的接觸陰影、明顯的濕地倒影,以及符合昏暗黃昏環境的柔弱照明。右圖也有陰影與倒影,但鞋子相較於場景顯得異常明亮,接觸陰影也較濃重,帶有更明顯的剪貼感。
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 每次生成所需點數為 20 點起,Seedream 5 Pro 則為 25 點起,因此在這些圖像生成測試中,GPT Image 2 是較省點數的選擇。在這次固定提示詞測試中,GPT Image 2 實測的延遲時間樣本介於 81370ms 至 189546ms,Seedream 5 Pro 則介於 38569ms 至 141015ms;請將這些數據視為本次執行的樣本,而非效能基準數據。
比較方式與揭露事項
每個情境都使用相同的固定提示詞,分別以兩個模型執行,並公布選出的生成結果。公開圖片均帶有 Banana Pie 浮水印。Banana Pie 同時販售 GPT Image 2 和 Seedream 5 Pro 的使用服務,因此本頁呈現的是可重現的並排測試,而非獨立評測或絕對排名。
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。







































































