GPT Image 2 与 Nano Banana 2 图像生成对比
在忠实遵循提示词的构图、材质与光照控制、对象属性绑定，以及保留原图的编辑方面，GPT Image 2 更胜一筹。Nano Banana 2 则更擅长多语言文字排版、人物接触互动和跨宽高比扩图，而两者在结构化 UI 图形方面打成平手。
信息对比
| 特性 | GPT Image 2 | Nano Banana 2 |
|---|---|---|
| 开发者 | OpenAI | |
| 在 Banana Pie 上的可用状态 | 现已可用 | 现已可用 |
| 所需积分 | 20 积分 | 40 积分 |
| 最高分辨率 | 4K | 4K |
| 参考图 | 最多 8 张 | 最多 8 张 |
逐场景对比
同一提示词，两个模型。对比下方已发布的图片，自行判断差异。
产品材质与光照
此场景更优：GPT Image 2左图更符合材质和光照要求。其半瓶液位、克制的倒影、折射效果和左上方光照方向都更清晰，也更符合物理规律。
- 画面中恰好有一个透明的长方形香水瓶，且没有文字、徽标或额外物体：平局。两图都呈现了一个直立的长方形瓶子，且没有可见文字、徽标、植物或独立道具；右图右侧类似瓶子的形状明显是湿润表面上的倒影。
- 瓶中明显装有半瓶琥珀色液体：左图更好。其琥珀色液体清晰、水平地达到瓶身中点，而右图的液位似乎略低于中点。
- 玻璃折射和湿润黑色石面上的倒影符合物理规律：左图更好。其玻璃边缘和琥珀色调的折射一致，单一倒影自然延伸至瓶子下方。右图在右侧呈现了一个与瓶身分离的倒影，并伴有强烈投射的琥珀色图案，使表面光学效果显得不够协调，也不够克制。
- 左上方光照产生一致的高光和合理的接触阴影：左图更好。明亮的左上方照明、玻璃高光以及向右下方延伸的阴影明显一致。右图同样具有左上方光照和向右延伸的阴影，但强烈的琥珀色投影和看似独立的倒影削弱了光照的一致性。
查看所用提示词与设置
提示词
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.
多语言排版
此场景更优：Nano Banana 2右图完全遵循了要求的四行海报布局，而左图错误地将第一行拆成了两行。
- 恰好四行居中文字，且没有额外文字：右图更好。右图恰好呈现四行居中文字，而左图将“MOONLIGHT MARKET”拆成“MOONLIGHT”和“MARKET”两行，导致画面中出现五行文字。
- 文字内容和顺序完全正确：右图更好。其各行依次准确显示“MOONLIGHT MARKET”、“月光市集”、“18 OCT”和“RIVER HALL”。左图的文字内容和顺序相同，但要求的第一行被拆成了“MOONLIGHT”和“MARKET”。
- 颜色符合要求：平局。两图均以红色呈现“月光市集”，并以黑色呈现“MOONLIGHT MARKET”、“18 OCT”和“RIVER HALL”。
- 易读性、间距和对齐：右图更好。四行文字均清晰易读，沿同一轴线居中，间距整洁。左图同样清晰且居中，但过大的第一段文字发生换行，使整体间距不够均匀。
查看所用提示词与设置
提示词
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.
人体结构与接触关系
此场景更优：Nano Banana 2尽管右图上方的手存在模糊之处和形变，但整体制陶动作更清晰、更合理。左图的手指数量稍易辨认，但指尖和手部形状的瑕疵更加明显。
- 恰好有两只完整可见的手：平局。两图中都明显只有一名陶艺师和两只手，没有其他人物或手；两只手均未被画面边缘截断。
- 每只手都恰好有五根清晰可辨、形态自然的手指：左图更好。左图中的两只手都更容易数出五根手指，尽管有几个指尖相互重叠；右图上方那只手的部分手指相互融合或被遮挡，数量难以确定，而且侧面的一根手指显得异常细长。
- 手指、关节及其与陶土的接触在解剖结构上合理：右图略好。其内侧手和外侧支撑手形成了更清晰、更可信的塑形握姿，而左图的手指显得肿胀，指尖拥挤且部分看似粘连。右图上方的手仍有一根侧向手指明显不自然，因此优势有限。
- 陶碗、旋转的陶轮和塑形动作均清晰可辨：右图更好。两图中的陶碗和旋转陶轮都很清楚，但右图更明确地展现了一只手在内侧塑形、另一只手支撑外壁的动作。
查看所用提示词与设置
提示词
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.
数量识别与属性绑定
此场景更优：GPT Image 2左图更完整地遵循了要求的构图。两图在数量、属性和马克杯朝向方面都处理正确，但右图违反了不得出现额外物体的要求。
- 标准 1：平局。两图左侧都明显有恰好三个排成一行的红色立方体，右侧有恰好两个蓝色球体，并且两组物体后方中央有一个黄色马克杯。
- 标准 2：平局。两图都将红色与立方体、蓝色与透明玻璃质感的球体、黄色与陶瓷质感的马克杯正确对应。右图中的立方体呈现出更明显的木纹，而左图中的物体仍明显符合要求的类别和材质。
- 标准 3：平局。两图中的杯柄都清晰连接在杯身右侧并向右延伸。
- 标准 4：左图更好。左图仅呈现了要求的物体且没有文字，而右图背景中明显包含一盆植物及其他室内元素。两图均无可见文字。
查看所用提示词与设置
提示词
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.
广告构图
此场景更优：GPT Image 2左图更贴近要求的构图，主要体现在更清晰地从左下角开始的拖尾，以及更明确的顶部留白。两图都因在鞋上出现“AERO”而违反了不得有其他文字的要求。
- 恰好一只银色鞋和一条橙色拖尾：左图更好。两图都在右下方呈现了一只银色鞋，但左图的橙色拖尾明显从左下角进入画面并以曲线延伸；右图的拖尾先从右侧边缘横穿画面下部，再弯向左侧。
- 唯一可见文字：平局。两图都正确呈现了“RUN LIGHT”和“42 KM”，但也都在鞋上明显呈现了禁止出现的额外文字“AERO”。
- 顶部间距和标题位置：左图更好。左图留出了明显开阔的区域，其高度大幅超过要求的顶部边距，并将“RUN LIGHT”置于其正下方的左上区域。右图标题上方也有空白天空，但留白尺寸更接近最低要求。
- 元素可见性和层级：平局。两图都完整呈现了标题、徽章、拖尾和单只鞋，标题与产品之间的层级清晰；均不存在明显裁切或重叠遮挡必要元素的情况。
查看所用提示词与设置
提示词
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.
结构化 UI 图形
视任务而定两张图都满足全部四项评分标准。风格上的差异并未带来有实际意义的评分优势。
- 标题和列：平局。两图都准确呈现标题“CHOOSE YOUR PLAN”，并且恰好包含标为“STARTER”、“PRO”和“TEAM”的三列。
- 行：平局。两图的每一列都恰好包含三行对齐的内容，分别标为“PROJECTS”、“STORAGE”和“SUPPORT”。
- 按钮：平局。两图的每一列都恰好有一个标为“SELECT”的蓝色按钮。
- 对齐和额外内容：平局。两图都呈现了均匀排列的三列，且没有渲染额外文字。左图包含行图标，右图使用分隔线，但两者均不与此项标准冲突。
查看所用提示词与设置
提示词
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.
六参考图对象绑定与编辑
此场景更优：GPT Image 2整体而言，左图更忠实地完成了多参考图编辑，尤其是在保留基础场景和四个被替换物体的原始位置方面。右图对成对柠檬的还原更准确，但对整体空间布局的改动也更明显。
- 马克杯与毛巾替换：左图更好。两图都呈现了带金边的海军蓝马克杯和绿白条纹餐巾，但左图更好地保留了原马克杯的占地范围、杯柄朝向和毛巾位置；右图缩小了马克杯，并大幅改变了餐巾的角度和折叠形状。
- 梨与笔记本替换：左图更好。两图都移除了原来的梨和蓝色笔记本，替换为恰好一个橙子，以及带黑色松紧带的芥末黄色硬壳笔记本，但左图中这两件替换物的位置和朝向更接近基础场景中的对应物体。
- 两个柠檬：右图更好。两图都在马克杯右侧放置了恰好两个柠檬，没有额外物体，但右图更好地保留了参考图中两个柠檬相互接触的摆放方式，也保留了左侧柠檬上的叶子；左图遗漏了叶子，且两个柠檬间距更大。
- 基础场景保留：左图更好。其机位、取景、桌面纹理、物体间距和整体阴影都明显更接近参考图 1，而右图移动了多个物体并改变了它们的大小，对原始构图的改动更多。
查看所用提示词与设置
提示词
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.
图中文字替换
此场景更优：GPT Image 2两张输出图都干净、准确地完成了文字替换，但左图保留了文字以外的原始画面，更忠实地遵循了仅编辑指定内容的指令。
- 准确替换文字：两图都准确呈现了“NIGHT OWL”，并完全移除了“MORNING BEAN”。
- 无畸形字符：两图中的字母都清晰、字形正确，没有多余、重复或畸形字符。
- 字体、间距与透视：左图更接近参考图，保留了瘦高的大写无衬线字形、宽字距、字母大小和原招牌的透视。右图也很自然，但视角发生了明显变化，文字略小，排列也更紧凑。
- 材质、光照与场景保留：左图明显更好。它几乎完整保留了参考图的取景、店面几何结构、招牌纹理、灯具位置、阴影、植物、窗户、门和长椅。右图改变了裁切范围和视角，并明显重建了许多周围细节，包括建筑正面比例、窗户、花槽、长椅、灯具和枝叶。
查看所用提示词与设置
提示词
Replace only the sign text with exactly "NIGHT OWL". Preserve the original font style, spacing, perspective, sign material, lighting, and everything else.
多参考图身份与服装迁移
此场景更优：GPT Image 2整体而言，左图的服装迁移效果更好：它更忠实地保留了人物和原始构图，同时更接近参考夹克干净、浅水洗的外观。
- 人物身份、表情、头发、姿势、身体比例与取景：左图更好。其面部、表情、头发位置、手部姿势、肩宽和裁切范围都与参考图 1 高度一致，而右图明显改变了面部结构、表情、头发分布、身体比例和取景。
- 夹克材质、颜色、衣领、纽扣、口袋与袖章：左图更好。它更贴近参考图 2 中干净的浅蓝色牛仔布、厚实的奶油色羊羔绒衣领、胸袋形状、古铜色五金、缝线布局和袖子上部的红色布章。右图采用了更深色的牛仔布，并添加了参考图中没有的白色做旧痕迹，布章露出得也不够完整。
- 完整替换，且不带入模特或商品背景：两图持平。两图都完全移除了黑色西装外套，在原始室内场景中呈现牛仔夹克，没有带入隐形模特或白色商品背景。
- 手部、服装合身度、遮挡、阴影与光照：左图更好。它更忠实地保留了原始手部及其交叠关系，袖子、袖口、褶皱和左侧光照也与场景自然融合。右图同样合理，但手部和姿势变化更明显，夹克也显得更平、更宽松。
查看所用提示词与设置
提示词
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.
连贯场景重布光
此场景更优：GPT Image 2左图呈现了可信的黄金时刻重新布光效果，同时更忠实地保留了原始房间。右图的方向性阴影更强，但对构图和物体的大幅改动违反了核心编辑约束。
- 温暖的黄金时刻光线明确从左侧窗户射入：左图更好；可以清楚看到低角度阳光透过左侧窗户，在房间内形成一道明显的暖色光束。右图同样温暖，但光源在视觉上不够直观。
- 高光与阴影方向对新光源作出一致响应：右图略好；桌子、沙发、植物和灯具在左侧光照下投下强烈且一致朝右的阴影，地毯和墙面上的方向性阴影尤其清晰。左图也保持了合理的一致性，但部分阴影更柔和，清晰程度不够统一。
- 效果不只是统一叠加黄色滤镜：右图更好；局部亮斑、强烈的投射阴影，以及沙发、地毯、地板和墙面上交替分布的明暗，营造出显著的空间重新布光效果。左图也增加了局部照明与阴影，而非仅仅改变色调。
- 家具或装饰没有被移动、添加、移除或重新设计：左图明显更好；它很好地保留了参考图的构图、物体位置、比例和设计。右图改变了取景，并明显移动或调整了窗户、植物、沙发、灯具、桌子和地毯的大小，同时还改变了桌子结构、沙发比例等细节。
查看所用提示词与设置
提示词
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.
跨比例扩图
此场景更优：Nano Banana 2右图在实现同样自然、无缝的风景扩图效果的同时，更忠实地保留了参考图的构图。
- 16:9 画幅，两侧新增内容自然：两图都呈现了可信的风景扩图效果，左右两侧的天空、海洋和沙滩连续自然；这一项两图持平。
- 完整原图保持居中，没有裁切或拉伸：右图更好。其地平线、海岸线、木屋位置和木屋大小几乎完全保留了参考图的纵向比例，而左图缩小了木屋，并将地平线和海岸线略微下移。
- 原始木屋、海岸线和画面内部构图保持不变：右图更好。木屋宽度、屋顶轮廓、门的位置、支撑结构、海岸线和地平线都更贴近参考图。左图对木屋比例和若干结构细节的改动更明显。
- 没有可见接缝、镜像填充或重复物体：两图都衔接无缝，没有明显的镜像或重复物体。右图略显干净，因为两侧扩展部分延续了开阔的海岸线，没有像左图那样在最右侧地平线上新增远处地貌。
查看所用提示词与设置
提示词
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.
场景变更中的产品保真
此场景更优：GPT Image 2左图在保留原物特征的编辑上更胜一筹。右图将运动鞋融入黄昏湿润球场的效果略微更自然，但左图更忠实地保留了参考运动鞋的几何形态、结构细节、观察角度和独特的侧面标记。
- 黄昏时分的湿润篮球场：右图略好。两图都呈现了湿润的室外球场，包含篮筐、围网、黄昏天空和反光地面，但右图的球场标线与冷暖过渡的傍晚光照，让场景更容易辨识，也更协调。
- 运动鞋一致性：左图更好。其轮廓、加厚鞋口、鞋舌高度、拼接结构、缝线路径、带纹理的鞋头包边、鞋底厚度和四分之三侧视拍摄角度，都明显更接近参考图。右图更偏向平直的侧视角，并改变了多处比例，尤其是鞋口、鞋头和鞋底附近。
- 黑色几何侧面标记：左图更好。其标记保留了参考图中的后部短水平线段、向上斜线、上部分支和向下延伸的前部分支，位置和比例也更接近。右图的上部分支较短，整个符号也更压缩，并发生了旋转。
- 物理合理性：右图略好。鞋子稳稳贴合地面，下方倒影的位置自然对齐，日落色彩在湿润表面上的呈现也保持一致。左图的接地感和反射效果同样出色，但相对于鞋子，其前景倒影显得异常大，且存在视觉扭曲。
查看所用提示词与设置
提示词
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.
成本与耗时
GPT Image 2 每次生成最低消耗 20 积分，Nano Banana 2 则最低消耗 40 积分，因此 GPT Image 2 是单次生成所需积分较低的选择。在本轮测试的小规模延迟样本中，GPT Image 2 的耗时范围为 81370 毫秒至 189546 毫秒，Nano Banana 2 为 57125 毫秒至 122746 毫秒；这些数据仅代表本轮测试，并非基准测试结果。
对比方法与披露
我们针对每个场景，在各模型中使用同一条固定提示词，并发布了筛选后的生成结果。公开图片均带有 Banana Pie 水印。Banana Pie 提供 GPT Image 2 和 Nano Banana 2 的付费访问服务。
Banana Pie 在同一个创作台中提供此模型及其他模型的付费使用权限。我们的结论来自与用户相同流程下的测试。