GPT Image 2 与 Seedream 5 Pro：谁的图像生成更忠实于提示词
两款模型各有所长，GPT Image 2 在本次更多测试场景中表现更强。保留原图、基于参考图的编辑、重新打光、材质渲染、人体结构和产品场景替换，推荐选择 GPT Image 2；多语言文字排版、广告版式和跨宽高比扩图，推荐选择 Seedream 5 Pro。计数和结构化 UI 图形方面，两者打成平手。
信息对比
| 特性 | GPT Image 2 | Seedream 5 Pro |
|---|---|---|
| 开发者 | OpenAI | ByteDance |
| 在 Banana Pie 上的可用状态 | 现已可用 | 现已可用 |
| 所需积分 | 20 积分 | 25 积分 |
| 最高分辨率 | 4K | 2K |
| 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左图在满足对象约束的同时，更好地符合了材质、折射和光照要求。右图的半满液位更准确，但左图整体上与提示词的匹配度更高。
- 画面中恰好只有一个透明的长方形香水瓶，没有文字、徽标或额外物体：平局。两张图都在湿润的黑色石面上展示了一个透明的长方形香水瓶，没有可见文字、徽标、植物或独立的额外物体。
- 瓶中琥珀色液体明显装至一半：右图更好。右图中琥珀色液体的液位接近瓶身一半的位置，而左图可见前腔中的液位似乎略高于一半。
- 玻璃折射以及湿润黑色石面上的倒影符合物理规律：左图更好。左图的玻璃边缘更干净，光线穿过长方形瓶壁时的折射更一致，倒影也与瓶身和琥珀色液体相符；右图中穿过液体的弯曲内管或折射线不太可信。
- 左上方光源形成一致的高光和合理的接触阴影：左图更好。左图明显受到来自左上方的强光照射，与明亮高光及投向右侧的阴影一致；右图的高光也较为合理，但光线来自左上方这一点不够明确，接触阴影也不够清晰。
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：Seedream 5 Pro右图更贴合提示词，因为它保留了要求的四行结构和准确文字，而左图错误地将第一行拆成了两行。
- 海报恰好包含四行居中文字，且没有其他文字：右图更好。右图恰好显示四行居中文字："MOONLIGHT MARKET"、"月光市集"、"18 OCT" 和 "RIVER HALL"。左图有五行居中文字，因为 "MOONLIGHT MARKET" 被拆成了 "MOONLIGHT" 和 "MARKET"。
- 四行文字按顺序准确写作 "MOONLIGHT MARKET"、"月光市集"、"18 OCT" 和 "RIVER HALL"：右图更好。右图准确呈现了 "MOONLIGHT MARKET"、"月光市集"、"18 OCT" 和 "RIVER HALL" 这四行文字。左图则呈现为 "MOONLIGHT"、"MARKET"、"月光市集"、"18 OCT" 和 "RIVER HALL"，因此第一行并不准确，行数和顺序格式也有误。
- "月光市集" 为红色，另外三行为黑色：平局。两张图都用红色呈现 "月光市集"，英文和日期文字均为黑色。
- 所有文字均清晰可读、间距均匀且视觉对齐：右图更好。右图文字清晰、居中、间距均匀，形成紧凑的海报布局。左图文字也清晰且居中，但拆开的标题导致视觉间距不够均匀，也破坏了预期的四行对齐。
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：GPT Image 2尽管右图的手指结构看起来稍显自然，但左图更好地满足了手部数量和每只手五根手指的要求。
- 画面中恰好有两只完整可见的手，没有多余的手或人物：左图更好。左图恰好展示了两只手和一个人，两只手在碗上方都更完整可见。右图同样恰好展示了两只手且没有其他人物，但碗内那只手的拇指被遮住，因此完整度较低。
- 每只手都恰好有五根清晰可辨、形态自然的手指：左图更好。左图中每只手似乎都有五根手指，不过部分手指沾有黏土且彼此靠得较近。右图中伸进碗里的手只能清楚看到四根手指，没有明显可见的拇指；外侧的手似乎有五根手指。
- 手指、关节以及与黏土的接触在人体结构上合理：右图更好。右图中可见手指和指关节的比例更自然，握住碗的姿势也合理。左图中沾满黏土的手指使其结构更难辨认，左侧手部的一些指尖在接触黏土的位置看起来略显拥挤或粘连。
- 陶碗、旋转的拉坯机和塑形动作均清晰可辨：平局。两张图都清楚展示了拉坯机上的陶碗，以及双手为黏土塑形或稳住黏土的动作；左图更突出拉坯机旋转产生的模糊效果和手与碗内侧的接触，右图则清楚呈现了碗的形态和拉坯机。
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
视任务而定两张图均满足所要求的数量、位置、颜色、形状和材质，也都正确呈现了朝右的杯柄，且没有额外文字或物体。两者差异很小，无法依据评分标准判定明确胜者。
- 左侧恰好有三个红色立方体，右侧有两个蓝色球体，后方中央有一个黄色马克杯：平局；两张图都在左侧展示了三个红色立方体，在右侧展示了两个蓝色球体，并在物体后方靠近中央的位置展示了一个黄色马克杯。
- 指定的颜色、形状和材质均与各自对象正确绑定：平局；两张图都展示了红色立方体、蓝色玻璃质感球体和黄色亮面陶瓷质感马克杯。右图中立方体的木纹更清晰一些，但两张图均满足绑定要求。
- 杯柄明确朝向右侧：平局；两张图中都能在马克杯右侧看到杯柄。
- 没有可见的额外物体或文字：平局；两张图均未显示额外物体或任何生成的文字。
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：Seedream 5 Pro总体而言，右图更符合文字和布局约束，尽管左图将鞋子更明确地放在了右下角。
- 右下角恰好有一只银色鞋子，并有一条橙色轨迹从左下角开始：左图更好。左图中一只银色鞋子明确位于右下角，橙色轨迹也明显从左下角开始；右图同样有一只银色鞋子和一条从左下角开始的橙色轨迹，但鞋子更接近画面右侧中部或下半部，没有稳固地位于右下角。
- 唯一可见的文字是 "RUN LIGHT" 和 "42 KM"，且两者拼写均正确：右图更好。右图只显示了 "RUN LIGHT" 和 "42 KM"。左图正确显示了 "RUN LIGHT" 和 "42 KM"，但鞋子上还出现了额外的可见文字 "AERO"。
- 顶部 15% 的区域明显保持简洁，标题紧邻其下方：右图更好。右图顶部区域保持空白，并将 "RUN LIGHT" 放在其正下方的左上区域。左图顶部区域同样简洁，但标题位置低得多，并未紧邻顶部空白区域的下方。
- 所有必需元素均完整可见，并形成清晰的视觉层级：右图更好。右图完整呈现了鞋子、橙色轨迹、标题和徽章，广告布局简洁；左图的视觉层级也很突出，但鞋子上额外的 "AERO" 文字与限制文字数量的要求冲突，并增加了视觉杂乱感。
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
视任务而定两张图均满足结构化定价图的要求，包括准确文字、三列布局、每列三行，以及每列一个蓝色 SELECT 按钮。两者依据评分标准均无明显优势。
- 图中包含准确标题 "CHOOSE YOUR PLAN"，并且恰好有三列，分别标为 "STARTER"、"PRO" 和 "TEAM"：平局；两张图都准确显示了标题 "CHOOSE YOUR PLAN"，三列标签也准确显示为 "STARTER"、"PRO" 和 "TEAM"。
- 每列都恰好包含三行对齐内容，标签分别为 "PROJECTS"、"STORAGE" 和 "SUPPORT"：平局；两张图的每一列都恰好显示了 "PROJECTS"、"STORAGE" 和 "SUPPORT" 这三个行标签，顺序相同且各列对齐。
- 每列都恰好包含一个标有 "SELECT" 的蓝色按钮：平局；两张图的每一列都显示了一个蓝色按钮，且每个按钮都准确标为 "SELECT"。
- 各列均匀对齐，没有额外列或文字：平局；两张图都采用三列等距布局，没有额外列，除 "CHOOSE YOUR PLAN"、"STARTER"、"PRO"、"TEAM"、"PROJECTS"、"STORAGE"、"SUPPORT" 和 "SELECT" 外，也没有生成其他文字。
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左图的整体编辑效果更好。它在物体位置和原始场景保留这两项标准上明显领先，而右图的主要优势是更忠实地还原了两颗柠檬的外观。
- 标准 1：左图更好。深蓝色马克杯基本保留了原杯位于左下方的位置、大小及杯柄朝右的方向；条纹餐巾也位于原毛巾所在区域，褶皱和条纹图案与参考图 3 高度一致。右图替换的物品正确，但两者都比原场景中的物品更小，位置也有所偏移。
- 标准 2：左图更好。两图都移除了梨和蓝色笔记本，并呈现了一个橙子和一本带黑色松紧带的芥末黄色精装笔记本，但左图中两件替换物的位置和比例更接近原来的梨和笔记本。
- 标准 3：右图更好。两图都在马克杯右侧放置了恰好两颗柠檬，没有多余柠檬，但右图保留了左侧柠檬上的大片绿叶，更贴近参考图 6；左图遗漏了这片叶子。
- 标准 4：左图明显更好。它保留了宽幅取景、原有桌面边界、可辨认的木节和木纹，以及编辑区域之间原有的间距。右图改变了取景和比例，裁掉了更多桌面，并将物品布局向上、向内移动。
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 2两张输出图都正确呈现了所要求的文字，但左图保留了替换文字之外的原始画面，更严格地遵循了仅编辑文字的要求。
- 精确替换文字：两图都准确呈现了“NIGHT OWL”，并完全移除了“MORNING BEAN”。
- 无多余或畸形字符：两图都只显示“NIGHT OWL”，字母清晰、字形正确，没有多余标记。
- 字体特征、字距和透视：左图更接近参考图，保留了修长的无衬线字形、宽字距、居中位置和原招牌的透视。右图采用了类似的字体，但招牌大小和观察角度的变化更明显。
- 材质、光照和周围场景：左图几乎原样保留了招牌纹理、阴影、店面取景和整体场景。右图则明显改变了裁切范围、视角、店面比例、灯具位置、窗户、植物及周围细节。
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左图整体表现更强。它更忠实地保留了人物和原始构图，同时还原了更多夹克的具体结构与表面细节。
- 人物身份、表情、头发、姿势、身体比例和取景：左图更好。人物面容、表情、头发轮廓、手部姿势、身体大小和裁切范围都与参考图 1 高度一致；右图则缩小了人物在画面中的占比，并明显改变了面部比例、头发位置和手部位置。
- 夹克材质、颜色、衣领、纽扣、口袋和袖章：左图更好。它更准确地还原了参考图 2 中的浅蓝色牛仔布、厚实的奶油色羊羔绒衣领、胸袋结构、古铜色五金、缝线样式和袖子上部的红色徽章。右图呈现了主要设计，但简化了牛仔布细节，对前襟开口和纽扣排列的改动也更大。
- 完整替换，且不出现模特人台或产品背景：两者持平。两图都将黑色西装外套完全替换为牛仔夹克，同时保留了原有的室内墙面和窗帘环境，没有可见的模特人台或白色产品背景。
- 手部、合身度、遮挡、阴影和光照的物理合理性：左图更好。它更忠实地保留了原有手部，两个袖口都自然地围绕手腕，夹克的光照与场景一致，褶皱也合理。右图总体上合理，但改变后的手部形态和较平面的服装结构，在还原度和自然度上稍逊一筹。
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左图整体胜出。两图都营造了可信的黄金时刻光照，右图的定向投影尤其清晰，但左图在实现鲜明且协调的光照效果的同时，更忠实地保留了原有房间和物品。
- 温暖的黄金时刻阳光明显从左侧窗户照入：左图略胜一筹；左侧窗户可见的低悬太阳，以及洒满房间的明亮暖光，让光源位置格外明确，不过右图也可信地呈现了从该侧照入的暖光。
- 高光和阴影方向与新光源保持一致：右图略胜一筹；窗框投影、植物阴影、沙发高光和长阴影都一致地沿远离左侧窗户的方向延伸。左图也保持了协调，但部分墙面光照更柔和，几何轮廓不够分明。
- 效果不只是统一叠加黄色滤镜：两图都很好地满足了这一点；它们都加入了局部的窗形高光、有方向性的物体阴影、明亮的受光表面和较暗的遮挡区域，而非仅仅给场景染色。
- 没有移动、添加、移除或重新设计家具与装饰：左图明显更好，基本保留了参考图的构图和物品设计。右图改变了取景，并明显改动了沙发、茶几的比例和位置、灯具位置、植物大小、地毯位置及窗户比例。
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：Seedream 5 Pro右图胜出，因为它更忠实地保留了原有小屋、海岸线和原图内部的整体构图。左图的扩展区域稍显自然流畅，但对原场景的改动更明显。
- 标准 1：左图略胜一筹。两张输出图都是横幅构图，并向两侧扩展了天空、海洋和沙滩，但左图新增区域的自然纹理和细节更连贯。
- 标准 2：两者持平。两图都让小屋保持居中，并大致保留了原有的纵向取景，没有明显拉伸或裁切。
- 标准 3：右图更好。小屋形状、柔和的色彩、屋顶比例、门上的五金件、平直的地平线和海岸线的带状层次都更接近参考图；左图明显改变了小屋比例，并强化了场景色彩和云层结构。
- 标准 4：左图略胜一筹。沙滩和天空的过渡融合得更均匀，而右图在居中原图区域两侧附近的沙地上，出现了细微的纵向纹理和色调过渡痕迹。两图都没有明显的镜像填充或重复物体。
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左图更忠实地保留了参考运动鞋，同时将其融入了场景特征更清晰、物理效果更可信的湿润篮球场环境中。
- 黄昏球场场景：左图更好。可见的篮筐、篮板、围栏、球场标线、泛光灯、湿润地面和日落天空，更有说服力地呈现了所要求的场景；右图也呈现了黄昏时有围栏的湿润球场，但看不到篮筐。
- 运动鞋一致性：左图更好。鞋的轮廓、鞋头和鞋跟比例、分层鞋底、鞋带排列、鞋面拼接缝线、白色皮革纹理，以及四分之三侧面拍摄角度，都更接近参考图。右图改变了鞋的比例，并简化了部分鞋面和鞋带细节。
- 侧面几何标记：左图更好。黑色标记保留了参考图中较长的左侧延伸部分、斜向的上方分支、中央交汇点和向下延伸的右侧部分，比例也高度一致。右图的标记仍可辨认，但显得更短、更粗，也更紧凑。
- 物理合理性：左图更好。鞋子有贴合地面的接触阴影，湿润表面上的倒影充分，较柔暗的光照也与偏暗的黄昏环境一致。右图同样有阴影和倒影，但相对于场景，鞋子显得过亮，接触阴影也更重，带有更明显的抠图感。
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 的起步价为 20 积分，Seedream 5 Pro 的起步价为 25 积分，因此在这些图像生成任务中，GPT Image 2 是所需积分更少的选择。在这轮使用固定提示词的测试中，GPT Image 2 的实测延迟样本范围为 81370ms 至 189546ms，Seedream 5 Pro 则为 38569ms 至 141015ms；这些数据仅代表本轮运行样本，不应视为基准测试结果。
对比方法与披露
在每个场景中，我们都使用相同的固定提示词运行各个模型，并发布选定的输出结果。公开图片均带有 Banana Pie 水印。Banana Pie 同时提供 GPT Image 2 和 Seedream 5 Pro 的使用服务，因此本页面展示的是可复现的并排对比结果，而非独立基准测试或绝对排名。
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。