GPT Image 2 与 Seedream 5 Pro：谁的图像生成更忠实于提示词
这次对比的结果因任务而异。在本轮测试中，GPT Image 2 更适合材质与光照控制、人体结构约束、对象绑定编辑、扩图，以及保留产品特征的场景变更；Seedream 5 Pro 则在多语言文字排版、广告布局和连贯的重新布光方面表现更强。多个结构化或重编辑提示词的结果不分胜负，因此，更稳妥的选择取决于你的图像任务最不能接受哪种失败情况。
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
两个模型均在固定测试套件中运行完全相同的提示词；图像均为实际运行结果，并按生成原样展示。
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左图略胜一筹，因为两张图都完成了大部分替换，但右图在其中一个柠檬上加入了叶片和果梗细节，看起来混入了其他水果的属性。其余差异很小，而且仅凭所展示的输出无法完全核实参考图 1。
- 红色马克杯和白色毛巾被替换为参考图 2 中的深海军蓝色马克杯和参考图 3 中的绿白条纹餐巾：平局。两张图都在马克杯区域明显展示了一个深海军蓝色马克杯，并在毛巾区域展示了一块折叠的绿白条纹布。仅凭输出无法全面评估其与参考图的准确匹配程度。
- 绿色梨和蓝色笔记本被替换为参考图 4 中恰好一个橙子，以及参考图 5 中的芥末黄色精装笔记本；原来的四个源对象均未保留：平局。两张图都展示了一个橙子和一本芥末黄色笔记本，且没有留下可见的红色马克杯、白色毛巾、绿色梨或蓝色笔记本。
- 参考图 6 中的两个柠檬恰好出现在马克杯右侧，没有多余、缺失、重复的水果或物体，也没有跨对象属性混入：左图更好。左图在马克杯右侧展示了两个纯黄色柠檬。右图也展示了两个柠檬，但左边的柠檬带有绿色叶片和类似果梗的细节，视觉上像是错误混入了橙子对象的属性。
- 参考图 1 仍作为基础：相机视角、构图、桌面和木纹、光照、阴影以及所有未经编辑的空间关系均保持不变：平局。两张图都保留了相似的木质桌面场景、自然光线和相近的物体布局，但由于看不到参考图 1，无法准确核实这一标准。
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
视任务而定两张图都完成了要求的文字替换，没有可见的拼写错误或多余字符。右图的文字比例可能融合得稍微更自然，但在缺少原始参考图的情况下差异很小，因此判为平局。
- 招牌上的文字准确写作 "NIGHT OWL"，旧文字已完全消失：两张图都将招牌文字呈现为 "NIGHT OWL"，且两块招牌上都看不到之前的文字。
- 招牌上没有额外或畸形字符：两张图都只显示了 "NIGHT OWL"，没有额外字母、符号或明显畸形的字符。
- 保留了原字体特征、间距和透视效果：两张图都使用了相似的粗体大写字母，并与招牌透视方向对齐；左图的字母显得略大、分布更宽，右图的文字比例看起来稍微更自然，但由于看不到原始参考图，很难做出明确判断。
- 招牌材质、光照和周围场景保持不变：两张图都保持了深绿色木质招牌表面、日光阴影、店面、灯具、窗户、植物和长椅的一致外观；在场景改动方面看不出哪一张图具有明确优势。
参考图
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
视任务而定两张输出都完成了主要编辑：人物仍处于原始人像场景中，并穿着所要求的牛仔羊羔绒夹克，袖子上带有红色贴布。左图的夹克细节更出色，右图的融合效果则稍微更自然，因此整体上没有明确胜者。
- 输出在面部身份、表情、发型、姿势、身体比例和构图上与参考图 1 保持一致：由于仅展示了输出图，无法与参考图 1 进行完整对比。从可见内容来看，两者都保留了相似的居中人像、自然表情、披散的深色头发、双手置于腰间的姿势、灰色墙面背景以及窗户边缘构图；RIGHT 的面部呈现略显自然，而 LEFT 则稍显精修和平滑。
- 所穿夹克在材质、颜色、衣领、纽扣、口袋和袖章方面与参考图 2 一致：无法核实其与参考图 2 是否完全一致，但两者均呈现了带米白色羊羔绒衣领、金属纽扣、翻盖胸袋和红色袖章的浅蓝色牛仔夹克。LEFT 的牛仔纹理、缝线、纽扣和口袋结构更加清晰；RIGHT 保留了相同的主要服装特征，但夹克表面略有简化。
- 黑色西装外套已被完全替换，且未复制参考图 2 中的人台或产品背景：两侧都将黑色外套完全替换为牛仔夹克，且均未出现幽灵人台或白色产品背景。根据可见输出，此项两者持平。
- 手部、服装贴合度、遮挡关系、阴影和光照与人物及原始场景在物理逻辑上协调：RIGHT 略胜一筹，因为夹克的贴合度、袖子位置和手部遮挡看起来融合得更自然，也不那么臃肿。LEFT 整体上也较为协调，但夹克前襟以及下方纽扣和门襟区域在手部周围显得略微不自然且拥挤。
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：Seedream 5 ProRIGHT 整体表现更强。LEFT 让黄金时刻的光源非常明显，但 RIGHT 对重新布光的处理更加协调，方向性高光和阴影更清晰，也减少了整体泛黄的效果。
- 温暖的黄金时刻光线明显从左侧窗户射入：LEFT 表现更好，因为低角度阳光和强烈的金色光芒透过左侧窗户清晰可见，使光源一目了然；RIGHT 也呈现了来自该方向的暖光，但光源没有那么明确。
- 高光和阴影方向与新光源保持协调：RIGHT 表现更好，因为墙面和沙发上的矩形窗光、植物阴影以及物体后方较暗的投影区域，都更一致地对应了从左侧射入的光线。LEFT 的阴影也较为合理，但光照分布得更宽泛，精确度稍低。
- 效果并非简单套用统一的黄色滤镜：RIGHT 表现更好，因为它包含局部阳光光斑、明暗对比和具有方向性的阴影形状，同时保留了部分中性的墙面和地毯色调。LEFT 也有方向性光影效果，但整个房间被更浓重的金色所笼罩。
- 没有移动、添加、移除或重新设计任何家具或装饰：两者持平。两张图都呈现了相同的可见室内元素，包括左侧窗户、沙发、植物、茶几、地毯和落地灯，两份输出之间没有明显新增或缺失的家具或装饰。
参考图
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：GPT Image 2LEFT 略胜一筹，因为它更有说服力地保持了小屋构图居中，同时仍在两侧生成了自然的扩展内容。两者在视觉上都满足了扩图要求，因此差距不大。
- 最终输出为 16:9，且两侧均生成了自然的新内容：两者持平。两张图看起来都是宽幅横向画面，并且都以合理的方式将海滩、海洋和天空延伸至整个画面宽度。
- 完整的原图保持居中，且没有裁剪或拉伸：LEFT 表现更好。小屋接近画面中心，看起来更像是保留了原有的中心主体；RIGHT 中的小屋则略偏离中心，画面构图的改动感更强，而且小屋在场景中显得更小。
- 原有的小屋、海岸线和内部构图保持不变：由于未看到原始源图，无法进行完整评估。从可见内容来看，两者都保留了相似的小屋、海岸线和地平线布局，不过 RIGHT 对主体比例的改动似乎比 LEFT 更大。
- 扩展区域没有可见接缝、镜像填充或重复物体：两者持平。两张图中都没有看到明显的接缝线、镜像的海滩或海洋纹理，也没有重复物体；两侧扩展看起来都很连贯。
参考图
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 2LEFT 在完成场景变更的同时，更好地保留了可见的产品细节，并呈现出更具说服力的黄昏湿地篮球场放置效果。
- 运动鞋被自然可信地放置在黄昏时分的室外湿地篮球场上：LEFT 表现更好。画面中可见篮筐和篮板、围栏、球场地面、湿润路面以及黄昏天空；RIGHT 呈现了湿润的球场标线、围栏和黄昏光线，但由于没有可见篮筐，篮球场的场景特征不够明确。
- 其轮廓、鞋底几何结构、缝线、材质和相机角度保持一致：由于没有原始运动鞋图像，无法进行完整评估。从可见内容来看，LEFT 保留了更多精细的缝线、皮革纹理、鞋带质感和鞋底细节，而 RIGHT 更整洁，但也略有简化。
- 黑色几何侧标保持不变，并且仍可辨认为相同形状：由于没有原始标记，无法进行完整评估。从可见内容来看，两者都有清晰可辨的黑色折角侧标；LEFT 的标记边缘更锐利、对比度更强，RIGHT 的标记也很清楚，但看起来稍显简化。
- 接触阴影、湿润表面反射和黄昏光照在物理逻辑上保持协调：LEFT 整体表现更好。它呈现了鞋子和标记在湿润表面上的明显倒影，并具有更暗的黄昏氛围；RIGHT 的水洼反射和接触关系也较为合理，但鞋子的受光更加均匀，与黄昏环境的融合感稍弱。
参考图
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
每个场景均使用相同的固定提示词分别运行两个模型，生成结果按原样发布。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测试，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。