OpenAI发布全新图像模型：GPT Image 1.5—— **精准编辑，确保全图不崩**

什么是GPT Image 1.5？—— 核心变化揭秘

**GPT Image 1.5**是OpenAI最新推出的图像生成和编辑模型，**核心亮点在于“精准编辑”**：用户只需要指定特定区域或元素进行修改，模型就能在保证其他部分不动的基础上，准确地完成编辑任务。这一改进极大提高了图像编辑的**细节保持和操作可靠性**，同时**速度提升4倍**，成本也降低超过20%。

相较于上一代模型GPT Image 1.0，它有哪些显著提升？

新模型主要有以下几个方面的优化：

• 更强的指令遵循能力：执行复杂、多层次、多细节的指令更加准确
• 细节保持更佳：在编辑过程中，能够更好地保留原图细节和风格
• 速度快4倍：提升了工作效率，适合大量批量处理应用
• API价格下降20%以上：为开发者和企业用户提供了更经济的选择

然而，目前**在中文处理方面**，该模型相较NanoBanana还是有一定差距，难以完全达到理想效果，本文后续也会详细分析。

精准编辑：模型的核心优势及实际操作步骤

什么是“精准编辑”？

**精准编辑**的技术核心在于：当你上传一张图片后，模型只会修改你明确指出的部分，其他区域都保持原样。无论是添加、删除、融合还是移植元素，模型都能精准把控，避免“乱动”。

它是如何实现的？—— 具体操作流程

1. 上传图像：提供需要编辑的原始图片。
2. 明确修改区域：通过绘制或提示，标出你想要改动的那一部分。
3. 内容要求说明：具体描述要添加、删除或变换的内容，比如“把背景换成海滩”“给人物换上新衣”。
4. 多轮微调：模型根据指令逐次调整，确保效果极为符合预期。
5. 确认输出：获得最终编辑完成的高质量图像，确保人物、背景和其他细节都完整保持一致。

实际案例展示

以合成多元素图片为例：上传两男一狗的照片，将他们合成一幅**2000年代胶片风格的生日派对照片**，背景增加**疯狂的小孩**，将其中一个男士变成**手绘动漫风格**，狗变成**毛绒玩具**，再给他们穿上OpenAI官方卫衣，最后只留下狗，融入OpenAI的直播场景中。经过五轮编辑，不仅效果精准，还能保持原始人物的动态和表情。

模型在创意和风格转换方面的表现

丰富的预设风格与模板

不需要复杂的提示词，模型已预设了多种风格和模板，如**电影海报、80年代健身风、油画、时尚广告**等。例如，将两名人物搭配成**好莱坞黄金时代的海报**，或将一只猫变成**1960年代法国新浪潮风格的电影海报**。此功能极大激发了用户的创作潜力，操作简便，对于普通用户和专业设计师都是好消息。

指令遵循能力

新模型对复杂指令的执行能力更加**可靠且细腻**。比如：做一个**6×6网格**，在其中放置不同的物品，模型几乎实现了每个元素的精准对应。这非常适合用在**信息图制作、产品目录、教学材料**等场景中，提升了制作效率和效果的一致性。

文字渲染与细节提升

新版本的模型在**文字渲染**能力上也有提升，可以处理更密集、更小的文字。比如，将一段Markdown内容渲染为报纸风格版面，或者在产品图中添加详细文字说明，效果都更加清晰、自然。尽管如此，**在大量文字和复杂排版**的场景下，仍会出现一些模糊和失真问题。

模型的其他改进与局限性

细节与画面自然程度的提升

比如模拟**1970年代伦敦街景**或**1980年代香港街头**的照片，新版模型表现出更真实的年代感和细腻的人脸刻画，以及更逼真的光影效果。而在表现**深海生物海报**时，整体画面更鲜活，避免过早裁切或风格失控。但在科学严谨性方面仍有不足，比如深海生物的细节有待提高。

目前的局限与未来方向

• 风格转换不够稳定，有时会偏离预期
• 多张人脸同时生成，偶尔会出现扭曲或错误
• 多语言文字渲染，尤其是非英语，仍需提升支持度

总体而言，模型已显现出强大潜力，但仍需不断优化，特别是在精细细节和多语言支持方面，期待未来能实现更全面的超越。

API和价格信息详解

GPT Image 1.5的API版本拥有与**ChatGPT Images**相同的能力，具体信息可在官方文档查看：OpenAI官方模型说明。模型的图像输入输出成本比上一代模型低20%，支持多种规格：

• 1024×1024
• 1024×1536
• 1536×1024

价格方面：
低质量（Low）约每张$0.009-$0.013
中等质量（Medium）约每张$0.034-$0.051
高质量（High）最低每张$0.133-$0.2，接近谷歌2K的价格，性价比极高。

未来趋势与应用前景

从开放测试和用户反馈来看，**GPT Image 1.5**已经展现了其在**高质量、多场景、多风格**的强大能力，无论是广告设计、内容创作、教育培训还是个人创意，都有巨大潜力。尤其是在**精准编辑**上的突破，使得图像编辑变得更加高效、直观、符合实际需求。未来，随着技术的不断成熟，这一模型有望带来TMF（推理多模态）技术的更深层次变革，为视觉内容创作开启新纪元。

我认为：

技术的不断进步使得图像编辑变得日趋智能和精准，但我更希望未来能在多语言理解、多风格稳定性以及科学精确度方面取得突破。像GPT Image 1.5这样的工具，既是技术的试金石，也是一面镜子，反映出我们对美学、细节甚至真实性的不断追求。在这个过程中，我相信，唯有不断反思技术的边界与潜能，才能真正走向艺术与科技的融合之境。

#视觉艺术