GPT Image 2 在成像测试中优于 Nano Banana 2

导语

GPT Image 2，OpenAI 最新的图像生成模型，在 Decrypt 于 2026 年 5 月 2 日发布的一项对比评测中表现优于 Google 的 Nano Banana 2。Decrypt 在 200 条盲测提示中给出 GPT Image 2 的综合保真度评分为 8.9/10，而 Nano Banana 2 为 7.4/10（Decrypt，2026 年 5 月 2 日）。在真实摄影类提示和复杂人体姿态上，这一差异最为显著；Decrypt 发现 GPT Image 2 在解剖学错误更少、光照还原度更高方面表现更好。Google 的 Nano Banana 2 在原始吞吐量上保持优势；在评测的云端推理环境中，Decrypt 记录到 Nano Banana 2 的 1024x1024 图像生成中位延迟为 0.9 秒，而 GPT Image 2 为 1.2 秒。这些性能差异虽在绝对值上有限，但对云端推理经济学、GPU 需求以及企业采用者的内容审查工作流具有直接影响。

背景

Decrypt 的评测是最近发布的两款最先进文本到图像模型的公开对比评估；它提供了一个以数据为依据的快照，而非来自独立标准机构的正式基准。评测方法论——覆盖摄影、插画和抽象类别的 200 条盲测提示——与行业用于定性排名的惯例相似，但仍然受提示选择偏差和评审评分规则的影响（Decrypt，2026 年 5 月 2 日）。因此，市场参与者应将这些评分视为具有指示性而非决定性，并将其与厂商声明、第三方学术基准和早期企业部署的生产指标一并权衡。

在商业层面上，生成式图像模型的发布节奏在 2025–2026 年间有所加快。GPT Image 2 延续了 OpenAI 先前的图像模型发布，在创意代理机构和 SaaS 供应商中迅速被采用。Google 的 Nano Banana 2 体现了 Google Research 将紧凑模型架构与高效延迟特性相结合的努力，目标不仅包括云端托管工作负载，也面向设备端与边缘推理。竞争动态不仅仅关乎原始保真度，还包括吞吐量、每张图像成本以及与更广泛开发者工具和安全过滤的集成能力。

从宏观角度看，保真度与速度的提升缩短了企业实现价值的时间——包括营销创意、高效电商图片资产自动化以及媒体公司的内容生成流水线。Decrypt 的发布时间点——2026 年 5 月 2 日——恰逢公司为生成式 AI 工具采购周期上升，使得对比性能数据对计划 2026 年预算的 CIO 和采购团队尤为重要。

数据深度分析

Decrypt 的核心数字：在 200 条盲测提示中，GPT Image 2 的总体得分为 8.9/10，而 Nano Banana 2 为 7.4/10（Decrypt，2026 年 5 月 2 日）。在子类别中，GPT Image 2 在人脸保真度检测上的通过率为 92%，而 Nano Banana 2 为 78%。相对地，在评测的云端推理配置下，Nano Banana 2 在生成 1024x1024 图像时的中位延迟为 0.9 秒，而 GPT Image 2 为 1.2 秒。这些具体指标突出了一个权衡：更高的保真度伴随可测得的延迟增加，并可能导致 GPT Image 2 每张图像计算成本上升。

Decrypt 还报告了相对的失败模式。GPT Image 2 在构图和光照错误上出现得更少，但在需要创意颜色变体（例如迷幻色板）的提示上表现更为保守，而 Nano Banana 2 生成了更多样化的输出。Decrypt 的原始评分方法和示例输出在文章画廊中公开，便于投资者和技术人员检查失败案例并校准期望。

将这些结果与公开厂商披露和行业基准交叉比对显示出一致主题：模型架构与训练数据组成驱动保真度，而量化与架构剪枝则支持延迟改进。例如，Nano Banana 2 的设计优先考虑参数效率和针对低延迟推理的优化内核，这与 Decrypt 所观察到的速度优势相一致。早期采用者的行业遥测数据（虽多为专有）表明，对于每月生成数百万张图像的公司而言，延迟或每图成本发生 20–30% 的变化可实质性影响其经济性。

行业影响

Decrypt 记录的性能差距在云服务提供商、GPU 供应商以及内嵌图像生成功能的软件平台之间具有直接商业影响。英伟达（NVDA）有望从持续的推理 GPU 需求中受益，无论最终哪款模型更受青睐；像 GPT Image 2 这样的高保真模型通常需要更大或更优化的推理堆栈。谷歌云（母公司 Alphabet，股票代码 GOOGL）可能会利用 Nano Banana 2 的延迟优势吸引优先考虑吞吐量和边缘部署的客户。鉴于微软（MSFT）与 OpenAI 的合作与投资关系，如果 GPT Image 2 的采用推动 Azure AI 的使用增长，微软也将成为重要受益方。

对于企业软件供应商而言，在 GPT Image 2 与 Nano Banana 2 之间的选择将由总体拥有成本（TCO）决定。Decrypt 报告的延迟与保真度指标暗示，需求最高视觉保真度的工作流——高端营销素材、奢侈品电商成像等——可能会接受更高的推理成本以换取 GPT Image 2 的视觉质量。以量为中心的应用——大量目录图像生成、规模化的实时个性化——则可能更偏好 Nano Banana 2 的吞吐量优势和潜在的更低单图成本。

相比之下，年对年轨迹值得关注。若将其与 2025 年中期的公开评估对比，领先图像模型的保真度年增幅大多处于高个位数到低双位数百分比范围；Decrypt 的评分暗示 GPT Image 2 在相关类别上相比其前代机型约有 15–20% 的保真度增量提升。