GPT-Image-2 做的图可以真假难分

我用 GPT-Image-2 跑了一批图，先不说别的，你直接看效果。

这些图全部是 GPT-Image-2 生成的。

你可能第一眼会以为是真实截图或者手机拍的照片，我第一次看到出图也是这个反应。

而且提示词非常简单：

生成一张抖音直播截图，马斯克正在直播带货卖豆包，界面完整包括弹幕、礼物、状态栏，像真实 iPhone 手机截图。

生成一张高中数学竞赛考试的试卷的图片，使用手机拍摄的效果

生成一张《黑神话·钟馗》游戏游玩真实截图，钟馗拿着斩妖剑正在打五瘟使者的场景

同样的提示词丢给 Nano Banana，出来的图细节明显粗糙，需要补充详细的描述才能接近 GPT-Image-2 一次出图的效果。

Arena 测试结果也印证了体感：GPT-Image-2 在文本到图像的全部 7 个类别中排名 #1，断崖式领先第二名 Nano-banana-2。

它是怎么做到的

不是一步生成。它会先思考、搜索、检查，最后再画。

能联网检索实时信息，自动补全品牌、场景和最新数据。背后有 ChatGPT，开了 Thinking 模式之后，还能自己 double-check 输出。

说白了，提示词越简单，它可能生成的越好。 一句话就能出高仿真界面、带实时数据的资讯图，甚至可扫描的二维码。

更多案例

我又用不同场景测了几轮，提示词都很短：

产品宣传册

生成一个 iPhone 17 的产品宣传册

教育海报

设计一张主题为”一杯咖啡 如何来到你手里”的中文信息图海报。

游戏角色设计

为一个像素风格游戏角色：剑术师，创建一个专业的角色参考表

PPT 制作

制作一张名为”市场机会”的幻灯片，感觉就像 YC 支持的初创公司的真正 A 轮融资幻灯片

写提示词的小技巧

GPT-Image-2 和之前的文生图模型不一样。不用写一大段提示词去抠细节，简单几句话就能出质量很高的图。如果你愿意花时间把提示词写精准，出图效果还能再上一个台阶。 几个实测下来好用的技巧：

• 描述拍摄设备比描述画质更有效。 "像 iPhone 手机截图"比"高清、4K、逼真"出图效果好得多，模型会自动补全屏幕 UI、状态栏这些细节。
• 直接说你要什么场景，别教它怎么画。 "抖音直播截图"比"一个竖屏界面，上方有头像，下方有弹幕列表"更快出好图。
• 中文提示词完全能用。 上面所有案例都是中文写的，不用翻译成英文。

最后

回头看开头那张马斯克直播带货的图，你第一眼信了吗？

生图能力强到这个程度，意味着以后你刷到的截图、聊天记录、新闻配图，都不能直接当真了。先多想一下，这是不是 AI 生成的？

如果你觉得这篇文章对你有帮助，欢迎点赞、分享，你的支持是我持续创作的最大动力！