OpenAI 的 GPT-image2 能帶來一波把帳號養起來的熱潮嗎？
OpenAI 的 GPT-image2 能帶來一波把帳號養起來的熱潮嗎？
全網都在吹捧 OpenAI 的新生圖模型 GPT-Image2，但我得潑盆冷水：它來得太遲了！🤷♂️ 首先，我不會誇張地說 OpenAI 的新生圖模型（競技場代號：duct-tape）有多麼多麼牛、屌爆了等等謬讚的詞……
我想說的是 GPT-image2 的進步是晚到的「驚蟄之雷」，來得遲了。
但這並不意味著 Image2 不值一提。恰恰相反，在深度測試了一些場景人物生圖提示詞後，我發現它真正恐怖的殺手鐧根本不是畫質。
也許它是一個瞬間瓦解 Gemini 🍌 霸權的遊戲規則改變者。
那為什麼說它是遲來的驚蟄之雷呢？
且聽我淺聊幾個點：
1. 為什麼說靠寫「神仙提示詞」瘋狂漲粉變現的紅利期過了呢？
因為靠寫「神仙提示詞」瘋狂漲粉變現的紅利期，早被 Gemini 的 Nano Banana Pro 吃乾抹淨了，加上 Seedance 2.0。最適當入場的時機就是 3 月。
現在還想靠搬運提示詞入局把帳號養起來？我勸你三思。
主要還是它先前的造勢前搖太久，它真正的對手有且只有 Gemini，過往 Nano Banana 的提示詞很多都是在 ChatGPT 時代過繼而來的。
作為初代 AI 線上生圖大模型，它的素材在最開始就是以優質破圈，但是 25 年 11 月開始，基本上所有的複利都被 Nano Banana Pro 吃得乾乾淨淨，比如許多人靠著 Nano Banana 寫生圖提示詞把帳號養起來進軍 AIGC，這裡就包括了我自己。
試想一下，現在熱度下來了，是因為模型不行，還是內容重複度過多導致的呢？
我想大概是後者吧～
所以認真想一下，ChatGPT 的 Image2 模型想要達到 Nano Banana 那樣的熱度，是不可能的了。出手就應該在 Nano Banana Pro 最火的時候競爭才是正確的，現在嘛，遲了（我說的是想透過寫 AIGC 提示詞把帳號養起來的玩家，為時已晚，勸入圈的朋友三思）。
2. 母語級的中文理解力
它完美接住了中文區的需求，不僅漢字生成錯誤率不易察覺，連人像都擺脫了以往模型的「塑料審美疲勞」。我想不用我過多闡述，一個 AI 大模型好不好，就看它的中文品質，文本方面依舊是 GPT 的強項。
但是在 Image2 出來之前，Gemini 的 Nano Banana Pro 在中文板塊依舊吃痛，表現不夠優良，許多生圖情況下依舊是亂碼，中文漢字一多它就「接不住」。恰好 Image2 在中文上對得起它優秀的中文素材庫，接住了中文區。
僅是中文區，單是漢字能力提升就可以了嗎？人像一樣重要，很多人已經放過類似於下面圖片的直播截圖：
看完圖後是不是覺得 GPT 的新模型很懂你呢？一句簡單的：
「生成一張女主播抖音截圖」提示詞就能給你意外之喜？（也可以說是超乎了自己的預期）。看多了也會審美疲勞（網紅感看什麼不是看呢？😂 當時玩 Uni-1 一樣的感覺）。
本身國產模型在這一塊就是簡單的關鍵詞拼湊生產人像，效果也很驚人；但 Image2 又更像是優化了國產模型（泛指豆包 Seedream）和 Gemini 的相容款，文字方面表現優於其他兩個，顯得更加真實。可能還有一個原因就是 Gemini 的人像讓人審美疲勞。
模型令人驚豔的原因往往是另一個模型（Gemini）困擾使用者許久的痛點被新模型打掉。所以就有了下面的第三點。
3. 模型可控性
一個大模型能夠聽話、聽懂的程度，以及它不再需要繁雜和臭長的提示詞來生圖，是判斷這個模型好不好的重點。我個人認為這才是 Image 2 這次的重點，我做了一組生圖對照；
同樣提示詞，GPT-image2 比 Nano Banana 2/Pro 更聽話。
提示詞：📝 第一人稱仰拍自拍視角，一個 20 歲中國頂級男 cos，五官精緻、妝造 1:1 還原漩渦鳴人（博人傳中當上七代目火影後的寸頭短髮鳴人）真人 cos，左手（纏滿繃帶的手包括手指和手臂）舉透明玻璃瓶仰頭喝伏特加，前景右側手做轉筆/夾筆動作，手持白色 Apple Pencil 電容筆特寫，手部細節清晰，居家室內書桌場景，藍白花紋桌布，背景黑色平板顯示粉色動漫壁紙，環境虛化，動態模糊運動拖影，遊戲 cg 風格，極具藝術感，震撼人心，色彩豐富，暗部疊加，特寫鏡頭，超高清。大量毛筆字碑帖飛濺，飛舞的紙片、前景紙片虛化，動態模糊，背景動態虛化，陽光燦爛，光影交錯，仰拍特寫鏡頭，突出速度感與視覺衝擊力，強透視。原比例模擬手機前置手持拍攝的真實感，暖調柔和自然光，低飽和復古膠片色調，真實人像皮膚質感，發絲清晰，衣物紋理自然，玻璃反光真實，4K 8K 超高清，大光圈虛化，鬆弛感日常隨拍，氛圍感，電影感抓拍，生活感，不擺拍，隨性自然。
提示詞中的重點是什麼呢？
提示詞：📝 第一人稱仰拍自拍視角，一個 20 歲中國頂級混血帥哥男 cos，五官精緻、妝造 1:1 還原漩渦鳴人（博人傳中當上七代目火影後的寸頭短髮鳴人）真人 cos，左手（纏滿繃帶的手包括手指和手臂）舉透明玻璃瓶仰頭喝伏特加，前景右手做轉筆/夾筆動作，手持白色 Apple Pencil 電容筆特寫，手部細節清晰，居家室內書桌場景，藍白花紋桌布，背景黑色平板顯示粉色動漫壁紙，環境虛化，動態模糊運動拖影，遊戲 cg 風格，極具藝術感，震撼人心，色彩豐富，暗部疊加，特寫鏡頭，超高清。大量毛筆字碑帖飛濺，飛舞的紙片、前景紙片虛化，動態模糊，背景動態虛化，陽光燦爛，光影交錯，仰拍特寫鏡頭，突出速度感與視覺衝擊力，強透視。原比例模擬手機前置手持拍攝的真實感，暖調柔和自然光，低飽和復古膠片色調，真實人像皮膚質感，發絲清晰，衣物紋理自然，玻璃反光真實，4K 8K 超高清，大光圈虛化，鬆弛感日常隨拍，氛圍感，電影感抓拍，生活感，不擺拍，隨性自然.
重點是提示詞「動態模糊運動拖影」與「（纏滿繃帶的手包括手指和手臂）」這兩個關鍵資訊，特別是後者重點關鍵資訊，看過這個動漫的都知道主角的手部纏滿繃帶細節。
為全然纏繃帶的，我寫得詳盡就是怕模型不能理解。
目前看，GPT-image2 他做到了滿分💯（相對於其他所有文生圖模型，單這一點足以證明比 Gemini 的控制細節能力強），得益於 OpenAI 豐富的素材庫並且素材庫資訊準確，所以生圖和原著能契合上，Gemini 有種胡編亂猜的感覺。現在輪到 Gemini 任重而道遠。
是因為指令正確還是因為模型素材庫密集程度關係？目前來看，對於中文指令把控毋庸置疑，👍讚的！它很懂我。
看懂了嗎？當 AI 徹底聽懂人話、不再需要又臭又長的廢話提示詞時，意味著「提示詞壁壘」已經徹底崩塌。
未來的 AIGC 下半場，拼的不再是魔法咒語，而是你大腦裡的構圖、創意和審美！工具的迭代只會越來越懂你，但創作者的內卷才剛剛開始。你，準備好拼腦洞了嗎？👇
個人認為準備研究國風可以一試，華流才是最屌的。
說膠片就是膠片，是我想要的那個膠片味道。
簡簡單單的一句話提示詞，不再需要過多定語句於實等複雜關鍵詞內容，是大模型未來的方向。
新的審美步梯需要源源不斷的更替迭代。就和大眾熟知的 Agent 或者一個一個的龍蝦、愛馬仕等。需要的就是不斷迭代更新，不會止步不前。
還沒有 ChatGPT 會員的朋友，需要測試可以去下面連結的競技場（Battle Mode）：
duct-tape-1/2/3 這三個均是 GPT-image2 的生圖模型。
